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。

head(PlantGrowth)
str(PlantGrowth)
## 'data.frame':    30 obs. of  2 variables:
##  $ weight: num  4.17 5.58 5.18 6.11 4.5 4.61 5.17 4.53 5.33 5.14 ...
##  $ group : Factor w/ 3 levels "ctrl","trt1",..: 1 1 1 1 1 1 1 1 1 1 ...

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
# 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
# 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
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：

# ───────────────────────────────────
# 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！