« 大学院で研究していくために | メイン | 「ワークプレースラーニング2009」に参加してきました。 »

「階層的データ研究会」に参加しました。

09年10月24日(土)13時30分〜17時 東大で開催された
「階層的データ研究会」に参加しました。


土曜日の午後なので、奥さんに許可を頂戴して、東京に出てきました。

午前中は、地区の公民館掃除(半年に1回くらい回ってきます)をする
奥さんのところに、子供たちを連れて遊んだ後、お昼前に東京に向かいました。


研究会で学んだことを、差しさわりの無い範囲で、列挙します。

=================================

【中原先生】

・階層的データとは、データ全体の中に「ハコ」が複数あり、
 その「ハコ」の中に複数の被験者が含まれているデータ

・階層的データ分析の論文が増えてきている。

・組織研究など、Nが多い場合は、階層的データ分析がある程度やりやすいが、
 協調学習研究など、Nが少ない場合は難しいかも。

・教育学として、階層的データ分析について
 どう考えるのか合意しておく必要があるのでは。

(中原先生のブログ http://www.nakahara-lab.net/blog/2009/10/pro.html )

=================================

【北村先生】

・協調学習の前提である「相互作用」つまり「被験者間は独立していない」のに、
 「被験者間は独立している」という前提で、統計分析を行ってよいのか?

・独立を仮定した検定を行うと「タイプIエラー」の確立が高まる。
 (意味ある差といえないのに、差があると結論付けてしまう)

・級内相関係数が低い場合は、階層的データ分析は不要。
 高い場合は、必要。

 でも、どのくらいの高さなら階層的データ分析が必要かという合意は無い?

・協調学習研究においては、グループレベルの問題に関係があっても、
 通常の統計的分析では、個人レベルのみに焦点があてられる。

・階層的データへの4種類の統計学的対処法

 1)集計データによる分析(研究の焦点がグループ単位のみの場合)
 2)ロバスト標準誤差を用いた回帰分析(研究の焦点が個人単位のみの場合?)
 3)階層線形モデル HLM(グループ、個人双方、回帰分析が好きな人向け)
 4)マルチレベル共分散構造分析 MCA
   (グループ、個人双方、共分散構造分析が好きな人向け)

・HLM、MCAとも、グループ数、グループ内人数とも多いに越したことはない。
 
・方法の選択は、場合によりけりである。

=================================

【関根感想】 (初心者のささいなものばかりですが・・・)


・統計分析に関して、自分が何が分からないのか、少し明確になった。

 −統計に関する「言葉」が分かっていない。だからついていけない。
  
  例)γ、β、級内相関、クロス水準相互作用、回帰分析、共分散構造分析
   (・・・お恥ずかしいですが)


 −教育工学で、現在どんな統計分析の手法が使われているのかを分かっていない。

  例)SPSS、重回帰分析?


・今後、階層的データ分析を学び、使いこなす必要性があることが分かった。

 −自分が関わる組織研究では
 「級内相関が高い」「Nが多い」「組織と個人の影響あり」


・今までの統計分析の手法に慣れている方にとっては負担感が大きいのかも。

 −自分の場合は、ゼロからのスタートだから諦めもついて、気が楽なのかも。


・アカデミックな世界の誠実さ、真摯さを感じた。

 「手法もあって必要なら大変でもやりましょう。今のままではいけないですよ」

 −ビジネスの世界だと、もしかしたら、
  「これだけコストをかけても実入りが少ないならやめときましょう」となるかも


=================================

【今後】 (以下の本を読んで、まずはスタートラインに立てるよう勉強します)


●中原先生お薦め本

・「創造の方法学」

・「ユーザーのための教育心理統計と実験計画法」

・「実践心理データ解析」

・「心理学のためのデータ解析テクニカルブック」


●アマゾンで見つけた初心者向けの本

・「心理統計学の基礎」

・「誰も教えてくれなかった因子分析」

・「本当にわかりやすいすごく大切なことが書いてあるごく初歩の統計の本」

・「マンガでわかる統計学シリーズ(統計学編・回帰分析編・因子分析編)」

・「SPSSのススメ」

=================================

今回の研究会も非常に勉強になりました。
北村先生をはじめとする皆さま、どうもありがとうございました!

トラックバック

このエントリーのトラックバックURL:
http://learn-well.com/xbitmtop/mt-tb.cgi/843

コメントを投稿

(いままで、ここでコメントしたことがないときは、コメントを表示する前にこのブログのオーナーの承認が必要になることがあります。承認されるまではコメントは表示されません。そのときはしばらく待ってください。)