---
title: "第15回　まとめと習熟度確認（3）：これまでの学習内容の統合"
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. **総復習（前半）**：全15回の内容を俯瞰する
2. **習熟度確認テスト（第3回・後半）**：RStudioで総合課題に取り組む

---

## 総復習：15回で学んだこと

### フェーズ1：環境構築とRの基本（第1〜2回）

- R / RStudio のインストールと画面構成
- 四則演算，変数，ベクトル，基本統計関数
- パッケージのインストール（`install.packages()`）と読み込み（`library()`）

### フェーズ2：データの可視化（第3〜4回）

- `ggplot2` のレイヤー構造：`ggplot() + aes() + geom_xxx()`
- 散布図，ヒストグラム，棒グラフ，箱ひげ図
- `theme_bw()` / `theme_classic()` などテーマの適用
- `ggsave()` によるグラフの保存

### フェーズ3：データの加工（第5〜6回）

- `dplyr` の基本動詞：`filter()`, `select()`, `mutate()`, `arrange()`
- `group_by()` + `summarise()` によるグループ別集計
- `count()` による頻度集計
- パイプ演算子 `|>` による処理の連結

### フェーズ4：推測統計（第8〜11回）

| 手法 | 使う場面 | R関数 |
|------|---------|-------|
| 相関分析 | 2連続変数の直線関係 | `cor.test()` |
| カイ二乗検定 | 2カテゴリ変数の関連 | `chisq.test()` |
| 独立t検定 | 異なる2群の平均比較 | `t.test()` |
| 対応t検定 | 同一人の2時点比較 | `t.test(..., paired=TRUE)` |

### フェーズ5：分散分析（第13〜14回）

- 一元配置分散分析：`aov()` + `summary()`
- 多重比較（Tukey HSD）：`TukeyHSD()`
- 効果量 η²

---

## 分析方法の選択フローチャート

```
比較・関連を調べたい
        │
        ├── 連続変数 × 連続変数 ──→ 相関分析 (cor.test)
        │
        ├── カテゴリ × カテゴリ ──→ カイ二乗検定 (chisq.test)
        │
        └── カテゴリ（グループ）× 連続変数
                │
                ├── 2群
                │     ├── 対応なし ──→ 独立t検定 (t.test)
                │     └── 対応あり ──→ 対応t検定 (t.test, paired=TRUE)
                │
                └── 3群以上
                      └── 一元配置ANOVA (aov) → TukeyHSD
```

---

## 報告フォーマットのまとめ

### 相関分析
> 〇〇と〇〇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
> 〇〇群（*M* = 〇〇, *SD* = 〇〇）と〇〇群（*M* = 〇〇, *SD* = 〇〇）の間に有意差が認められた，*t*(df) = 〇〇, *p* = .〇〇, *d* = 〇〇。

### カイ二乗検定
> 〇〇と〇〇の間に有意な関連が認められた，χ²(df, N = 〇〇) = 〇〇, *p* < .〇〇。

### 分散分析
> 〇〇の主効果が有意であった，*F*(df1, df2) = 〇〇, *p* < .〇〇, η² = .〇〇。
> Tukey HSD の結果，〇〇と〇〇（*p* < .001）の間に有意差が認められた。

---

## 習熟度確認テスト（第3回）：総合課題

**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3_学籍番号.R`

---

### 【データ】

今回は `PlantGrowth` データセット（R 組み込み）を使います。

```{r}
head(PlantGrowth)
str(PlantGrowth)
```

変数の説明：
- `weight`：植物の乾燥重量
- `group`：処置群（`ctrl` = 対照群，`trt1` = 処置1，`trt2` = 処置2）

---

### 課題1：データの確認と記述統計（20点）

1. 各群（`group`）の `weight` の平均・標準偏差・サンプルサイズを表示してください
2. 箱ひげ図と散布点（`geom_jitter()`）を組み合わせてグラフを作成してください
   - `fill = group`，`theme_bw()`，日本語ラベル付き

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

# 2. グラフ
ggplot(PlantGrowth, aes(x = ___, y = ___, fill = ___)) +
  geom_boxplot(alpha = 0.6) +
  geom_jitter(width = 0.1, alpha = 0.5) +
  labs(title = "___", x = "___", y = "___") +
  theme_bw() +
  theme(legend.position = "none")
```

---

### 課題2：一元配置分散分析（25点）

1. 等分散性を Bartlett 検定で確認してください
2. 一元配置分散分析を実行してください（`aov()`）
3. F値・自由度・p値を読み取り，帰無仮説を棄却するか判断してください

```{r, eval=FALSE}
# 等分散性の確認
bartlett.test(___ ~ ___, data = PlantGrowth)

# 分散分析
result_anova <- aov(___ ~ ___, data = PlantGrowth)
summary(result_anova)
```

---

### 課題3：多重比較（25点）

課題2の分散分析結果を使って，Tukey HSD 法による多重比較を実行してください。

1. `TukeyHSD()` を実行する
2. どのペア間に有意差があるかを特定する
3. 信頼区間のプロットを作成する

```{r, eval=FALSE}
result_tukey <- TukeyHSD(result_anova)
result_tukey

# 可視化（オプション）
tukey_df <- as.data.frame(result_tukey$group)
tukey_df$comparison <- rownames(tukey_df)
ggplot(tukey_df, aes(x = comparison, y = diff)) +
  geom_point(size = 3) +
  geom_errorbar(aes(ymin = lwr, ymax = upr), width = 0.1) +
  geom_hline(yintercept = 0, linetype = "dashed", color = "red") +
  coord_flip() +
  theme_bw()
```

---

### 課題4：効果量と結果の記述（30点）

1. η²（イータ二乗）を計算してください（`summary(result_anova)` の出力から SS を読み取る）
2. 以下のテンプレートに沿って，分析結果を論文の「結果」の節として記述してください

**記述テンプレート：**

> 3群（対照群，処置1群，処置2群）の植物乾燥重量を一元配置分散分析によって比較した。
> 群の主効果は〔有意であった・有意でなかった〕，
> *F*(__,__) = __.__, *p* __ .05, η² = .___。
>
> （有意だった場合）Tukey HSD 法による多重比較の結果，
> 〇〇群と〇〇群の間に有意差が認められた（*p* __ .05）。

---

## この授業で身についたこと

この授業を通じて，以下のスキルが身につきました：

```{r, eval=FALSE}
# ───────────────────────────────────
# あなたが今できること
# ───────────────────────────────────

library(tidyverse)

# 1. データを読み込む
data <- read_csv("my_data.csv")

# 2. データを整形する
data_clean <- data |>
  filter(!is.na(score)) |>
  mutate(score_z = scale(score)) |>
  arrange(group, desc(score))

# 3. グループ別に集計する
data_summary <- data_clean |>
  group_by(group) |>
  summarise(n = n(), M = mean(score), SD = sd(score))

# 4. グラフを作る
ggplot(data_clean, aes(x = group, y = score, fill = group)) +
  geom_boxplot() + theme_bw()

# 5. 統計検定を実行する
aov(score ~ group, data = data_clean) |>
  summary()
```

---

## 今後の学習のために

### 次のステップ

| 学びたいこと | 推奨リソース |
|------------|------------|
| より進んだデータ加工 | 参考書：RユーザのためのRStudio実践入門 |
| 回帰分析・重回帰分析 | 教科書の後半章 |
| 共分散分析・反復測定ANOVA | 統計的方法論の発展的授業 |
| レポート作成（R Markdown） | RStudio の R Markdown 入門 |
| 機械学習 | `tidymodels` パッケージ |

---

## 本日のまとめ

- 15回の授業で学んだ内容（環境構築・可視化・加工・推測統計）を統合した
- 分析方法の選択フローチャートで，場面に応じた検定を選べるようになった
- 今後のデータ分析の足がかりとなるRの基礎スキルを習得した

---

## 授業を通じてお疲れ様でした

Rを使ったデータ分析は，最初は難しく感じるかもしれませんが，
繰り返し使うことで自然と身についていきます。

ここで学んだスキルは，卒業論文・研究・仕事の様々な場面で活きてきます。

ぜひ，今後も積極的にRを使い続けてください！