【レビュー】研究論文を読み解くための多変量解析入門　基礎篇

序文

第１章　多変量解析へのいざない
1　本書の目的
2　本章の目的
3　多変量解析とは何か
4　測定尺度
5　本書の章
6　終わりに

第２章　重回帰分析と相関分析
1　予測に応用する
2　理論的な説明
3　一般的な方法論的問題と仮定
4　全体的結論
●推薦図書
●用語集

第３章　パス解析
1　概観
2　統計的概念
3　仮定と問題点
4　結論としてのコメント
●推薦図書
●用語集

第４章　主成分分析と探索的・検証的因子分析
1　主成分分析（PCA）
2　探索的因子分析（EFA）
3　検証的因子分析（CFA）
4　結論
●推薦図書
●用語集

第５章　多次元尺度構成法
1　多次元尺度法の種類
2　本章の目的と概略
3　非計量MDSに必要なデータ
4　非計量MDSから得られる結果の特徴
5　選択されたMDS布置を解釈するために使われる統計的な手法
6　MDSの仮定が破られてないか検証する
7　MDSの結果の解釈例
8　結論
●推薦図書
●用語集

第６章　クロス集計されたデータの分析
1　未来をモニタリングする――モニタリング・フューチャー研究――
2　オッズとは何か？
3　その差は現実のものか？
4　サブグループ間で関係が異なるだろうか？
5　4つ以上の変数に対する分析
6　2つ以上のカテゴリーを含む変数のための分析の拡張
●推薦図書
●用語集

第７章　ロジスティック回帰分析
1　ロジスティック回帰モデル
2　研究例
3　反復多変量ロジスティック回帰
4　まとめ
●推薦図書
●用語集

第８章　多変量分散分析
1　仮説的なMANOVAデザイン
2　予備的な統計概念
3　MANOVAの基本
4　MANOVAの仮定
5　MANOVAの手続き
6　有意な多変量効果が出たときの事後分析
7　MANCOVA,反復測定MANOVA,および検定力分析
8　結論
●推薦図書
●用語集

第９章　判別分析
1　記述的判別分析
2　予測的判別分析
3　要約
●推薦図書
●用語集

第10章　メタ分析を理解する
1　メタ分析とは何か
2　メタ分析のおもな手順
3　方法
4　結果
5　仮想例での考察
6　本章の要約
●推薦図書
●用語集

文献
索引
訳者あとがき

数学的でなく，「概念的」に，多変量解析を扱う
読んで理解する，新しい入門書！

統計の初心者が高度な分析法を用いた研究論文を読み解くことができるように，概念的側面に特化して多変量解析を解説。できる限り数式を用いずに，重回帰分析，パス解析，主成分分析と探索的・確証的因子分析，多次元尺度構成法，ロジスティック回帰分析，多変量分散分析，判別分析，メタ分析などを取り上げる。

◆姉妹本『研究論文を読み解くための多変量解析入門　応用篇：SEMから生存分析まで』
http://www.hanmoto.com/bd/isbn/9784762829437

◆本書のコンセプト
　この20年で，研究における多変量統計が一般的に利用されるようになってきた。実際，多変量解析をいっさい用いない実証的な論文を探すことは困難である。多変量解析が多く使われ始め，研究者が複雑なリサーチクエスチョンに答えることができるようになってはきているが，研究結果の消費者のほとんどはおいてけぼりだ。
　……多変量データをどのように分析するかという本は，今さら必要ではない。その目的に対するよいテキストが，市場にはあふれているからだ。本当に求められているのは，多変量技術の基本的な概念的側面を論じたもの，そしてさまざまな手続きが特定の研究の流れに沿って解説されたものである。それこそ，われわれが本書でまさにやろうとしていることなのである。
　こうした目的をもって書かれた本書は，読者が各章で読者が学んだ分析法が，出版されている論文の考察のところで使われているときに，解読して理解することができるように書かれている。本書に含まれているある多変量解析が使われている論文に出くわしたとき，読者は筆者がなぜこの分析を用いたのかを理解できるようになるだろうし，分析に用いられる統計的記号の意味，分析の仮定，図表の解釈はどうすべきか，分析から得られる論理的な結論はどういう意味か，を理解できるようになるだろう。大学院生にとっては，多変量統計の標準的な教科書への非常に便利な副読本となるだろう。（本書「序文」より一部引用）

◆基礎篇の主な目次
序　文
第１章　多変量解析へのいざない
第２章　重回帰分析と相関分析
第３章　パス解析
第４章　主成分分析と探索的・検証的因子分析
第５章　多次元尺度構成法
第６章　クロス集計されたデータの分析
第７章　ロジスティック回帰分析
第８章　多変量分散分析
第９章　判別分析
第10章　メタ分析を理解する

　・2019年女性声優マップを作ろう!!-bayesian INDSCAL-[2019-12-24に投稿]