一般化線形モデル
ｔ検定、分散分析、単回帰分析、重回帰分析といった統計分析のいずれも「一般化線形モデル」という回帰分析の
考え方で説明してしまえるということらしいです。カイ二乗検定やロジスティック回帰分析も同じだそうです。
これらの計算はいずれも帰無仮説を仮定し、２群間や多群間の平均が等しいとか、期待度数に等しいとか、切片の傾きが０であるとかとみなします。この仮定が成立する検定量を算出し、ｔ分布表やＦ分布表、カイ二乗分布表でその確率を求めます。その確率が５%以下なら帰無仮説が棄却され、有意に差があるとか、有意に結果を左右する説明変数であるといえるようになります。
これらの計算方法はかなり似通っているように私には思えるのですが、一般化線形モデルでその通りと説明されるととても納得できます。
考え方で説明してしまえるということらしいです。カイ二乗検定やロジスティック回帰分析も同じだそうです。
これらの計算はいずれも帰無仮説を仮定し、２群間や多群間の平均が等しいとか、期待度数に等しいとか、切片の傾きが０であるとかとみなします。この仮定が成立する検定量を算出し、ｔ分布表やＦ分布表、カイ二乗分布表でその確率を求めます。その確率が５%以下なら帰無仮説が棄却され、有意に差があるとか、有意に結果を左右する説明変数であるといえるようになります。
これらの計算方法はかなり似通っているように私には思えるのですが、一般化線形モデルでその通りと説明されるととても納得できます。
