---
title: "第12回　習熟度確認と復習（2）：基礎的推測統計の実行"
subtitle: "行動計量学（行動科学分析法入門）"
author: "小野原 彩香"
date: "令和8年度"
output:
  html_document:
    toc: true
    toc_float: true
    theme: flatly
    highlight: tango
    df_print: paged
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE, warning = FALSE, message = FALSE,
                      fig.width = 7, fig.height = 4)
library(tidyverse)
```

---

## 本日の流れ

1. **復習（前半）**：第8〜11回の推測統計のポイントを確認
2. **習熟度確認テスト（後半）**：RStudio を使って課題に取り組む

---

## 復習：推測統計のまとめ

### 分析方法の選び方

| 比較・分析したいもの | 使う検定 |
|--------------------|---------|
| 2変数の直線的関係（両方連続） | 相関分析（`cor.test()`） |
| 2つのカテゴリ変数の関連 | カイ二乗検定（`chisq.test()`） |
| 独立した2群の平均値の差 | 独立2標本t検定（`t.test()`） |
| 同一人の2時点の差 | 対応のあるt検定（`t.test(..., paired=TRUE)`） |
| 3群以上の平均値の差 | 分散分析（第13〜14回） |

---

### 相関分析（第8回）の復習

```{r}
cor.test(iris$Sepal.Length, iris$Petal.Length)
```

**報告例**：*r*(148) = .87, *p* < .001

---

### カイ二乗検定（第9回）の復習

```{r}
tab <- table(mtcars$cyl, mtcars$am)
chisq.test(tab)
```

**報告例**：χ²(2, N = 32) = ○○, *p* = ○○

---

### 独立t検定（第10回）の復習

```{r}
t.test(mpg ~ am, data = mtcars)
```

**報告例**：*t*(18.33) = -3.77, *p* = .001

---

### 対応ありt検定（第11回）の復習

```{r}
set.seed(42)
n <- 15
before <- round(rnorm(n, 6.0, 0.8), 1)
after  <- round(before + rnorm(n, 0.8, 0.5), 1)
t.test(after, before, paired = TRUE)
```

---

## 習熟度確認テスト（第2回）

**以下の課題を RStudio で実行し，スクリプトを提出してください。**

ファイル名：`習熟度確認2_学籍番号.R`

---

### 【データ】

今回は `sleep` データセット（R 組み込み）を使います。

```{r}
# sleep データの確認
head(sleep)
str(sleep)
```

`sleep` データの変数：
- `extra`：睡眠増加量（時間），基準と比べた変化量（+ が増加，- が減少）
- `group`：投薬グループ（1 = 薬A，2 = 薬B）
- `ID`：被験者 ID（1〜10，各グループに1〜10の同じ人が含まれる）

> **重要**：`sleep` データは同じ 10 人が薬 A と薬 B の両方を服用したデータです（対応あり）。

---

### 課題1：データの確認と可視化（25点）

1. 各グループの `extra` の平均・標準偏差・サンプルサイズを計算してください
2. グループごとの `extra` を箱ひげ図で比較してください（`fill = group` を使う）

```{r, eval=FALSE}
# 1. 集計
sleep |>
  group_by(group) |>
  summarise(
    n    = ___,
    mean = ___,
    sd   = ___
  )

# 2. 箱ひげ図
ggplot(sleep, aes(x = ___, y = ___, fill = ___)) +
  geom_boxplot() +
  labs(title = "___", x = "___", y = "___") +
  theme_bw()
```

---

### 課題2：t検定（35点）

`sleep` データでは同じ被験者 ID（1〜10）が両グループに存在するため，
**対応のある t検定** を実施します。

1. ワイド形式に変換してください（`pivot_wider()` を使う）
2. 対応のある t検定を実行してください
3. 結果を解釈し，帰無仮説を棄却するか判断してください

```{r, eval=FALSE}
# 1. ワイド形式に変換
sleep_wide <- sleep |>
  pivot_wider(
    id_cols    = ID,
    names_from  = ___,
    values_from = ___
  )
sleep_wide

# 2. 対応ありt検定（グループ1を "1", グループ2を "2" に変換済み）
t.test(sleep_wide$`2`, sleep_wide$`1`, paired = ___)
```

---

### 課題3：相関分析（20点）

`mtcars` データを使って，**車の重量（`wt`）と燃費（`mpg`）の関係**を分析してください。

1. 散布図を作成してください（回帰直線付き）
2. `cor.test()` で相関係数と有意性を検定してください
3. 結果を1〜2文でまとめてください（r値，df，p値を含む）

---

### 課題4：総合問題（20点）

以下の状況で，適切な分析方法を選び，実行・解釈してください。

**状況**：`mtcars` データを使い，「エンジンの形（`vs`：0=V型, 1=直列）によって馬力（`hp`）に差があるか」を検討する。

1. まず，`vs` ごとの馬力の平均・SDをまとめる
2. 適切な検定を選んで実施する（対応あり or なし？）
3. 箱ひげ図で可視化する
4. 結果を報告する

---

## 参考：分析の報告フォーマット

### 相関分析

> **X と Y の間には**〇〇**な相関が認められた，*r*(df) = .〇〇，*p* < .〇〇。**

### t検定

> **A 群（*M* = 〇〇，*SD* = 〇〇）と B 群（*M* = 〇〇，*SD* = 〇〇）の間に有意な差が認められた，*t*(df) = 〇〇，*p* = .〇〇，*d* = 〇〇。**

### カイ二乗検定

> **X と Y の間に有意な関連が認められた，χ²(df, N = 〇〇) = 〇〇，*p* < .〇〇。**

---

## 本日のまとめ

- 相関・カイ二乗・t検定（独立・対応あり）の選択と実行を確認した
- 結果の解釈と報告のフォーマットを押さえた

---

## 次回の予告

次回（第13回）から**分散分析**に入ります。

- なぜ3群以上のときにt検定を繰り返してはいけないのか？
- 一元配置分散分析（one-way ANOVA）の論理

教科書の分散分析の章を読んでおいてください。