eiiti kasuya - web pages -...
TRANSCRIPT
![Page 1: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/1.jpg)
時間の長さを分析する
粕谷 英一(九大・理・生物)
生態学会(2015年3月)自由集会『データ解析で出会う統計的問題: 時間の長さ・時系列データの統計モデリング』
![Page 2: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/2.jpg)
時間状態の持続時間回帰的枠組みなら
目的変数
![Page 3: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/3.jpg)
時間latency
状態の持続時間 duration
ある現象が起こるまでの経過時間
瞬間的な現象について 時間間隔interval
![Page 4: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/4.jpg)
時間状態の持続時間 duration
例.餌を食べ始めてから食べ終わるまで
例.交尾開始から交尾終了まで
例.静止してから動き始めるまで
例.寿命状態→生存 例.余命
![Page 5: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/5.jpg)
時間latency
ある現象が起こるまでの経過時間
例.病気の潜伏期間
例.刺激を与えてから反応が現れるまでの時間
![Page 6: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/6.jpg)
時間ある現象とある現象の間の時間間隔
時間間隔 interval
例.捕食者が攻撃してくる間隔
例.ある餌場を訪れる間隔
例.バス停に人が来る間隔
![Page 7: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/7.jpg)
時間
latency
状態の持続時間 duration
ある現象が起こるまでの経過時間
時間間隔 interval
生存時間文字通りの生存時間でないものも機械やシステムの故障までの時間など
![Page 8: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/8.jpg)
時間 生存時間文字通りの生存時間でないものも機械やシステムの故障までの時間など
信頼性(reliability)
![Page 9: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/9.jpg)
時間正(正かゼロ)負の値がない
連続量
データの特徴
尺度水準 比率尺度(比尺度)重さ、長さ、体積などと同じ尺度水準
![Page 10: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/10.jpg)
時間注目する特徴
打ち切り
説明変数の値の時間的変化
生存時間 ハザード生存率時間
データと分析の特徴
よく使われる”変わった”モデル Cox比例ハザードモデル
![Page 11: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/11.jpg)
時間
生存関数とハザード
打ち切り
時間依存的な説明変数
比例ハザードモデル
パラメトリックなモデル
Kaplan-Meier推定量logrank検定
以降の内容の目次
![Page 12: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/12.jpg)
時間説明変数 目的(応答)変数
広義の回帰の枠組み
回帰式の関数型
目的変数のばらつき具合誤差構造と確率分布
![Page 13: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/13.jpg)
時間の経過
説明変数の値が途中で変化する
説明変数→目的(応答)変数Cox比例ハザードモデルでは共変量
説明変数の値が途中で変化しない定数型(fixed)
観察開始時の値がとられることが多い
時間依存的(time-dependent)時間のラグがある(時間により説明変数の係数が変化)
Cox比例ハザードモデルでは普通
![Page 14: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/14.jpg)
時間パッケージsurvivalなど
説明変数指定のオプション tt
データ整形の関数 tmerge
データ読み取りの関数 Surv
比例ハザードモデルの関数coxph
交互作用が使えることもある
時間依存的な説明変数
![Page 15: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/15.jpg)
censor打ち切り生存時間
ある時点では生きていた死亡時点は不明
しばしば「観察をやめた」ことによるある時点では生きていた死亡時点は不明
時間の長さが正確にわからない
![Page 16: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/16.jpg)
censor
ある値以上であることはわかる値はわからない
打ち切り
ある値以下であることはわかる値はわからない
right 右側
left 左側
ある範囲に入っていることはわかる値はわからない interval
![Page 17: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/17.jpg)
censor
ある値以上であることはわかる値はわからない
打ち切りright 右側
パッケージsurvivalの関数Surv
![Page 18: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/18.jpg)
例.
2000頭1年目生存、2年目生存 784
1年目死亡 440
1年目生存、2年目打ち切り 760
1年目生存、2年目死亡 16
1年目までの生存率
2年目までの生存率は?
![Page 19: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/19.jpg)
例.
2000頭1年目生存、2年目生存 784
1年目死亡 440
1年目生存、2年目打ち切り 760
1年目生存、2年目死亡 16
1年目の生存率=(784+16+770)/2000
2年目までの生存率=1年目の生存率×2年目の生存率
2年目の生存率=784/(784+16)
=0.78
=0.98
=0.7644
![Page 20: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/20.jpg)
KaplanーMeier推定量(product limit推定量)
死亡が起こった時点で区切った区間の生存率
ある時点までの生存率の推定値=区間の生存率の積
区間死亡が起こったらその時点で区間を区切る
![Page 21: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/21.jpg)
KaplanーMeier推定量
死亡あるいは打ち切り時点例.
1 3 4 5 5 6 7 7 7 8
時点 個体数 死亡数 区間の生存率0 10 0 1.0 3 9 1 0.89 5 7 2 0.71 7 4 2 0.5
死亡が起こった時点で区切った区間の生存率その積
![Page 22: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/22.jpg)
KaplanーMeier推定量
例.時点 区間の生存率0 1.0 3 0.89 5 0.71 7 0.5
死亡が起こった時点で区切った区間の生存率
1.00.890.630.32
最初を基準にした生存率
パッケージsurvivalの関数survfit
![Page 23: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/23.jpg)
logrank検定
2つのサンプル(処理が異なる間)での生存曲線の比較)
3つ以上のサンプル
ブロック(層別)あり拡張
![Page 24: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/24.jpg)
logrank検定死亡が起こった時点で区切り、
両サンプルの生存個体数、死亡個体数を計算
サンプル1の⽣生存個体数 サンプル1の死亡個体数
サンプル2の⽣生存個体数 サンプル2の死亡個体数
複数の2×2分割表
Mantel-Haentzel検定
![Page 25: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/25.jpg)
logrank検定2×2分割表区間の数だけ
サンプル1の⽣生存個体数 サンプル1の死亡個体数
サンプル2の⽣生存個体数 サンプル2の死亡個体数
Mantel-Haenszel検定共通の傾向(共通オッズ比)
死亡の順序(生存時間の順序)
パッケージsurvivalの関数survdiff
ブロック内の相関
![Page 26: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/26.jpg)
(Mann-WhitneyのU検定)Wilcoxon順位和検定の拡張版
2つのサンプル 生存日数の比較
時間データは順序尺度も使える
![Page 27: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/27.jpg)
distribution確率分布正(正かゼロ) 連続量
指数分布
ガンマ分布
対数正規分布
正規分布
ワイブル分布
対数ロジスティック分布
アーラン分布
ゴンペルツ分布
ロジスティック分布
カイ二乗分布
![Page 28: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/28.jpg)
ある値より大きいデータの割合
生存曲線
生存関数
確率分布
ヒストグラム 確率密度関数
ある値以下のデータの割合 分布関数
そのデータが生存時間なら生存率になる
=(1−分布関数)
確率密度関数の積分
![Page 29: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/29.jpg)
−3 −2 −1 0 1 2 3
0.0
0.2
0.4
0.6
0.8
1.0
normal distribution − pdf
x
dnorm(x)
正規分布(平均=0)の場合
確率密度関数
−3 −2 −1 0 1 2 3
0.0
0.2
0.4
0.6
0.8
1.0
normal distribution − survival
x
1 −
pnor
m(x
)
生存関数
![Page 30: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/30.jpg)
ハザード hazard (危険度)✖️危険率✖️検定での有意水準
h y( ) = f y( )S y( )
時点yで生存していた個体の瞬間的死亡率
ハザード関数
確率密度関数
生存関数
![Page 31: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/31.jpg)
ハザード hazard (危険度)
時点yで生存していた個体の瞬間的死亡率
生存関数
y
S y( )
y+dy
時点yで生存していた個体の死亡率
線の傾きS y( )
dy→0
![Page 32: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/32.jpg)
ハザード hazard (危険度)
h y( ) = f y( )S y( )
時点yで生存していた個体の瞬間的死亡率
生存関数
y
S y( )
接線の傾きS y( )h y( ) =
![Page 33: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/33.jpg)
−3 −2 −1 0 1 2 3
0.0
0.2
0.4
0.6
0.8
1.0
normal distribution − pdf
x
dnorm(x)
正規分布(平均=0)の場合確率密度関数
−3 −2 −1 0 1 2 3
0.0
0.2
0.4
0.6
0.8
1.0
normal distribution − survival
x
1 −
pnor
m(x
)
生存関数
−3 −2 −1 0 1 2 3
05
1015
normal distribution − hazard
x
dnor
m(x
)/(1 −
pnor
m(x
))
ハザード関数
![Page 34: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/34.jpg)
指数分布
ポアソン過程
瞬間的な事象の起こる時間間隔
指数分布
f y( ) = λe−λy確率密度関数
状態の終了が起こる確率が一定のときの、状態持続時間
起こる確率が一定
生存関数 ハザード関数S y( ) = e−λy h y( ) = λ
生存率一定の生存曲線指数分布
![Page 35: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/35.jpg)
指数分布
0 2 4 6 8 10
0.0
0.2
0.4
0.6
0.8
1.0
exponential distribution − pdf
x
dexp
(x, r
ate
= 1)
0 2 4 6 8 10
0.0
0.2
0.4
0.6
0.8
1.0
exponential distribution − survival
x
1 −
pexp
(x, r
ate
= 1)
0 2 4 6 8 10
0.0
0.2
0.4
0.6
0.8
1.0
exponential distribution − hazard
x
dexp
(x, r
ate
= 1)
/(1 −
pex
p(x,
rate
= 1
))
確率密度関数 生存関数
ハザード関数
![Page 36: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/36.jpg)
ワイブル分布
0 2 4 6 8
0.0
0.2
0.4
0.6
0.8
1.0
Weibull distribution − survival
x
1 −
pwei
bull(
x, s
hape
= 1
, sca
le =
1)
0 2 4 6 8
0.0
0.5
1.0
1.5
2.0
Weibull distribution − hazard
x
dwei
bull(
x, s
hape
= 1
, sca
le =
1)/(
1 −
pwei
bull(
x, s
hape
= 1
,
sca
le =
1))
0 2 4 6 8
0.0
0.2
0.4
0.6
0.8
1.0
1.2
Weibull distribution − pdf
x
dwei
bull(
x, s
hape
= 1
, sca
le =
1)
確率密度関数
ハザード関数
生存関数
パラメーターにより、ハザードが時間的変化
![Page 37: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/37.jpg)
ガンマ分布ハザード関数確率密度関数
生存関数
![Page 38: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/38.jpg)
0 1 2 3 4 5
0.0
0.2
0.4
0.6
0.8
1.0
lognormal distribution − pdf
x
dlno
rm(x
, mea
nlog
= 0
, sdl
og =
1)
0 1 2 3 4 5
01
23
45
lognormal distribution − hazard
x
dlno
rm(x
, mea
nlog
= 0
, sdl
og =
1)/(
1 −
plno
rm(x
, mea
nlog
= 0
,
sdl
og =
1))
0 2 4 6 8 10
0.0
0.2
0.4
0.6
0.8
1.0
chi−square distribution − pdf
x
dchi
sq(x
, df =
1)
0 2 4 6 8 10
0.0
0.2
0.4
0.6
0.8
1.0
chi−square distribution − hazard
x
dchi
sq(x
, df =
1)/(
1 −
pchi
sq(x
, df =
1))
カイ二乗分布
対数正規分布
確率密度関数
確率密度関数
ハザード関数
ハザード関数
![Page 39: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/39.jpg)
−3 −2 −1 0 1 2 3
0.0
0.1
0.2
0.3
0.4
0.5
0.6
logistic distribution − pdf
x
dlogis(x)
−3 −2 −1 0 1 2 3
0.0
0.5
1.0
1.5
2.0
logistic distribution − hazard
x
dlog
is(x
)/(1 −
plog
is(x
))
0 1 2 3 4 5
0.0
0.2
0.4
0.6
0.8
1.0
log−logistic distribution − pdf
x
dllo
g(x,
sha
pe =
1, s
cale
= 1
)
0 1 2 3 4 5
0.0
0.2
0.4
0.6
0.8
1.0
log−logistic distribution − pdf
x
dllo
g(x,
sha
pe =
1, s
cale
= 1
)
ロジスティック分布
対数ロジスティック分布
確率密度関数 ハザード関数
確率密度関数 ハザード関数
![Page 40: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/40.jpg)
0 1 2 3 4 5
0.0
0.2
0.4
0.6
0.8
1.0
1.2
inverse Gaussian distribution − pdf
x
dinv
gaus
s(x,
mu
= 1,
lam
bda
= 1)
0 1 2 3 4 5
0.0
0.5
1.0
1.5
inverse Gaussian distribution − hazard
x
dinv
gaus
s(x,
mu
= 1,
lam
bda
= 1)
/(1 −
pin
vgau
ss(x
, mu
= 1,
lam
bda
= 1
0 1 2 3 4 5
0.0
0.5
1.0
1.5
Gompertz distribution − pdf
x
dgom
pertz
(x, s
hape
= 1
, rat
e =
1)
0 1 2 3 4 5
05
1015
20Gompertz distribution − hazard
xdgom
pertz
(x, s
hape
= 1
, rat
e =
1)/(1
− p
gom
pertz
(x, s
hape
= 1
,
rate
= 1
))
逆ガウス分布
ゴンペルツ分布
確率密度関数 ハザード関数
確率密度関数
ハザード関数
![Page 41: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/41.jpg)
ある値より大きいデータの割合
生存曲線など
生存関数 S y( ) = 1− F y( )
時間
目的変数=生存関数 説明変数=時間などという回帰的な分析 要注意
生存関数
時間
二重に評価
データ点の独立性
![Page 42: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/42.jpg)
比例ハザードモデルproportional hazard model
Cox回帰
![Page 43: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/43.jpg)
D.R.Cox
比例ハザードモデル
パラメトリック・ブートストラップ
(1924−)
(1972) J.R.Statist.Soc.B34:187-220.
(1962) J. R. Statist. Soc. B 24, 406-424.
http://www.stats.ox.ac.ukより
(1961) Proc. 4th Berkeley Symposium, 105-123.
(2013) J. R. Statist. Soc. B75: 207-215.
![Page 44: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/44.jpg)
D.R.Cox
パラメトリック・ブートストラップ
(1924−)
(1972) J.R.Statist.Soc.B34:187-220.
(1962) J. R. Statist. Soc. B 24, 406-424.
http://www.stats.ox.ac.ukより
(1961) Proc. 4th Berkeley Symposium, 105-123.
(2013) J. R. Statist. Soc. B75: 207-215.
D. R. Cox et al. (2005) PNAS 102:17588–17593
家畜などのウシ型結核菌感染とアナグマ
J.R.Krebs
T.Clutton-Brock
R. Andersonなど
比例ハザードモデル
![Page 45: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/45.jpg)
比例ハザードモデルproportional hazard model Cox回帰
中村『(1980年のこと)初めて聞く名前であった。…どうせ重回帰の変法だろうと想像して……だが届いた論文と原論文(Cox,1972)を読んでみても、まったく理解できず困ってしまった』
![Page 46: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/46.jpg)
説明変数 共変量(covariate)とも呼ぶ
λ t x( ) = λ t 0( ) ⋅r x( )
説明変数が の個体の時刻tにおけるハザード
説明変数がすべて0の個体の、時刻tにおけるハザード
比例ハザード性
ベースラインハザード相対危険度
x
![Page 47: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/47.jpg)
説明変数 共変量(covariate)とも呼ぶ
λ t x( ) = λ t 0( ) ⋅r x( )説明変数が の個体の時刻tにおけるハザードx
対数線形性
比例ハザード性
r x( ) = exp β Tx( ) = exp β1x1 + β2x2 +!( )
![Page 48: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/48.jpg)
比例ハザードモデル
説明変数が の個体の時刻tにおけるハザード
λ t x1, x2,!( ) = λ0 t( ) ⋅exp β1x1 + β2x2 +!( )
x1, x2,!( )
ベースラインハザードλ0 t( )
![Page 49: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/49.jpg)
比例ハザードモデル
説明変数が の個体の時刻tにおけるハザード
λ t x1, x2,!( ) = λ0 t( ) ⋅exp β1x1 + β2x2 +!( )
x1, x2,!( )
ベースラインハザードλ0 t( )
時間の要素 説明変数の効果
![Page 50: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/50.jpg)
比例ハザード性
比例ハザード性+対数線形生
比例ハザードモデルの仮定
ハザードの比いつでも同じ時刻tにかかわらず
ハザードの比いつでも同じで、説明変数の一次式の指数関数
時刻tにかかわらず
説明変数が異なる個体のハザード
![Page 51: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/51.jpg)
比例ハザードモデルの仮定
生存関数の対数の比は一定
生存曲線は交わらない
説明変数が異なる個体(個体たち)の生存関数
S t x1, x2,!( ) = S0 t( )exp β1x1+β2x2+!( )
logS t x1, x2,!( ) = β1x1 + β2x2 +!( ) ⋅ logS0 t( )
![Page 52: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/52.jpg)
0 1 2 3 4 5
0.0
0.2
0.4
0.6
0.8
1.0
proportional hazerd model− survival
x
比例ハザードモデルの仮定が成り立っているとき
生存率
時間
![Page 53: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/53.jpg)
0 1 2 3 4 5
0.0
0.2
0.4
0.6
0.8
1.0
proportional hazerd model− survival
x
0.0 0.5 1.0 1.5
0.0
0.2
0.4
0.6
0.8
1.0
proportional hazerd model− survival
x
比例ハザードモデルの仮定が成り立っているとき
生存率
時間
拡大図
時間
![Page 54: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/54.jpg)
比例ハザードモデルの仮定
生存関数の対数の符号をかえたものの対数を時間に対してプロット
説明変数が異なる個体(個体たち)の生存関数
log − logS t x1, x2,!( ){ } = β1x1 + β2x2 +!( )+ log − logS0 t( ){ }
形が同じで平行移動したもの
![Page 55: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/55.jpg)
0 1 2 3 4 5
01
23
4
proportional hazerd model− log−log
x
時間
二重対数プロット
log{-log(生存率)}
![Page 56: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/56.jpg)
比例ハザードモデル
λ t x1, x2,!( ) = λ0 t( ) ⋅exp β1x1 + β2x2 +!( )
こちらには手をつけず こちらだけ最尤法で推定(部分尤度、partial likelihood)
説明変数が の個体の時刻tにおけるハザードx1, x2,!( )
![Page 57: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/57.jpg)
λ t x1, x2,!( ) = λ0 t( ) ⋅exp β1x1 + β2x2 +!( )
こちらを真の値だとして計算
生存関数や生存曲線の計算
比例ハザードモデル
![Page 58: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/58.jpg)
比例ハザードモデル 適用例
Rossi et al.(1980) Money, Work and Crime. Academic Press.Allison(1995) Survival Analysis Using the SAS System.
再犯までの時間
prio それ以前の収監回数fin 釈放後に経済的援助があったか
(あり=1 なし=0)
age 釈放時の年齢
432人
釈放後の逮捕までの時間(週単位)目的変数
説明変数
![Page 59: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/59.jpg)
week arrest fin age wexp mar paro prio educ 423 15 1 1 22 0 0 1 3 4424 52 0 0 18 0 0 1 3 3425 19 1 0 18 0 0 0 2 3426 52 0 0 24 1 0 1 2 4427 12 1 1 22 1 1 1 2 4428 52 0 1 31 1 0 1 3 3429 52 0 0 20 0 0 1 1 4430 52 0 1 20 1 1 1 1 3431 52 0 0 29 1 0 1 3 4432 52 0 1 24 1 0 1 1 4
個人時間
逮捕か打ち切り経済的援助
年齢 学歴結婚
収監回数仮釈放就労(前)
データの一部
![Page 60: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/60.jpg)
week arrest fin age wexp mar paro prio educ 423 15 1 1 22 0 0 1 3 4424 52 0 0 18 0 0 1 3 3425 19 1 0 18 0 0 0 2 3426 52 0 0 24 1 0 1 2 4427 12 1 1 22 1 1 1 2 4428 52 0 1 31 1 0 1 3 3429 52 0 0 20 0 0 1 1 4430 52 0 1 20 1 1 1 1 3431 52 0 0 29 1 0 1 3 4432 52 0 1 24 1 0 1 1 4
個人
時間
逮捕か打ち切り 経済的援助 年齢 収監回数
データの一部目的変数 説明変数
![Page 61: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/61.jpg)
パッケージsurvival 関数coxph
res.recidiv01<-coxph(Surv(week,arrest)~fin+age+prio, data=Rossi)
coxph(Surv(week,arrest)~fin+age+prio, data=Rossi)
目的変数部 説明変数 データフレーム名
基本的な回帰式の表現が使える関数coxph
![Page 62: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/62.jpg)
> res.recidiv01<-coxph(Surv(week,arrest)~fin+age+prio, data=Rossi)
> res.recidiv01Call:coxph(formula = Surv(week, arrest) ~ fin + age + prio, data = Rossi)
coef exp(coef) se(coef) z pfin -0.3470 0.707 0.1902 -1.82 0.06800age -0.0671 0.935 0.0209 -3.22 0.00130prio 0.0969 1.102 0.0273 3.56 0.00038
Likelihood ratio test=29.1 on 3 df, p=2.19e-06 n= 432, number of events= 114
関数coxphの結果
切片の項はない
![Page 63: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/63.jpg)
> summary(res.recidiv01)Call:coxph(formula = Surv(week, arrest) ~ fin + age + prio, data = Rossi)
n= 432, number of events= 114
coef exp(coef) se(coef) z Pr(>|z|) fin -0.34695 0.70684 0.19025 -1.824 0.068197 . age -0.06711 0.93510 0.02085 -3.218 0.001289 ** prio 0.09689 1.10174 0.02725 3.555 0.000378 ***---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
exp(coef) exp(-coef) lower .95 upper .95fin 0.7068 1.4148 0.4868 1.0263age 0.9351 1.0694 0.8977 0.9741prio 1.1017 0.9077 1.0444 1.1622
Concordance= 0.63 (se = 0.027 )Rsquare= 0.065 (max possible= 0.956 )Likelihood ratio test= 29.05 on 3 df, p=2.189e-06Wald test = 27.94 on 3 df, p=3.741e-06Score (logrank) test = 29.03 on 3 df, p=2.203e-06
関数coxphの結果にsummary関数を使う
![Page 64: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/64.jpg)
0 10 20 30 40 50
0.0
0.2
0.4
0.6
0.8
1.0
weeks
Prop
. not
arre
sted
時間
逮捕されない率(予測値)
関数survfitによる予測値の算出とプロット
![Page 65: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/65.jpg)
> cox.zph(res.recidiv01) rho chisq pfin -0.00657 0.00507 0.9433age -0.20976 6.54147 0.0105prio -0.08004 0.77288 0.3793GLOBAL NA 7.13046 0.0679
関数cox,zphによる比例ハザード性の検定残差の時間との相関
![Page 66: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/66.jpg)
パラメトリックな回帰モデル
加速モデルaccelerated failure time model
ポアソン回帰モデル略してAFT model
![Page 67: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/67.jpg)
加速モデルi番⽬目の個体の⽣生存時間 yi
loge yi( ) = β0 + β1x1,i + β2x2,i +!+ error term( )
生存時間での対数線形性
i番⽬目の個体の説明変数の値 x1,i , x2,i ,!
説明変数と係数の部分の効果時間の進み方が速くなる/遅くなる
![Page 68: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/68.jpg)
加速モデルi番⽬目の個体の⽣生存時間 yi
loge yi( ) = β0 + β1x1,i + β2x2,i +!+ error term( )
生存時間での対数線形性
i番⽬目の個体の説明変数の値 x1,i , x2,i ,!
分布はいろいろワイブル分布、指数分布、ロジスティック分布、対数ロジスティック分布など
![Page 69: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/69.jpg)
加速モデルi番⽬目の個体の⽣生存時間 yi
loge yi( ) = β0 + β1x1,i + β2x2,i +!+ error term( )i番⽬目の個体の説明変数の値 x1,i , x2,i ,!
基本的な回帰式の表現が使える
ワイブル分布、指数分布、ロジスティック分布、対数ロジスティック分布などの他、ユーザー定義も可能
パッケージsurvivalの関数survreg
![Page 70: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/70.jpg)
ポアソン回帰モデル
説明変数の値が同じ
目的変数 死亡というイベントの数
観察期間が同じ個体のグループ
説明変数の値が同じ観察期間が同じ
個体のグループ
説明変数の値が同じ観察期間が同じ
個体のグループ
死亡数 説明変数 個体数×観察期間目的変数 説明変数 オフセット
![Page 71: Eiiti Kasuya - web pages - 時間の長さを分析するkasuya.ecology1.org/stats/ESJ62-2015-0319web.pdf0.0 0.2 0.4 0.6 0.8 1.0 chi −square distribution − pdf x dchisq(x, df =](https://reader036.vdocuments.pub/reader036/viewer/2022081405/5f0c01527e708231d43349cf/html5/thumbnails/71.jpg)