過去記事でも論理式を持ち出したが;cf 論理式が使えるRの計算 sum( yos*(vi)*(1-(1-ch)*(1-mi) ) *(1-(1-yh)*(1-r)) ) y1かつviに曝露かつ ch mlいずれかに曝露 かつ yh rいずれかに曝露 (1-(1...
過去記事でも論理式を持ち出したが;cf 論理式が使えるRの計算 sum( yos*(vi)*(1-(1-ch)*(1-mi) ) *(1-(1-yh)*(1-r)) ) y1かつviに曝露かつ ch mlいずれかに曝露 かつ yh rいずれかに曝露 (1-(1...
■ ・船事例では、曝露数の大きな因子が生起、抑制因子の効果に影響しうることをみた ・曝露数の大きな因子を書き出す記述をする ---------- 曝露表の記述から続けて;保存dfなどを引き継ぎ ---------- ■ 曝露数ベクトル;行列 tem.data<- dr...
■ 事例データに汎用なMHRDを計算 ■ 記述 ----まずは、事例のデータを入れる;データの複写 t.data <- # 調べるデータ名を入れる 実例 oswの ” osd ” を入れる ---- 【n×n因子 MHRD】 ----カラム数、...
MH総当たり図示で 因子特徴を 読む~osw. 推定係数plot
・ MH総当たり表をグラフ表示して特徴から、注目する因子としておく 独立モデル係数をplotしてみる ■ 記述 for( j in 1:15) # MHの値を 線グラフで { plot( oswmh[ j,1:15 ],ylim=c(-0....
■ IDごとの因子たちの重複を計算してみる記述 ・・のうちy1 や tでありかつ・・ 生起因子との重複もわかる 対角線を眺めれば、曝露数となっている;同一因子名の交叉する数値 ■ 【 n×n 曝露重なりをみる表 記述 】 -----------------------...
別事例oswデータで 因子選択 交互作用の組み方を試す【曝露-cRDプロット】
■ 因子選択と交互作用項の設定は 別事例データでも通じるか調べる 因子選択 ~ 曝露数、cRD 絶対値の大きなもの 交互作用項の設定 ~ それらの主な組み合わせのみによる 2重交互>3重交互 モデルは 切片≒0,...
2値データの相関は Multiple R-squared では解りづらいので らしい相関を計算する
・linear model を2値データに適用したとき summayの Multiple R-squared は、実感とずれがある かなり小さな値がでてくる ・yが0,1のデータがそのまま相関x,yでのyとして計算され Multiple R-squared となっている ・...
《真打》因子をどう選ぶか 交互作用をどう組むか 生起因子との重複を記述で&交互図示
■ 因子選びの手順、交互作用項の設定ヒント 生起因子t、曝露の多い因子を知る記述はできた mesi steak は挙げることができたが、生起因子とできるだけ重複する因子を選び出す方がよいと思われた これは、生起因子に対して抑制、阻止の効果が働いてみえるという経験とも一致す...
■ 因子をできるだけ客観的に選んで、有利な交互作用をもつモデルで組み合わせを試す ■ 因子、モデル 因子 wat mesi tam potesara は 客観的選択 steakは 曝露がmesiに次いで大 mesi steakには、阻止を想定した交互 me...
保存したデータ csv ■◇ ただしい症例定義・・ .csv ; 全メニュー cludeなRDデータ名:crd ------------ data = kanzi 記述 dd<- NULL dd<- kanzi # dd= read.csv(file.ch...
《前座》 交互作用モデルの方がよいのか 4,5因子モデル 全26データ による
■ 元データ ・4因子は客観的に選択した steなど以外を加えるモデルを作るため、26因子全部をデータとした ・症例定義2 ただし症例定義1は考慮せず発生としたもの ■ 4因子モデルと”+適当な因子”で5因子モデル さらに独立と交互作用 切片とRsqで評価する ...
■ 因子の選択 cRDは簡便に因子を特徴づけられることを使って、因子選択に利用する ・cRD ・曝露数 の2つから因子を選択するということを記す ■ 全因子 dd= read.csv(file.choose()) # dd:csv 2...
■ 以前の計算から、 ・線形独立な予測子で推定;logistic回帰 すると観察とズレがあること ・抑制因子は単独で弱生起性、生起因子存在下で抑制 のような、一見二面性を示す可能性があること 【二面性・・】 ・論理式は、因子効果を単一とせず、データと推定とのズレを”補正”し...
・疫学のステップ;観察、仮説、解析;調整によってFBDのデータを調べてきた FBD解析の本来の目的;生起因子の特定 は実際、多くは調整なしで不都合がない また”集団感染”との鑑別も有力な方法がみえた 事例のデータの中で生起因子のみならず、他の因子も発生に関係するようで...
三角関数と逆数 別解を加えた (逆数である 逆関数ではない)
・sin cos tan cos tan は前記事と 別な答え 青線は原点からのベクトル 角度は青線の、y=1からの角度 円(1.0中心、r=1) 縦軸はx=1 前記 解の一部 cos
・円をめぐって逆数をみつけたのだが、円を取り払っても三角関数sin cos tan とそれらの逆数を作図できる. sin cos tan
■ トレミーの定理の証明で、大きさにおいて位置ベクトルの逆数を持つベクトルが直線上に現れた.見出せた.ベクトルの、軸に対する角度に応じて三角関数とその逆数もまた、見出せる. 1,0を中心とする半径1の円で考える ■ sin ■ cos ■ tan
MHRDのウエイトは、意味がわからない. ウエイトを簡単なものに置き換えて理解に役立つか. wについての table を tで層化し、MHRDをみるときを例にして・・. ■ ウエイトをシンプルに もし、ウエイトを単にn でつけたら・・ :記述後記 (rd...
MHRDの式は、 [ ウエイト逆数による内分点ベクトル ] であり、 [ ウエイトの調和平均 ] を含んでいる. しかも、ウエイトそのものもまた、「人」n1とn2 についての調和平均である. =1/( 1/n1k +1/n2k ) ...
■ 調和平均の調和平均 ”調和平均の調和平均” はどうなっているか・・・ ■ 交換性 nに適当な数をおいてみる. ・調和平均の調和平均では、 ( ((1/3+1/20)^-1 )^-1 +((1/10+1/30)^-1)^-1 )^-1 [1] 1.935484 ...
ごく近視的に算数解釈する ■ 調和平均とは 調和平均は、 「率や比について平均をとるとき使う」とされる. また、 「分子に来るものが同じときは調和平均が適正」、あるいは、抵抗は並列のとき調和平均で、直列のとき算術平均など、言われる. ・dimを考える. 平均...
MHRD は RDベクトルの 内分点 Mantel-Haenszel
MHRDを式でみると、 ・wはコクランウエイトといわれる ■ 内分点としてのMHRD i = 2 のとき、 MHRD = Σ wi rd i = w1rd1+w2rd2 Σ wi w...
Rで記述: MHRD マンテルヘンツェル危険度差 生起因子で調整し・・
・ORと比べてRDはデータ欠損がなく、MHRDをRで記述して試す. ■ MHRD t;因子番号7 が生起因子であると容易に分かったとして、引き続き、因子を調べるとき、 MHの方法で t の影響を抑えてみる. ■ 記述 ・総当たり調整の想定をした.が、tの効果あるなしにつ...
■ 集まったデータ内で、ある因子wに注目するとき、その効果を調べるには、それ以外の因子への曝露が一致するものを探して比較するとよいのではないか.Rの記述は、やっかいになりそうだが・・. ▼ wは、「第3の因子・・」で浮かんだ1つの因子であり、別角度で調べる.ctrl gとし...
・s0 において発生率は、t の含まれる割合だけでは説明がつかない群 4があった. ・Rの記述練習がてら、すこし調べることにする. ■ ベクトルdf準備 name [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [1,] ...
弱抑制を調べた際の記述を改変してt0を調べる ・データ限定:t0 に限る name [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [1,] "y" "wat" "tya" "mesi" "tori" "sake"...
・弱い因子の抑制性を調べる ■ 仮説 t以外の、或る因子が曝露重複する程、発生率を抑えている. ・調べる方針 曝露する因子数をIDごとに和し、その数により分類し、発生率を調べる. 一様なBGから取り出されたとみなした、発生率の起こりやすさと比べる. ・計算 発生;yあ...
・Rで生起因子、抑制因子に次いで、阻止因子までを調べる方法を試してきた. ・sについての効果を調べている.tなしについて調べるのがBGを考えること. ”各データ”の意味 予想 t なしを BGとして扱ったが、BG内で各因子は影響しあっている t なし...
・計算過程で a/(a+c) やb/(b+d)を使う.曝露区分群内でのriskdif RD ・a/cから一種の変換をして、a/(a+c)を代用指標と考える.周辺度数に0があると、リスク値データが欠落するのを避ける、 . cが0だとa/cは無限大になるので扱え...
■ tの曝露下で検討した因子の性質 risk ;各データからは、全因子の性質がよくみえ、 sが抑制 m p が阻止 w が抑制 m;ほか他の因子が抑制の面も と多くの可能性を指摘しうる. ■ 樹状図 tree t-sについて と、t-wについてtree...
・t曝露に限定した因子の影響を調べる. ~第2弾 前記事の抑制因子sを副次的抑制因子w と置き換えて、記述を書き直し、調べる. wは、曝露数が少ないのでID数にも注意を払う. tとwのtable各度数に対する因子データを中心にみる. ■ 結果;iwd まずrddを...
・生起因子曝露群の中で、抑制因子1つとし、それ以外の因子を調べる. 粗table、MH指標を一斉に眺める方法はRでも試せた.実発生数率は、効果の大きな因子を探すのに有効だった. 目立たない因子は、BGとして無関連か、他の効果を持つかを調べる総当たり的方法を模索する. ...
・因子の探索を中心に、これまでやってきたこと
・曝露g ; eg をRで作れたので、他の因子を調べる. ■ 生起因子t、抑制因子sが、決まった後、粗な観察で効果が際立っていないとしても捨てきれない因子2つを加えて、4つとしたデータをもとに考える. 4因子;最大 2の4乗通り を考えることになる. ...
・曝露gをRで扱う試行 曝露gの特徴は、IDの重複なしに分類して因子効果をみること. ■ dfの名前 、作り方 eg : 曝露グループ;単純に結合 ・具体 列番号 1 2 3 4 5 6 7 8 列名 "y" "wat" "tya" "mesi" "tori" "s...
・因子の効果を概観したい、疑わしい因子の効果を確認したくて、表計算で総当たり調整値をみた.そのR版. ・繰り返しを入れ子にした記述でMH指標を計算. ・層化は一階;一回. ・粗指標と比較するMHOR/cORを試す. ■ 総当たりMHOR MH<-NULL mh<-NULL ...
・層化し、とりうる度数ベクトルに対応する起こりやすさとの対応を記述 生起t、抑制sが挙げられた後、続く処理の記述 vstyとvstnのdfは、層化し、とりうる範囲の度数ベクトルからなる. i、0:7は、tに対するBGの幅.0から7まで動かすと度数、起こりやすさはそれに...
・疑わしい因子について層化し、度数を求める記述 ・生起以外の発生をBGとし、周辺度数固定し、とりうる幅の度数を求める記述 ・起こりやすさを調べる準備 ・MHORの値は、この段階の数値が必要 --------------- ・層化度数 ;生起 t、抑制 s xでyを層化し、...
・リスト dr :マスターテーブルともいう ・2分反転データ :簡単な表記のため y1 y0 re1 re0 の4つを作る. 作り方: 1) リスト2分 行を抽出 y1 と y0 に リスト をわける リストの列 yが 1に一致する ものを y1とす...
・実用的な備忘として 記述を残すシリーズ
・2×2表に 粗な指標を付け加える 実質発生数は、粗表から対象の因子単独で説明できる発生数 ( a - b / (b+d) * k ) / (a+b) の分母のみとなる.みかけの発生からBGとみなした相当分を引いた残り、実発生数. zhas <-NULL # ...
・xtableを作ったのに加えて、cORをそろえて表示する cor<-NULL for( i in 1:8) { cor<-cbind(cor ,round(intetab[i,1]*intetab[i,4]/intetab[i,2]/intetab[i,3],d...
2×2表を並べ替えて作る. 1行目はab、2行目はcdでできている. ------------------ ad<-NULL ab<-NULL for (i in 1:8) { ad<-cbind( intetab[i,1],intetab[i,2]) ab<-cbin...
・生起因子らしさは、粗な発生数の多さ;事例全体に対し・・. それ以外:非曝露群における発生は小さいことに加え、低率でなければならないということだった. ・解析に使用する手元データに、発生の多くを説明しうる生起因子がないとき、外部menuや、感染症による別事例の可能性が強ま...
・生起らしいのと抑制らしいのを検討して、生起、抑制ときめることとする. ・cORや実発生数率は、生起因子の候補を絞る. ・候補因子との層化で、らしさから数的な裏付けをもつ因子とする方法の1つ. ・生起因子に対する抑制因子の効果も計算する. ■ 層化での実発生数率 抑制因子...
生起因子らしいか.実発生数率 を計算 cORと比べる;crude
・データによっては、生起因子を逸し、疑わしい因子を扱うこともありうる. ・生起因子らしさとは、事例の大部分の発生を説明できる因子であることも1つ. 曝露が重複してみかけ上発生が多いものは生起因子でない、としてよい. そのようなものを数的に示したい.多いとする数値は、なく...
xtabsは、度数ごとの因子dfだが、いつのまにか数字のdfになっていて、読み出し計算できない. まとめて数値dfにする. 計算例: cを省いた新ORを計算 ad/b intetab <- data.frame(lapply(xtabs,as.intege...
Rで計算 2×2表でみたい 関数定義;tbt ( )から配置
・2×2表をながめたいのは、刷り込みかもしれないが、関数を組んで、全因子の2×2表を作る. abcdデータは、得られているので、並べ方の工夫をする. ・個々因子を指定するとき tbt<-function(x){ return( c(sum(y1[x]), sum...
生起因子が分かったのち、BGとした、bの値は、とりうる範囲が限られる.その範囲で、発生オッズをみる. b1による発生オッズ 横軸 1:8は t0s1のb1=0:7 ...
・オッズプロットのおもしろさは、 ORが、原点から延ばした線の傾きである;再. ・層化に広げてみる. ■ 層化したオッズブロット t を sによる層化でみる i 7番目 t j 6番目 s tの sありなしで sなし a0/c0 2.06 ...
■ 非曝露オッズ b/d 非曝露オッズの記述は、 wat; 2 を例 hib [1] 0.0000000 1.2307692 1.2571429 0.5714286 0.7291667 ...
オッズのまま眺める 記述: # hib 繰り返し 比を 各因子 分計算 hib<-NULL for(j in 1:8) { hib<-c ( hib, sum( dr[1]*(1-dr[j] ) ) / sum( (1-dr[1]) * (1-d...
リストデータを2分反転すると記述が簡単になるのだった. これによって、層化する式は係数を乗じるような計算になる. tableをベクトル化する記述 2番目の粗発生数を示すmを題材として・・ ■ table記述 sum( y1[4] ) ...
元データを加工して記述を簡単にしたい. ■ 元データ ■ 【リストを2分、反転し2倍】 ・y1とy0に分ける. 139と119の 2群になる. tableは、 m: [4] を例にすると、 sum(y1[4]) s...
データにラベルを付ける 横軸 hibベクトル、縦軸bacrベクトル、データの名前;因子名 として、 >plot(hib,bacr) >text(x=hib-0.1,y=bacr,colnames(dr)) で、 。。。
Rで計算.ベクトル化度数から 2つのMHORの起こりやすさまで
・データから、度数を計算するとき、論理式が使えるとわかった. 因子 tとsで調べるとき、 ・層化周辺度数を固定すると、度数はBG発生数が取りうる範囲の変数による関数となる. ・ベクトルを変数とした関数はベクトルになる.これでRの記述がより簡単になる. ・度数・MHOR・オッ...
■ 論理式の「そのまま記述」 観察値;固定度数は、データから次により読みだして、決めることができる sに曝露したとき、 s=1 とする場合、曝露していないものは、 1-s としてカウントできる.論理式をそのまま式に入れて計算できる. また、 s0 a...
■ OR比 t、s2因子を扱えば、t有無で2通り、s有無で2通りのtableができるが、各層内でのOR比は、 sのOR tのOR t1層 t0層 s1層 s0層 ...
繰り返し処理~短く & vec を dataframe化する
・度数の範囲で繰り返し処理して、ORベクトルを作り、書き出す ・関連情報dhyper の数値をくっつけてデータフレームを作る ■ 短い書き方 for(i in 0:7) { print(i*(22+i)/(7-i)/(16-i))} ベクトル化して、保存するには...
BGの頑強性などからMHORのCIを考えることはできた.そのなかで因子 t,sにかかわるtabletがいくつかできる. t、s2因子を扱えば、 t1層、 t0層 それぞれに、sのOR s1層、s0層 〃 に、 tのOR sのOR 2通りを対比して...
周辺度数固定下の 別table;t0による sの table
■ 要約 MHORのCIを求めたくてdhyperと関連付けてみたのだった. 別tableができるのだが、sについてのORをみると起こりやすさは同じ結果が現れる. ■ 条件と場合 「 tによる2×2tableの度数は一定. sで層化したときの周辺度数を固定 → ...
MHOR の CI を 周辺度数固定して 調べる~dhyper
MHORのCIをdhyperを使って調べる. 層化により、周辺度数を固定し、BGの頑健性に依拠した推定. ■ MHORの対応;「b対応」 記事「dhyper 層化してBGを調べる」「周辺度数固定条件下での指標とdhyper の対応」 では、b1が決まるとMHOR、dh...
周辺度数固定下で 指標と dhyper の対応 ・・焼き直し
--ほぼ、記事「dhyper 層化してBGを調べる」の焼き直し である-- BGの頑強性に依拠し、超幾何分布を使った推定に備える. ・BGの扱いについてまとめておく. ・超幾何分布を使ってみようとすると、層化したtableの周辺度数が必要となる. 条件下で調べると、指標...
メモ MHOR ~R関数(Fisher、MH)・手計算;点推定
・Rで必要になるデータの整理、手計算MHORをメモする. MH関数 Fisherの正確確率、MH関数・正確確率付き ■ データの処理 空白行を探知し、削除する. 例 c6 <-complete.cases(d6) dr <- d6[c6,] ...
・ 3次元データ描画はぱっとしないので、**の一つ覚え plotでやる. ■ plot ・x軸とy軸をそれぞれ手持ちdataで指定する plot ( ob1,ob0 ・・ x、y座標上の位置として ・cex plotの大きさをデ...
・前記事で、sありなしで層化し、従来指標で発生を調べた. 主たる生起因子 t に曝露しない層;BGを扱うとき、dhyperの使い道を探る. ■ 自由な数 ある因子でxtabを作る. s有無で層化 ...
■ Rの操作練習がてら・・qhyper ・曝露により発生をみる確率を計算してきた. ・層化して各層の発生数;計 をみる.生起因子の効果というより、発生数の取りがちな値を調べてみる. ・sありなしでの発生と従来指標 ■ 「全体」は、起こってしまった結果であってsによる層化で ...
・rbinom、rhyper関数はランダムな発生数を羅列する.繰り返し処理を練習するため度数を求めてみる. ■ rbinomは、2,4,3,2,…のような数がn個;シミュ回数分生成される. rbinom(1000,16,0.1875) xという点での度数...
・qhyper 一般的な書式 qhyper(p, m, n, k, lower.tail=TRUE, log.p=FALSE) 例をplot画中にまとめる. サケなし層、tの発生 plotによって、qhyperが示す度数は、 0.05のとき、0...
超幾何分布をRの関数で練習 ■ phyperとdhyperの理解 題材 このうち、サケあり層から158とりだす場合に、どれだけ発生が起こりうるか. phyper 指定した数以下が現れる分布確率を返す dhyper 指定した数が現れる密度確率 〃...
2×2表で、曝露x;あり発生;yありを a、曝露x;なし発生;yありをb、 曝露x;あり発生;yなしをc、 曝露x;なし発生;yなしをdとした. 超幾何分布;確率密度 hgを 1) のように表現するなら、2×2表で、aがx、a+cがn、a+bがMに対応する. 1)...
【hist風 plot】にするには、 type="s" 【ラベルを消し、替えるには】 xlab=" ",ylab="" または、 ",xaxt="n", x=□□□□ 【重ね合わせ】するには、 par(new = T) plot(・...
hyper関数の結果、ベクトル要素に0が並ぶことも多い.非0ベクトルを作ればいい. ・題材 dh_158<-dhyper(80:158,98,76,158) 【目盛消す】 x軸目盛を消して、タイトルとして80:98を書き込む plot(dhyper(80:98,9...
メモ Rで練習 二項分布関数にベクトルn1:n2を入れる.作図
題材の数値を使って率を固定したときの分布を計算する:練習 sあり層 tの発生率固定時、発生数は、 s1t1y<-rbinom(1000,158,0.601) sあり層 t0の発生率固定時、発生数は、 s1t0y<-rbinom(100...
(1,0)中心、r=1の円には、cos、sinとともにそれらの逆数が描ける.
・やや字数の多い理解 複素平面で(1,0)中心のR=1円周上にある複素数α、β、γの、i=0となす角φjとすると、 α = 2cosφ1 e iφ1 β = 2cosφ2 e iφ2 ...
・オイラーの公式 オイラーの公式①は、複素平面上、原点を中心とした半径1の円周上のある点δの座標. δの絶対値は1なので逆数は共役と等しい③. 1,0点を中心とした半径1の円周上にある点 α は、2cosφ eiφと表せ、 |α|=2...
・円と円周上の点の反転*を考える. *ここでいう反転とは、 複素数の逆数をいう. 前記事についても同じ. 個々の複素数を反転すると変なことに気づく.が、杞憂に過ぎなかった. 円周上の複素数αが原点から出発し、時計回りするとする.3つの複素数α...
・データから原因と結果の対比で調べる回帰分析やら層化解析してきたのだが、ここにきて多変量解析でそのデータはどう映るか少し試した. ・発生情報であるyもまた、曝露情報といっしょくたにするわけだ. ・解析するとデータ間の似つかわしさがみられ、発生との(無)関係なようすもみられる...
■ クラスター分析でデータをみる. clusplot ( dataroku ,km$cluster, color=TRUE, shade=TRUE, labels=2, lines=0) データは、 y=1をID97 以降とし、tam=1をID 22-95と...
・発生に関わる回帰モデルなどの見方をいったん横に置き、データ間の関係はどうみえるか. ■ 因子分析 eigen01 <- eigen(cor01)$values eigenの大きめなのが、3つはある. が、関数の練習なのでとりあえず2つでみる. fi...
・曝露因子としてきたデータばかりか、発生yをも同時に関数に入れる.よって発生yもまた、メニューの一つのように扱って多変量解析に入れる. ・まず主成分- ■ 主成分分析 いつものデータをみる;観光船事例. メニューから6個を入れる. pr <- princomp(...
パラメータを自由に動かせば、ℒは、歪んだ面となっている. 計算した推定結果周辺でℒにはパラメータに反応しないごく小さな平坦な域がある. (計算ソフトの限界かもしれないが) ■ β、εiを 加減して ℒを 計算 自由なβ、εによるℒの計算シミュをしたい. ℒの定義...
■ 最尤推定から データからβ;βmlを計算することができる. ・・・① 最尤推定では次2式=0を解くのが手順 βml = 0.3670727799452210 この値を各εiの計算に使用すると*、 ...
尤度方程式をみると、推定したいβ、εが絡んでいるらしく、その関連を描いてみた.β、εの関連を調べ、それを外せば何かわかりそうな気がした. ■ 全微分尤度方程式 ・原点を通る線形回帰に正規分布を仮定して最尤推定する.真値 ; ε 、推定する係数 ; β. 尤度関数を、偏微...
・尤度関数を偏微分して最尤推定する. ・パラメータを変えながら尤度関数・方程式の値を調べる. ■ 線形回帰に正規分布を仮定して最尤推定する ・原点を通る回帰で、推定したい 真値 ; ε 、回帰の傾き ; β として、尤度関数πPから、尤度方程式・・ lnπP|ε ...
原点を通る回帰直線と 或る点の幾何 幾何ではピタゴラスの定理、数式では推定方程式の部品が現れる
■ 回帰線と線長の二乗和 観測点とその回帰線を考える.観測obs、回帰線;傾きβ、角度φとする. obsからy軸方向の線長を1とすると、回帰線への垂線長は、 cosφ となる. 最小二乗...
・いつものデータは、大Nなgによれば、logisticモデルによくあてはまる. ・gと効果の関係を図形でイメージしたい. ■ gらは空間にどんな形であるか 効果の表現には率もあるが、logitとすると、線形を仮定して無理がなさそうだ.位置、距離で考えやすい. gの効果は...
logit変換して得た因子効果から合成値を得て、それと観察値との、差の二乗和で効果を最適化してみる. 異常値の影響を減らして、因子効果の精度を上げる手計算. ここではstdevによる値を偏差という ■ 観察したgからlogi...
■ 2面性とは 係数と計算されるpr 係数 pr β。+ p -0.32 0.421 β。+t 1.47 0.813 β。+ t + p 1.15 0.760...
g化してprを logit変換し、logisticモデルにする
g化は便利な反面、小Nのgが多く表れ、悩ましい.大Ngの頑丈さに依拠して率をlogit変換する方法を試す. 層化での率差をlogisticモデルの係数へ拡張する試み. ■ 手順 ・データgの率のlogitをとり、未確定な係数和とみなす;zoi. ・率差のように、Nの比較...
pはxによる関数とする.0~1を0~1に変換する式を・・ ・ pは 0<x<1の範囲で0<p<1となるが、0または1近傍で変化が小さい. 逆に言えば、xは0.5に近ければ大きくpを動かす. ・cosを使っても考えられる
■ 起点から測れば因子効果が図示できる ■ 粗なデータを起点効果から測る mに注目し、率差を調べるとき、 mtp - tp 0.706 - 1.00 = -0.294 となるが、tpを起点としている.この起点の率を横軸にとって、起...
小Nが煩わしいから、gを一気にまとめてみる. ■ 積式 いままでの層化的な方法から分かった因子の効果から、積式を逆算してみる. ・単一の因子効果の値に対して、曝露を冪で効かす(2面性は扱わない) ・冪を使えば、加算は「または」、乗算は「かつ」を表せる. [gの集約] ...
tとt以外の因子との関係はいろいろあるが、t曝露とt以外の曝露は独立であると仮定して調べてみる. ■ 主な生起因子である、tとBG 観察したmspなどの発生数他と全体の発生数をみると、 事例全体 BG(t0) N 256 48 発...
前記事の内容をひっこめる.生起性がない因子、BGは不定、などをいったん棚上げしてすこし詳しくみてみる. ■ BGを少し詳しく計算 ・t0のgで、率をどう考えるか.因子の得られた率からみる. pは、詳しく調べていないので記載なし 観察したg...
■ 抑制の2面性からいえること sはtに対しては、効果を0.85ほどにする阻止性をもつ.しかし、t0他の因子に対しては、ごく小さい. BG 抑制因子がないとしたときのBG 0.188 0.186 t0のg...
微加減;ノイズ調整と差表で現実的な問題を回避して、抑制性が知れた. 因子の効果をより、詳しく調べる.他の阻止性を疑う因子を調べる. * 因子の特徴 (この記事の計算結果を含む) t :生起性 s :抑制 2面性 p :阻止 ...
「ブログリーダー」を活用して、morのブログさんをフォローしませんか?
過去記事でも論理式を持ち出したが;cf 論理式が使えるRの計算 sum( yos*(vi)*(1-(1-ch)*(1-mi) ) *(1-(1-yh)*(1-r)) ) y1かつviに曝露かつ ch mlいずれかに曝露 かつ yh rいずれかに曝露 (1-(1...
■ ・船事例では、曝露数の大きな因子が生起、抑制因子の効果に影響しうることをみた ・曝露数の大きな因子を書き出す記述をする ---------- 曝露表の記述から続けて;保存dfなどを引き継ぎ ---------- ■ 曝露数ベクトル;行列 tem.data<- dr...
■ 事例データに汎用なMHRDを計算 ■ 記述 ----まずは、事例のデータを入れる;データの複写 t.data <- # 調べるデータ名を入れる 実例 oswの ” osd ” を入れる ---- 【n×n因子 MHRD】 ----カラム数、...
・ MH総当たり表をグラフ表示して特徴から、注目する因子としておく 独立モデル係数をplotしてみる ■ 記述 for( j in 1:15) # MHの値を 線グラフで { plot( oswmh[ j,1:15 ],ylim=c(-0....
■ IDごとの因子たちの重複を計算してみる記述 ・・のうちy1 や tでありかつ・・ 生起因子との重複もわかる 対角線を眺めれば、曝露数となっている;同一因子名の交叉する数値 ■ 【 n×n 曝露重なりをみる表 記述 】 -----------------------...
■ 因子選択と交互作用項の設定は 別事例データでも通じるか調べる 因子選択 ~ 曝露数、cRD 絶対値の大きなもの 交互作用項の設定 ~ それらの主な組み合わせのみによる 2重交互>3重交互 モデルは 切片≒0,...
・linear model を2値データに適用したとき summayの Multiple R-squared は、実感とずれがある かなり小さな値がでてくる ・yが0,1のデータがそのまま相関x,yでのyとして計算され Multiple R-squared となっている ・...
■ 因子選びの手順、交互作用項の設定ヒント 生起因子t、曝露の多い因子を知る記述はできた mesi steak は挙げることができたが、生起因子とできるだけ重複する因子を選び出す方がよいと思われた これは、生起因子に対して抑制、阻止の効果が働いてみえるという経験とも一致す...
■ 因子をできるだけ客観的に選んで、有利な交互作用をもつモデルで組み合わせを試す ■ 因子、モデル 因子 wat mesi tam potesara は 客観的選択 steakは 曝露がmesiに次いで大 mesi steakには、阻止を想定した交互 me...
保存したデータ csv ■◇ ただしい症例定義・・ .csv ; 全メニュー cludeなRDデータ名:crd ------------ data = kanzi 記述 dd<- NULL dd<- kanzi # dd= read.csv(file.ch...
■ 元データ ・4因子は客観的に選択した steなど以外を加えるモデルを作るため、26因子全部をデータとした ・症例定義2 ただし症例定義1は考慮せず発生としたもの ■ 4因子モデルと”+適当な因子”で5因子モデル さらに独立と交互作用 切片とRsqで評価する ...
■ 因子の選択 cRDは簡便に因子を特徴づけられることを使って、因子選択に利用する ・cRD ・曝露数 の2つから因子を選択するということを記す ■ 全因子 dd= read.csv(file.choose()) # dd:csv 2...
■ 以前の計算から、 ・線形独立な予測子で推定;logistic回帰 すると観察とズレがあること ・抑制因子は単独で弱生起性、生起因子存在下で抑制 のような、一見二面性を示す可能性があること 【二面性・・】 ・論理式は、因子効果を単一とせず、データと推定とのズレを”補正”し...
・疫学のステップ;観察、仮説、解析;調整によってFBDのデータを調べてきた FBD解析の本来の目的;生起因子の特定 は実際、多くは調整なしで不都合がない また”集団感染”との鑑別も有力な方法がみえた 事例のデータの中で生起因子のみならず、他の因子も発生に関係するようで...
・sin cos tan cos tan は前記事と 別な答え 青線は原点からのベクトル 角度は青線の、y=1からの角度 円(1.0中心、r=1) 縦軸はx=1 前記 解の一部 cos
・円をめぐって逆数をみつけたのだが、円を取り払っても三角関数sin cos tan とそれらの逆数を作図できる. sin cos tan
■ トレミーの定理の証明で、大きさにおいて位置ベクトルの逆数を持つベクトルが直線上に現れた.見出せた.ベクトルの、軸に対する角度に応じて三角関数とその逆数もまた、見出せる. 1,0を中心とする半径1の円で考える ■ sin ■ cos ■ tan
MHRDのウエイトは、意味がわからない. ウエイトを簡単なものに置き換えて理解に役立つか. wについての table を tで層化し、MHRDをみるときを例にして・・. ■ ウエイトをシンプルに もし、ウエイトを単にn でつけたら・・ :記述後記 (rd...
MHRDの式は、 [ ウエイト逆数による内分点ベクトル ] であり、 [ ウエイトの調和平均 ] を含んでいる. しかも、ウエイトそのものもまた、「人」n1とn2 についての調和平均である. =1/( 1/n1k +1/n2k ) ...
■ 調和平均の調和平均 ”調和平均の調和平均” はどうなっているか・・・ ■ 交換性 nに適当な数をおいてみる. ・調和平均の調和平均では、 ( ((1/3+1/20)^-1 )^-1 +((1/10+1/30)^-1)^-1 )^-1 [1] 1.935484 ...
原点を通る回帰直線と 或る点の幾何 幾何ではピタゴラスの定理、数式では推定方程式の部品が現れる
■ 回帰線と線長の二乗和 観測点とその回帰線を考える.観測obs、回帰線;傾きβ、角度φとする. obsからy軸方向の線長を1とすると、回帰線への垂線長は、 cosφ となる. 最小二乗...
・いつものデータは、大Nなgによれば、logisticモデルによくあてはまる. ・gと効果の関係を図形でイメージしたい. ■ gらは空間にどんな形であるか 効果の表現には率もあるが、logitとすると、線形を仮定して無理がなさそうだ.位置、距離で考えやすい. gの効果は...
logit変換して得た因子効果から合成値を得て、それと観察値との、差の二乗和で効果を最適化してみる. 異常値の影響を減らして、因子効果の精度を上げる手計算. ここではstdevによる値を偏差という ■ 観察したgからlogi...
■ 2面性とは 係数と計算されるpr 係数 pr β。+ p -0.32 0.421 β。+t 1.47 0.813 β。+ t + p 1.15 0.760...
g化は便利な反面、小Nのgが多く表れ、悩ましい.大Ngの頑丈さに依拠して率をlogit変換する方法を試す. 層化での率差をlogisticモデルの係数へ拡張する試み. ■ 手順 ・データgの率のlogitをとり、未確定な係数和とみなす;zoi. ・率差のように、Nの比較...
pはxによる関数とする.0~1を0~1に変換する式を・・ ・ pは 0<x<1の範囲で0<p<1となるが、0または1近傍で変化が小さい. 逆に言えば、xは0.5に近ければ大きくpを動かす. ・cosを使っても考えられる
■ 起点から測れば因子効果が図示できる ■ 粗なデータを起点効果から測る mに注目し、率差を調べるとき、 mtp - tp 0.706 - 1.00 = -0.294 となるが、tpを起点としている.この起点の率を横軸にとって、起...
小Nが煩わしいから、gを一気にまとめてみる. ■ 積式 いままでの層化的な方法から分かった因子の効果から、積式を逆算してみる. ・単一の因子効果の値に対して、曝露を冪で効かす(2面性は扱わない) ・冪を使えば、加算は「または」、乗算は「かつ」を表せる. [gの集約] ...
tとt以外の因子との関係はいろいろあるが、t曝露とt以外の曝露は独立であると仮定して調べてみる. ■ 主な生起因子である、tとBG 観察したmspなどの発生数他と全体の発生数をみると、 事例全体 BG(t0) N 256 48 発...
前記事の内容をひっこめる.生起性がない因子、BGは不定、などをいったん棚上げしてすこし詳しくみてみる. ■ BGを少し詳しく計算 ・t0のgで、率をどう考えるか.因子の得られた率からみる. pは、詳しく調べていないので記載なし 観察したg...
■ 抑制の2面性からいえること sはtに対しては、効果を0.85ほどにする阻止性をもつ.しかし、t0他の因子に対しては、ごく小さい. BG 抑制因子がないとしたときのBG 0.188 0.186 t0のg...
微加減;ノイズ調整と差表で現実的な問題を回避して、抑制性が知れた. 因子の効果をより、詳しく調べる.他の阻止性を疑う因子を調べる. * 因子の特徴 (この記事の計算結果を含む) t :生起性 s :抑制 2面性 p :阻止 ...
・0か1になるとき、それを避ける. δ : 適当な小数 r:gの平均発生率 y/n
■ N=3のgでは、Y1からID1個が振れるだけで率33%が動く.少数例で率が振れるのは困る.対処法を考える. まず、曝露状況の違うgが示す率は、どうなっているか.扱うデータでは、Nが小さいgで、率が1か0に分かれている. この値はそのまま解釈していいの...
新たな率差を考えてみた.が、あまり効果がはっきりせず、つまり前記事の単純な計算でいいだろうということ. ましかもしれない率差 ・gの示す発生率差は、適当なgと差をとれば、因子の特徴をみることができるのだった. 率差; y1/N1-y2/N2 ...
・因子を調べるため、g化し、因子の特徴を率差でみた.小Nのgがあれば、gを和して計算する方法を考えてみた.超幾何関数で仮説との違いを視覚化できる. 和すg:勝手にgを選んで和すのでなく「ペア*となるもの」という条件をつける. * 1つの因子について率差を取れる...
曝露パターンでg化したgの発生率の振れを考えたい ID数;Nの小さなgの率を考えるとき、超幾何関数でいじったら何かいえないか ■ 経過 多数の因子からなる事例を因子1対1の層化解析、MH調整で検討し、また多数の因子のまま線形独立とみなした推定から、生起因子、抑制因子の...
線形独立を仮定したモデルの推定で大きなSEを示す因子について追記する ・因子の削減のための篩わけ;多くある因子を削減する. いったん因子個々が独立したものとしてモデリングし、推定されたリスク値をみると、リスク値の大きさ・方向、広がりSEを得る. リスク値絶対値が大きい...
・正弦・余弦 各加法定理を一緒に表す. ・長さ1とした斜辺の一端から時計回りにcosを作る.角度φ1として底辺をc1、これからさらに角度φ2としてc2を得る.他端からその逆回りにsinを作り、s1,s2を得る. c1 = cosφ1 c2 = cosφ1c...