一般化線形モデルを実行したいならRがおすすめ
本記事では「一般化線形モデルを活用したいです。おすすめ統計ソフトはありますか」という疑問にお答えします。
- 一般化線形モデルができるおすすめ統計ソフトを知りたい
- Rの一般化線形モデルでできることを教えてほしい
本題に入る前にお知らせです。私が代表を務めるThriver Projectでは、無料Webセミナーを開催しています。研究論文や研究計画書の書き方のコツを、わかりやすく丁寧に解説しています。この無料Webセミナーでは約300名以上の方が学んでおり、参加者からはたいへん好評を博しています。これらの書き方で悩んでいる方は、以下のリンクからアクセスしてください。皆さんの参加を心からお待ちしています。
【無料】IMRaDを使った研究論文の書き方講座【Webセミナー】 (thriver.one)
【無料】研究計画書の書き方講座【Webセミナー】 (thriver.one)
一般化線形モデルを実行したいならRがおすすめ
結論をいえば、一般化線形モデル(Generalized Linear Model,GLM)を実行したいなら、Rを使っておけばOKです。
理由は、Rのglm関数を使えば超簡単に実行できるからです。
簡単な例を示すと、t検定は以下の通りです。
glm(y ~ x1 + x2, family = gaussian(link = “identity”) )
コードの意味は以下の通りです。
こんな感じで、Rのglm関数を使えば、わりとシンプルなコードで一般化線形モデルを実行できます。
なので、一般化線形モデルをやりたいならRを使っておけば問題ないです。
Rの一般化線形モデルでできること
Rの一般化線形モデルでできることはいろいろあります。
ここではその一部を紹介します。
分散分析は以下の通りです。
glm(y ~ x1 * x2 * x3, family = gaussian(link = “identity”) )
単回帰分析は以下の通りです。
glm(y ~ x1, family = gaussian(link = “identity”) )
重回帰分析は以下の通りです。
glm(y ~ x1 * x2, family = gaussian(link = “identity”) )
ロジスティクス回帰分析は以下の通りです。
glm(y ~ x1, family = binomial(link = “logit”) )
ポアソン回帰分析は以下の通りです。
glm(y ~ x1, family = poisson(link = “log”) )
プロビット分析は以下の通りです。
glm(y ~ x1, family = binomial(link = “probit”) )
対数線形モデルは以下の通りです。
glm(y ~ x1 + x2, family = poisson(link = “log”) )
ここでは簡単な例のみ示しました。
こんな感じで、シンプルなコードでいろいろ使いわけができます。
コードの意味は上記の図で示した説明を参考にしてください。
Rで一般化線形モデルができるメリットとデメリット
Rで一般化線形モデルができるメリット
Rで一般化線形モデルができるとコスパよいです。
理由は、Rそのものがフリーソフトだし、一般化線形モデルから一般化線形混合モデルに拡張したいときも、類似したコードで水平展開できるからです。
また、一度コードを書いてしまえば使い回しできますので、データ解析するたびに同じ手順にそってクリックする手間が省けます。
なので、忙しい人はRで一般化線形モデルができると時間を有効活用できるのでめちゃおすすめです。
Rで一般化線形モデルやりたいなら、以下の本を一冊読んでおけばOKです。
Rで一般化線形モデルができるデメリット
特にないです。
けど、一般化線形モデルの特性上、個体差、場所差などの変量効果を考慮できません。
複雑な現象にあわせて、もっと自由にモデリングしたい人は、一般化線形混合モデルを選択する必要があります。
Rなら一般化線形混合モデルも一般化線形モデルのglm関数に類似したコードで実行できます。
一般化線形モデルに加えて、一般化線形混合モデルも学びたい人は以下の本が圧倒的におすすめです。
必ず読みましょう。
まとめ:一般化線形モデルを実行したいならRがおすすめ
本記事では「一般化線形モデルを活用したいです。おすすめソフトはありますか」という疑問にお答えしました。
結論を言えばRを使ったらOKです。
Rについての関連記事は以下になります。気になる方はどうぞ!