Devolopment and refinement of methods for data analysis by GLM

点击翻译按钮获取中文摘要

生態的データをはじめ広範なデータ解析に広く使われている、一般化線形モデル（GLM）では、説明変数が目的（応答）変数に与える効果が他の説明変数の値に影響されることを表現する際に交互作用項を説明変数に含めることがよく行われてきた。交互作用項に対して、交互作用項ではない説明変数自体は主効果と呼ばれる。交互作用項がある場合の、主効果の係数の値について、説明変数が２つの場合の結果を拡張し、説明変数が３つおよび４つの場合にも、交互作用項がフルに存在する場合に説明変数が２つの場合と同様の結果が成り立つことが明らかになった。また、説明変数がさらに多い一般の場合にも同様の関係が成り立つことを示唆する結果が得られた。また、主効果の説明変数が２つとその間の交互作用項があるときについて、数値計算および解析的な検討から、交互作用項の係数や交互作用項を含むモデルのデータへの適合性から交互作用項を含めるかどうかを決めて、主効果の係数を自動的に検定あるいは推定する方法は、主効果を正しく評価できるケースは狭い範囲に限られていることが示唆された。交互作用項が存在する場合には、主効果の係数についての推論をどのように行うのかについて、主効果を他の説明変数が特定の値をとる場合について推論を行う場合、主効果と交互作用を合わせた効果を検定する場合、交互作用が無視できると判断した場合に限り主効果の推論を行う場合、他の説明変数が単一の値ではなく特定の分布をとる場合について主効果の推論を行う場合などがありうる。これらの間のちがいについて検討し、まず、分析者が設定する問題の内容によって、どの場合になるかが大きく異なることがわかった。