【Initial Impressions】
- You don't need to perfect your mathematical background.
As mentioned in "Manga Guide to Statistics," it's better not to strive for perfection in mathematical background knowledge for now. Spending too much time on it may result in losing the ability to apply statistics effectively.
Mathematically, it's sufficient to aim for passing the second-grade statistics exam by studying (i) probability and (ii)differentiation and integration.
- Understanding regression analysis, especially multiple regression analysis, and logistic analysis is necessary.
Even though a specialized mathematical background may not be required, it's essential to understand why the aforementioned analytical methods are used and the meaning of p-values. Without this understanding, one cannot utilize statistics effectively.
Therefore, it's necessary to review these aspects several times using introductory books.
- 誤差、p値
- 解析手法 vs. 解析対象データのとり方
【ランダム化】
- ランダム化比較実験とは
- 「ランダム」とは何をどうすることか。目的は何か。
【回帰分析】
- 考え方
回帰係数：ある数値（ｘ）が決まれば、他の数値（ｙ）も決まる場合、当該数値の関係を示す式を回帰式と言い（たとえば、ｙ＝１８+0.5ｘ）、この１８や０．５という数値を回帰係数という。
信頼区間：何度異なる標本を採ってきて区間推定をやったとしても、そのうち95%は真値がその区間に含まれるますよというもの（例：信頼区間95%）
ｐ値：回帰係数が０の場合（ｘとｙに関係がない場合）に、データのバラツキ（誤差）によって当該回帰係数が推定されてしまう確率、のことをp値という。
【初期的な感想】
- 数学的なバックグラウンドを完璧にする必要はない
これは「マンガで分かる統計学」でも言われていたが、とりあえず数学的な背景知識について完璧を求めない方がよい。ここで時間を食い過ぎて統計学が使えなくなると失うものが多すぎる。
数学的には、まずは①確率、②微分・積分を勉強して統計検定２級に合格するレベルまでもっていけばよいと割り切ること。
- 回帰分析、特に重回帰分析、ロジスティック分析を理解する必要あり
専門的な数学背景が不要と言っても、上記の解析手法が意味するところ、なぜ当該解析手法を使うのか、ｐ値の意味、といった点が理解できないと、統計を利用することがそもそもできない。
したがって、入門書によりこの辺りは何度か復習する必要がある。
