推測統計
自分のデータで仮説を検定してください。データファイル(CSV・XLSX・SPSS)と、仮説または比較したい内容を伝えます。必要に応じてコードブックや分析計画も添えます。仮説ごとに検定を選んだ理由、前提の確認、効果量・95% CI・APA 形式の文を含む結果を多重比較の補正とあわせてまとめた統計分析レポートと、結果表をください。
推測統計: データを分析しています
データファイルと確かめたい仮説を教えてください。仮説ごとに適した検定を選び、前提を確認してから実行し、効果量・信頼区間・APA形式の文までそろった統計分析レポートと結果表をお届けします。
こんな方に
- 実験・調査データを集めたものの、どの検定を使うべきか確信がない研究者
- 学位論文・投稿原稿の結果の節をAPA形式でまとめる必要がある大学院生
- 査読者から「なぜこの検定か」「前提は確認したか」「効果量は?」と聞かれたときに根拠が必要な研究者
- 事前登録した分析計画どおりに確証的分析を行う必要がある研究チーム
- A/Bテストや条件比較の結果を統計的に確かめたいUXリサーチャー
受け取る結果
結果は2つです。レポートには解釈と文章が、結果表にはすべての数値が入ります。
- 統計分析レポート 仮説ごとの検定結果と解釈 · 1ページ目の仮説要約表(仮説・検定・APA結果・判定)、データと除外の記録、仮説ごとの判断経路・前提の確認・記述統計・結果・事後検定・図・解釈、頑健性チェック、解釈の限界、方法の節の下書き、決めるべきこと、統計の整合性チェック · MD(PDF・PNG変換エージェントで共有用PDFに)
- 結果表 レポートのすべての数値 · シート:仮説要約・記述統計・前提の確認・モデル表・事後検定・除外記録・頑健性・判断経路 · XLSX(SPSS・R・JASPにそのまま読み込み可)
レポートで確認できる項目
レポートの数値は結果表と同じで、それを計算したコードは各ステップにコードボックスとして残ります。ボックスを押すと右側でコードと実行結果を確認できます。
- データ 行数・列数、変数の型、欠測、除外したケースと理由・件数
- デザインの判断 参加者間・参加者内・混合、群・水準の数、反復構造、結果変数の尺度、セルごとの人数
- 検定の選択 判断経路(例:正規性OK → 等分散の違反 → Welch)、採らなかった代替案
- 結果 統計量・自由度・正確なp、効果量と95% CI、群ごとのM・SD・n、事後検定
- 慎重な解釈 多重比較の補正、感度分析、同等性検定(指示時)、確証・探索の区別、頑健性チェック
- 原稿用 APA 7の結果文、方法の節の下書き、使用したソフトウェアとバージョン
このように依頼してください
添付したデータで{確かめたい仮説や問い}を検定して。{群・条件の変数}によって{結果変数}が違うかを見たい。 — 下線部を自分の研究に合わせて書き換えて送ってください。
- 確かめたい仮説や問い:複数ある場合は改行してH1、H2…と書いてください。書いた仮説は確証的分析として扱います。
- 群・条件の変数・結果変数:列名をそのまま書くと最も正確です。空欄なら最もありそうな対応を決め、レポートとチャットの1行目に仮定として明記します。
一緒にあるとよいもの
- データファイル(CSV・TSV・XLSX・SPSS .sav・Stata .dta) ロング形式(1行=1測定)とワイド形式のどちらも受け付けます。参加者ID列を教えてもらえると反復測定を正しく判断できます
- 変数の説明(コードブック) 変数の役割・尺度・欠測コードをそのまま守ります。列名だけで意味を推測しません
- 事前登録や分析計画書 計画にある仮説・除外基準・補正方法に従い、その仮説を確証として扱います
こんな依頼もできます
- 添付した実験データで、3つの照明条件の集中スコアの違いを検定して。 → 前提の確認に応じて選んだ一元配置分散分析(またはWelch・Kruskal–Wallis)、事後検定、効果量とグラフ
- 事前・事後スコアが処置群でだけ上がったか確認して。参加者IDはpid列だよ。 → 混合計画の分散分析(群 × 時点の交互作用)、欠測があれば線形混合モデル
- 添付した事前登録のH1〜H3を計画どおりに検定して。 → 計画に沿った確証的検定、主仮説はα固定・残りはHolm補正、決めるべきこと
- 性別と購入の有無に関係があるか見て。 → クロス表、カイ二乗検定(期待度数が小さければFisherの正確検定)、Cramér's V
マイ指示
同じデータでも研究室や学術誌によって検定の基準と報告の仕方が異なります。必要な項目だけ選んで設定してください。設定しない項目は既定値で進めます。名前を付けて保存すれば次回すぐに呼び出せます。 レポートの1ページ目に、今回反映した指示、既定値で進めた項目、仮定したことを示します。
- 有意水準と方向 (検定の基準) 判定基準と片側・両側 · 例: α = .01 · 方向のある仮説は片側 · 既定値: α = .05、両側
- 多重比較の補正 (検定の基準) 複数の検定を行うときの補正 · 例: Bonferroni · FDR(Benjamini–Hochberg)· 補正なし · 既定値: 主仮説1つはα固定、残りの仮説と事後検定はHolm
- 検定の選び方 (検定の基準) パラメトリック・ノンパラメトリックの切り替え基準 · 例: 常にパラメトリック · 前提の違反時はノンパラメトリック · 2群は常にWelch · 既定値: 前提の確認結果に応じて規則どおり(判断経路をレポートに)
- 効果量 (検定の基準) 報告する効果量の種類 · 例: Hedges' g · 偏η² · ω² · 既定値: デザインに合った既定値(t: Hedges' g / d_z、分散分析: 偏η²、カテゴリ: Cramér's V)と95% CI
- 欠測の扱い (データの扱い) 欠測のあるケースの扱いと欠測コード · 例: 999と-9は欠測 · 完全ケースのみ · 既定値: 分析ごとに完全ケース、欠測の割合と除外件数を記録
- 外れ値の規則 (データの扱い) 極端な値の扱い · 例: ±3 SDで除外 · 表示のみ · 既定値: 除外せず表示し、頑健性チェックで除外した場合と比較(3 MAD)
- 除外基準 (データの扱い) 分析から外すケース · 例: 注意確認項目の誤答(attn = 0)· 回答時間120秒未満 · 既定値: 依頼・コードブックに書かれた基準のみ適用
- 報告形式 (報告の仕方) 統計の文の形式 · 例: APA 7 · 小数第3位 · 既定値: APA 7(正確なp、p < .001、pとrは先頭の0なし)
- 補完分析 (報告の仕方) あわせて行う分析 · 例: ベイズ因子も · 同等性検定(TOST)±0.3 SD · 既定値: Pro以上で、有意でない確証的仮説に感度分析
- コードの言語 (報告の仕方) ステップのコードボックスの言語 · 例: R · Python · 既定値: Python、ExpertからはRでの照合も
- レポートの言語 (報告の仕方) 作成する言語 · 例: 英語で作成 · 既定値: 依頼の言語
この方法で進めます
検定の名前を先に選びません。データの構造と仮説からデザインを判断し、前提を確認した結果に応じて決められた規則で検定を選び、実行します。数値はすべて実行したコードから出て、ステップごとに実行したコードを確認できます。
- データ確認 行うこと: 行・列・変数の型・欠測・重複を読み、表で示します · 設定できること: — · 確認すること: 変数の型が正しいか
- 仮説と分析計画 行うこと: 仮説ごとに結果変数・比較する変数・参加者ID・確証/探索を決めた計画表を作ります。仮説がなければデータから主要な比較をいくつか選び、探索として示します · 設定できること: 有意水準と方向、多重比較の補正 · 確認すること: 仮説と変数の対応
- クリーニングと除外 行うこと: 欠測コード・除外基準を適用し、基準ごとの除外件数を記録します · 設定できること: 欠測の扱い、外れ値の規則、除外基準 · 確認すること: 除外基準が研究に合っているか
- 前提の確認 行うこと: 正規性・等分散・球面性・期待度数・セルごとの人数を確認します · 設定できること: — · 確認すること: 違反した前提
- 検定 行うこと: デザインと前提の確認結果で検定を選び(判断経路を記録)実行します。事後検定と仮説ごとの図まで · 設定できること: 検定の選び方 · 確認すること: 選ばれた検定
- 効果量と不確実性 行うこと: 効果量と95% CI、多重比較の補正、有意でない確証的仮説の感度分析、統計の整合性チェック · 設定できること: 効果量、補完分析 · 確認すること: 効果の実質的な意味
- 頑健性チェック 行うこと: ノンパラメトリック・パラメトリックの代替、外れ値の除外で再実行し、結論が保たれるかを見ます(Pro以上) · 設定できること: 外れ値の規則 · 確認すること: 結論が変わった仮説
- レポート作成 行うこと: APA形式の文・表・図でレポートと結果表を作ります。解釈文には数値を直接書かず、結果の位置にコードが入れます · 設定できること: 報告形式、レポートの言語 · 確認すること: 決めるべきこと
レベル別の違い
使う検定
- 2群 Welchのt(Hedges' g)・非正規・順序尺度 → Mann–Whitney(順位双列相関 r)
- 3群以上 Welchの分散分析・Games–Howell(等分散を仮定しない)・非正規 → Kruskal–Wallis・Holm
- 反復測定 対応のあるt(dz)・Wilcoxon・反復測定分散分析(球面性の違反時はGreenhouse–Geisser)・Friedman
- 要因・共変量 要因分散分析・共分散分析(タイプII平方和、偏η²)・混合計画分散分析・欠測や不釣り合いなら線形混合モデル
- 連続の予測変数 Pearson・Spearman相関・線形回帰(不等分散ならHC3)
- カテゴリの結果 カイ二乗(Cramér's V)・Fisherの正確検定・McNemar・ロジスティック回帰(オッズ比)
- 信頼性・因子分析・構造方程式、生存分析・メタ分析はこのエージェントの範囲外です。
この方法について
- なぜ規則で検定を選ぶのか 同じデータでも、どの検定を使うかで結論が変わることがあります。結果を見てから検定を選ぶと、都合のよい結果だけが残りがちです。そのため、デザインと前提の確認結果だけで決められた規則に従って検定を選び、その経路と採らなかった代替案をレポートに残します。
- なぜ難しい作業なのか 反復測定かどうか、分散が等しいか、結果変数が順序尺度かによって検定が変わり、検定が変われば効果量と報告の仕方も変わります。汎用AIももっともらしい結果文を書きますが、自由度とpが合わなかったり、計算していない数値を書いたりすることがよくあります。このエージェントは数値をコードだけで作り、すべてのpを統計量と自由度から再計算して照合します。
- 依頼のコツ
- 仮説があれば必ず書いてください。 書いた仮説は確証的、エージェントが選んだ比較は探索的として分けて報告します。
- 参加者ID列を教えてください。同じ人の複数行を独立したケースとして数えないようにまとめます。
- 結果を受け取った後もチャットで続けて依頼できます。例:「H2を年齢で統制してやり直して」「外れ値を除くと結果は変わる?」
よくある質問
- 研究者が自分で判断すべき部分は?
- 変数の役割とデザインの判断(レポート1ページ目の仮定)、除外基準、効果の実質的な意味です。探索的な結果は新しいデータでの確認が必要です。
- SPSSやRの結果と同じですか?
- 同じ方法・オプションなら同じ値になるはずです。使用したパッケージとバージョンはレポートにあり、各ステップで実行したコードを開いて確認できます。
- 有意でない結果はどう書きますか?
- 「効果がない」とは書きません。効果量とCI、このサンプルで検出できた最小の効果(感度分析)を併記します。マイ指示で同等性検定をオンにすると、実質的に同じとみなせるかも確認します。
- データはどう扱われますか?
- アップロードしたファイルは分析にのみ使います。元のファイルは変更しません。