Rでのデータ解析や可視化の作業について主に解説しています。
目次
1. Rの基本操作と準備
①はじめに・準備
②データの取り込み・保存
③データの基本的な操作
④データのクリーニング
2. 基礎的なデータ分析
⑤データの可視化と関係性の解析
3. 統計学的検定
⑥2群の検定・比較
⑦3群以上の検定・比較
⑧質的データの比較
⑨折れ線グラフ・時系列データ
4. 応用統計解析
⑩サンプルサイズ
⑪メタアナリシス
5. 高度なデータ分析
⑫主成分分析
⑬クラスター分析
⑭多次元尺度構成法
⑮回帰分析
⑯対応分析
⑰生存時間解析
⑱因子分析と構造方程式モデリング
6. 機械学習
⑲教師あり学習：分類・回帰
⑳教師なし学習：クラスタリング・次元削減
7. 参考情報
㉑R関連書籍紹介
1. Rの基本操作と準備
①はじめに・準備
②データの取り込み・保存
③データの基本的な操作
④データのクリーニング
2. 基礎的なデータ分析
⑤データの可視化と関係性の解析
3. 統計学的検定
⑥2群の検定・比較
⑦3群以上の検定・比較
⑧質的データの比較
⑨折れ線グラフ・時系列データ
4. 応用統計解析
⑩サンプルサイズ
⑪メタアナリシス
5. 高度なデータ分析
⑫主成分分析
⑬クラスター分析
⑭多次元尺度構成法
⑮回帰分析
⑯対応分析
⑰生存時間解析
⑱因子分析と構造方程式モデリング
6. 機械学習
⑲教師あり学習：分類・回帰
⑳教師なし学習：クラスタリング・次元削減
7. 参考情報
㉑R関連書籍紹介
1.Rの基本操作と準備
②データの取り込み・保存
・RStudioの基本的な使い方 ー作業場所とデータの管理・保存についてー
・Rでのデータ取り込みとデータ作成 ーCSVファイル(read.csv)ー
・Rにデータ取り込み ーCSV(read.csv), TSV(read.delim), Excel(readxlパッケージ, read_excel)ー
・Google Colaboratory上でのRの作業方法＋Google Driveのデータの保存・読み込み方法
・Web上でR Studioを使おう！ーPosit Cloud, データの取り込みと出力ー
・Rで作図を高解像度に保存する方法について -png(), ggsave() など-
・RStudioの基本的な使い方 ー作業場所とデータの管理・保存についてー
・Rでのデータ取り込みとデータ作成 ーCSVファイル(read.csv)ー
・Rにデータ取り込み ーCSV(read.csv), TSV(read.delim), Excel(readxlパッケージ, read_excel)ー
・Google Colaboratory上でのRの作業方法＋Google Driveのデータの保存・読み込み方法
・Web上でR Studioを使おう！ーPosit Cloud, データの取り込みと出力ー
・Rで作図を高解像度に保存する方法について -png(), ggsave() など-
③データの基本的な操作
・Rでデータの選択 ーsubset関数, filter関数などー
・Rでデータの結合① ー行の結合, rbind関数, bind_rows関数ー
・Rでデータの結合② ー列の結合, cbind関数, merge関数ー
・Rでデータの選択 ーsubset関数, filter関数などー
・Rでデータの結合① ー行の結合, rbind関数, bind_rows関数ー
・Rでデータの結合② ー列の結合, cbind関数, merge関数ー
④データのクリーニング
・Rで欠損処理① ーna.omit, is.na, na.rm, 欠損値含むダミーデータ作成、リストワイズ除去法、平均値代入法ー
・Rで欠損処理② ーLittleのMCAR検定（mcar_test）、単一代入法（確定的回帰代入法, 確率的回帰代入法, mice）ー
・Rで欠損処理① ーna.omit, is.na, na.rm, 欠損値含むダミーデータ作成、リストワイズ除去法、平均値代入法ー
・Rで欠損処理② ーLittleのMCAR検定（mcar_test）、単一代入法（確定的回帰代入法, 確率的回帰代入法, mice）ー
2. 基礎的なデータ分析
⑤データの可視化と関係性の解析
・Rでヒストグラム（度数分布）ーhistー
・Rで散布図 ー相関関係の確認ー
・Rで相関行列 ーPearsonの相関係数, corrplotの使い方ー
・Rで相関係数のヒートマップによる可視化：新型コロナ陽性者数の都道府県別動向
・Rで変数ごとに表示をカスタマイズできるヒートマップ ー革新的な可視化, funkyheatmapー
・Rでベン図 ーggVennDiagram, venn, 最大7サンプル表示可能にー
・Rでアップセット図（UpSet図） ーUpSetR, 集合の関係性を示す, サンプル数が多い場合におススメー
・Rでヒストグラム（度数分布）ーhistー
・Rで散布図 ー相関関係の確認ー
・Rで相関行列 ーPearsonの相関係数, corrplotの使い方ー
・Rで相関係数のヒートマップによる可視化：新型コロナ陽性者数の都道府県別動向
・Rで変数ごとに表示をカスタマイズできるヒートマップ ー革新的な可視化, funkyheatmapー
・Rでベン図 ーggVennDiagram, venn, 最大7サンプル表示可能にー
・Rでアップセット図（UpSet図） ーUpSetR, 集合の関係性を示す, サンプル数が多い場合におススメー
3. 統計学的検定
⑥2群の検定・比較
・対応のある2群のt検定 ー箱ひげ図, ggpairedの使い方ー
・Rで対応のない2群検定：Student t 検定, Welch’s t検定, 箱ひげ図, バイオリンプロット,ビースウォームプロット
・Rで対応のない2群検定：Mann-Whitney U検定、Wilcoxon Rank-Sum 検定、箱ひげ図、バイオリンプロット
・対応のある2群のt検定 ー箱ひげ図, ggpairedの使い方ー
・Rで対応のない2群検定：Student t 検定, Welch’s t検定, 箱ひげ図, バイオリンプロット,ビースウォームプロット
・Rで対応のない2群検定：Mann-Whitney U検定、Wilcoxon Rank-Sum 検定、箱ひげ図、バイオリンプロット
⑦3群以上の検定・比較
・Rで3群以上の検定（パラメトリック検定）①ー分散分析(ANOVA)、多重比較(Tukey)、有意差表示付き箱ひげ図ー
・Rで3群以上の検定（パラメトリック検定）② ーANOVA+Dunnett法, Welch ANOVA+Games-Howell法ー
・Rで3群以上の検定（ノンパラメトリック検定）ーKruskal-Wallis検定, Dunn検定, Bonfferoni, Holmー
・Rで3群以上の比較 ー二元配置分散分析(two-way ANOVA), 主効果,交互作用ー
・Rで3群以上の検定（パラメトリック検定）①ー分散分析(ANOVA)、多重比較(Tukey)、有意差表示付き箱ひげ図ー
・Rで3群以上の検定（パラメトリック検定）② ーANOVA+Dunnett法, Welch ANOVA+Games-Howell法ー
・Rで3群以上の検定（ノンパラメトリック検定）ーKruskal-Wallis検定, Dunn検定, Bonfferoni, Holmー
・Rで3群以上の比較 ー二元配置分散分析(two-way ANOVA), 主効果,交互作用ー
⑧質的データの比較
・Rでカイ二乗検定（適合度検定、独立性の検定、モザイクプロット）
・Rでカイ二乗検定（適合度検定、独立性の検定、モザイクプロット）
⑨折れ線グラフ・時系列データ
・Rで時系列データの折れ線グラフ ーggplot2による熊本の気温変化の分析ー
・Rで両側2軸を異なるスケールに設定した折れ線グラフ ーgeom_line, scaleパッケージの使用ー
・Rでggplotによる時系列データの可視化：新型コロナ陽性者数の県別動向
・Rで時系列データの折れ線グラフ ーggplot2による熊本の気温変化の分析ー
・Rで両側2軸を異なるスケールに設定した折れ線グラフ ーgeom_line, scaleパッケージの使用ー
・Rでggplotによる時系列データの可視化：新型コロナ陽性者数の県別動向
4. 応用統計解析
⑪メタアナリシス
・Rでメタアナリシス① ー効果量, リスク比, 効果モデルの選択, meta, metaforー
・Rでメタアナリシス② ー出版バイアスの評価：ファンネルプロット, Egger’sテスト, Begg’sテストー
・Rでメタアナリシス③ ーサブグループ解析, メタ回帰ー
・Rでメタアナリシス① ー効果量, リスク比, 効果モデルの選択, meta, metaforー
・Rでメタアナリシス② ー出版バイアスの評価：ファンネルプロット, Egger’sテスト, Begg’sテストー
・Rでメタアナリシス③ ーサブグループ解析, メタ回帰ー
5. 高度なデータ分析
⑬クラスター分析
・Rでクラスター分析 -階層クラスター分析,hclust関数, dist関数、シルエット分析,silhouette関数-
・Rでクラスター分析 ー非階層クラスター分析, k平均法, kmeansー
・Rでクラスター分析 -階層クラスター分析,hclust関数, dist関数、シルエット分析,silhouette関数-
・Rでクラスター分析 ー非階層クラスター分析, k平均法, kmeansー
⑮回帰分析
・Rで回帰分析①ー単回帰, lm関数, 残差プロット, Q-Qプロットー
・Rで回帰分析②ー重回帰分析, lm関数, 価格予測ー
・Rで重回帰モデルの変数選択 ーAIC, BIC, ステップワイズ法ー
・Rでロジスティック回帰モデル① ー二値の予測・分類、ステップワイズ法、ROC曲線－
・Rでロジスティック回帰モデル② -正則化（LASSO・Ridge回帰）で過学習を防ぐ-
・Rで回帰分析①ー単回帰, lm関数, 残差プロット, Q-Qプロットー
・Rで回帰分析②ー重回帰分析, lm関数, 価格予測ー
・Rで重回帰モデルの変数選択 ーAIC, BIC, ステップワイズ法ー
・Rでロジスティック回帰モデル① ー二値の予測・分類、ステップワイズ法、ROC曲線－
・Rでロジスティック回帰モデル② -正則化（LASSO・Ridge回帰）で過学習を防ぐ-
⑰生存時間解析
・Rで生存時間解析① ーカプランマイヤー曲線,survfit関数と、ログランク検定,survdiff関数ー
・Rで生存時間解析② ーコックス比例ハザードモデル, coxph関数ー
・Rでノモグラム 予測モデルの可視化と解釈（生存時間解析など）
・Rで生存時間解析① ーカプランマイヤー曲線,survfit関数と、ログランク検定,survdiff関数ー
・Rで生存時間解析② ーコックス比例ハザードモデル, coxph関数ー
・Rでノモグラム 予測モデルの可視化と解釈（生存時間解析など）
6. 機械学習
⑲教師あり学習：分類・回帰
・Rで回帰分析①ー単回帰, lm関数, 残差プロット, Q-Qプロットー
・Rで回帰分析②ー重回帰分析, lm関数, 価格予測ー
・Rでロジスティック回帰モデル① ー二値の予測・分類、ステップワイズ法、ROC曲線－
・Rでロジスティック回帰モデル② -正則化（LASSO・Ridge回帰）で過学習を防ぐ-
・Rで重回帰モデルの変数選択 ーAIC, BIC, ステップワイズ法ー
・Rで決定木分析
・Rでランダムフォレスト
・Rで回帰分析①ー単回帰, lm関数, 残差プロット, Q-Qプロットー
・Rで回帰分析②ー重回帰分析, lm関数, 価格予測ー
・Rでロジスティック回帰モデル① ー二値の予測・分類、ステップワイズ法、ROC曲線－
・Rでロジスティック回帰モデル② -正則化（LASSO・Ridge回帰）で過学習を防ぐ-
・Rで重回帰モデルの変数選択 ーAIC, BIC, ステップワイズ法ー
・Rで決定木分析
・Rでランダムフォレスト
⑳教師なし学習：クラスタリング・次元削減
・Rで主成分分析(PCA) ーggbiplot, ellipse, 色分けー
・Rでクラスター分析 -階層クラスター分析,hclust関数, dist関数、シルエット分析,silhouette関数-
・Rでクラスター分析 ー非階層クラスター分析, k平均法, kmeansー
・Rで因子分析 ーアンケート構造の解釈, psych, corrplotー
・Rで主成分分析(PCA) ーggbiplot, ellipse, 色分けー
・Rでクラスター分析 -階層クラスター分析,hclust関数, dist関数、シルエット分析,silhouette関数-
・Rでクラスター分析 ー非階層クラスター分析, k平均法, kmeansー
・Rで因子分析 ーアンケート構造の解釈, psych, corrplotー