Rを用いた
データ解析の基礎と応用2022

Step 1：まずは準備しよう！

• 実習までに行うこと（RとR Studioのインストール）
• 実習について

Step 2：Rの基本をマスターしよう！

• データ解析の重要性について
• Rと接する上での心構え
• プログラミングの身につけ方
• この実習の取り組み方
• Rの使い方
  • 覚えておくと役立つこと(1) スペース
    
  • 覚えておくと役立つこと(2) ショートカット
• 変数を扱おう
  • 覚えておくと役立つこと(3) Rstudioの画面の見方
• データ型（class）を扱おう
• ベクトル（vector）を扱おう
• データフレーム（data.frame）を扱おう
• パッケージを使おう

Step 3：データを可視化しよう！

• データ可視化の重要性
  
  
• ggplot2でデータを眺めよう
  • geom_histogram ヒストグラム
  • geom_density 密度分布
  • geom_point 散布図
    • aes(color) 色を表現する
    • facet_wrap, facet_grid グラフを分ける
  • geom_boxplot 箱ヒゲ
    • theme_*** 全体の雰囲気を変える
    • color（aesの外） 線を特定の色にする
    • fill（aesの外） 特定の色で塗りつぶす
    • color（aesの中） 線を値に応じた色にする
  • coord_cartesian 軸の範囲を変える
  • labs タイトルや軸ラベルを書く／書き換える
  • theme 文字の大きさなどを細かく設定
  • ggsave() 図をファイルとして保存
    
    
  • その他のグラフの描き方を知りたい方は
    • ggplot2公式サイト
    • Jaehyun Songさんの解説
    • など

Step 4：データを解析しよう！

• dplyrでデータを解析しよう
  • head() データをざっくり眺める
  • str() データの変数をリストアップする
  • select() 指定した列を選び出す
    • select(starts_with()) 部分一致
  • filter() 特定の値の行を抽出する
    • filter(【列名】 %in% c(【値1】, 【値2】)) 複数の値
    • filter(【列名】 > 【値】) 比較演算子
    • filter(【列名A】 > 【値】, 【列名B】 > 【値】) 複数条件（AND）
    • filter(【列名A】 > 【値】| 【列名B】 > 【値】) 複数条件（OR）
  • mutate() 新しい列を作る／既存の列の値を変更する
    • mutate(if_else()), mutate(case_when) 条件に応じた値
  • summarize() 数値を要約する
    • group_by() 特定のグループに分けて要約する
    • across() 複数条件の要約を短く書く
  • bind_cols, bind_rows 複数のデータフレームを結合する
  • ***_join 複数のデータフレームを列で紐付けて結合する
  
  
  • その他便利な関数を探したい方は
    • Heavy Watalさんの解説
    • dplyr公式チートシート
      
      
• tidyrでデータを使える形に変形しよう
  • pivot_wider() 縦長のデータを横広に
  • pivot_longer() 横広のデータを縦長に
  • separate() 文字列カラムを複数に分割
  • unite() 複数の文字列カラムを結合
    
    
  • その他便利な関数を探したい方は
    • Heavy Watalさんの解説
    • tidyr公式チートシート
      
      
• ggplot2の実例
  • 棒グラフ±エラーバー

Step 5：自分のデータを扱おう！

• 整然（tidy）データとは何か
• readrで自分のデータを読み込もう
  • read_csv() CSVファイルの読み込み
  • write_csv() CSVファイルの書き出し

Step 6：統計解析をしよう！

• どのように統計解析をするのか
• 統計の基本：母集団と標本
• 統計の基本：応答変数と説明変数
• 統計の基本：どんな変数なのか
• 選び方１：モデリングか仮説検定か
• 仮説検定
  • 仮説検定の考え方
  • p値をどのように求めるか１
  • 確率分布って何？
  • p値をどのように求めるか２
  • 検定統計量にもいろいろある
  • 正しい解析法を使わないと意味がない
  • 仮説検定のよくある間違い
  • 選び方２−１a：仮説検定法（１要因２群の検定、割合の検定）
  • 選び方２−１b：仮説検定法（多重比較、２要因の検定）
    • 正規性
    • 等分散性
  • １要因２群の検定
    • 正規性あり等分散性なしの２群の比較（Welchのt検定）
    • 統計解析の結果を出力する（easystatsパッケージ群のreportパッケージ）
    • 正規性あり等分散性ありの２群の比較（Studentのt検定）
    • 対応のあり／なしの設定
    • 正規性なし等分散性ありの２群の比較（Wilcoxonの順位和検定）
      • 対応のあり／なしの設定（Wilcoxonの符号順位検定）
    • 正規性なし等分散性なしの２群の比較（Brunner-Munzel検定）
  • 多重比較（３群以上）の検定
    • ２群の検定を繰り返すのはダメ
      • 等分散性（３群以上）
    • 正規性あり等分散性ありの多群比較（一元分散分析ANOVA, Tukeyの多重比較）
    • 正規性や等分散性がない多群比較（ART ANOVA, Tukeyの多重比較）
  • 割合の検定
    • χ二乗検定
      • クロス集計表を使う場合
• 統計モデリング
  • 選び方２−２：一般化線形モデルGLM
    • GLMを構成する３つの要素
    • glm関数の書き方
      • 線形予測子
      • 誤差構造
      • リンク関数
      • 結果の見方
        • glmの結果をcsv出力
        • glmの結果をプロットに重ねる
          
      • GLMでよく使う統計モデル
        • 単回帰
          • 直線回帰
          • ポアソン回帰
            • ポアソン分布とは
          • ロジスティック回帰
            • 二項分布とは
            • 対データ
            • ２値データ
        • 重回帰
      • どのモデルを選ぶのか

よくあるエラー集

自由課題に向けて

著者について

• 石川 由希（名古屋大学生命理学）
  • 名古屋大学 理学研究科 生命理学専攻 講師
  • 専門：進化生物学、神経行動学