← 授業トップへ戻る

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

問題は授業当日に配布します。

この回は前半が復習，後半が習熟度確認テストです。 テストは RStudio で実際にデータを分析し，作成した .R スクリプトを提出する形式で行います。 出題範囲は，上の復習部分で扱った内容です。

問題と解答例は，テスト実施後にこのページへ掲載します。

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() + scale_fill_brewer(palette = "Set2") + 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！

← 授業トップへ戻る