資料詳細

目次

jamoviの使い方

  1.1 jamoviのインストール

  1.2 jamoviの設定

  1.3 データの入力

  1.4 データの読み込みと保存

  1.5 データの設定

  1.6 新規変数の作成と変数変換

  1.7 FAQ

統計学史

  2.1 統計

  2.2 確率

  2.3 統計学の誕生

  2.4 近代統計学の誕生

  2.5 統計学の発展

  2.6 心理学と統計学

  2.7 これからの統計学

記述統計

  3.1 代表値

  3.2 散布度

  3.3 作図

  3.4 正規分布と標準化

  3.5 jamoviを使った記述統計

t検定

  4.1 仮説検定の流れ

  4.2 t検定

  4.3 t検定の前提条件

  4.4 効果量

  4.5 jamoviを使った対応がないt検定

  4.6 jamoviを使った対応があるt検定

相関と回帰

  5.1 共分散と相関係数

  5.2 相関係数を用いる際の注意点

  5.3 jamoviを使った相関分析

  5.4 単回帰

  5.5 適合度

  5.6 回帰直線の仮説検定

  5.7 回帰係数の仮説検定

  5.8 jamoviを使った単回帰分析

重回帰分析

  6.1 重回帰式

  6.2 標準化偏回帰係数

  6.3 重回帰モデルの適合度と検定

  6.4 回帰分析の前提条件

  6.5 多重共線性

  6.6 jamoviを使った重回帰分析

χ[2]検定

  7.1 1標本の場合

  7.2 jamoviを使ったχ[2]適合度検定

  7.3 2標本の場合

  7.4 jamoviを使った独立性の検定

  7.5 検定の誤り

分散分析

  8.1 分散分析とt検定の違い

  8.2 分散分析の基礎用語

  8.3 1元配置分散分析

  8.4 分散分析の前提条件

  8.5 jamoviを使った1元配置分散分析(被験者間)

  8.6 2元配置分析

  8.7 jamoviを使った2元配置分散分析(被験者間)

  8.8 1元配置分散分析(被験者内)

  8.9 jamoviを使った1元配置分散分析(被験者内)

多変量分散分析

  9.1 多変量分散分析の考え方

  9.2 多変量分散分析の数学的基礎

  9.3 多変量分散分析の統計量

  9.4 多変量分散分析の分析法

  9.5 多変量分散分析の結果の解釈

線形モデル

  10.1 線形モデルの考え方

  10.2 線形モデル(LM)

  10.3 一般線形モデル(GLM)

  10.4 一般化線形モデル(GZLM)

  10.5 線形混合モデル(Mixed model)と一般化線形混合モデル(GLMM)

  10.6 分析法

信頼性係数

  11.1 信頼性と妥当性

  11.2 古典的信頼性係数

  11.3 Cronbachのα係数とMcDonaldのω

  11.4 分析方法

  11.5 結果の解釈

因子分析

  12.1 主成分分析の考え方

  12.2 因子分析の考え方

  12.3 探索的因子分析の分析法

  12.4 探索的因子分析の結果の解釈

  12.5 確認的因子分析の分析法

  12.6 確認的因子分析の結果の解釈

メタ分析と効果量

  13.1 メタ分析の考え方

  13.2 効果サイズ(効果量)

  13.3 メタ分析の指定法

  13.4 メタ分析の結果の解釈

ベイズ統計

  14.1 ベイズの定理

  14.2 ベイズ統計学の基本

  14.3 jamoviのベイズ統計

ページの先頭へ