授業の目的 【日本語】
Goals of the Course(JPN) | | 一般に心理・認知科学の研究では，実験や調査によって得られたデータを統計解析することで仮説の実証的検証がおこなわれる。本講義では，心理・認知科学研究で広く用いられる分散分析を中心に扱いながら，t検定や各種分散分析を個別の手法としてではなく，統計モデリングという共通の枠組みの中で理解することを目指す。講義の後半では一般化線形モデルの基礎に触れ，これまで学んだ手法がどのように統一的に説明できるのかを整理する。
講義と実習を通じて，データ解析の基本的知識と技能を習得するとともに，統計解析を断片的な技法としてではなく，理論的に一貫した方法論として理解する力を養う。さらに，エビデンスにもとづいて判断する態度と，心理学研究の実証的方法論への理解を深めることを目的とする。 |
|
|
授業の目的 【英語】
Goals of the Course | | In psychological and cognitive science research, hypotheses are empirically tested through the statistical analysis of data obtained from experiments and surveys. This course focuses on analysis of variance (ANOVA), a statistical method widely used in these fields, and aims to develop an understanding of t-tests and various forms of ANOVA not as isolated techniques, but as special cases within a common framework of statistical modeling. In the latter half of the course, we introduce the fundamentals of the Generalized Linear Model (GLM) and clarify how the methods covered throughout the course can be understood in an integrated and unified manner.
Through lectures and hands-on practice, students will acquire fundamental knowledge and practical skills in data analysis while developing the ability to understand statistical procedures not as fragmented techniques, but as components of a theoretically coherent methodological framework. The course also aims to deepen students’ understanding of empirical methodology in psychological research and to cultivate the ability to make evidence-based judgments. |
|
|
到達目標 【日本語】
Objectives of the Course(JPN) | | 心理・認知科学では，関心のある要因を人為的に操作し，それが人間の行動や判断に及ぼす影響を検討する実験研究が広く行われている。本講義では，このような実験データを適切に解析するための基礎的な知識と技能を習得することを目標とする。
受講後には，主として分散分析を用いたデータ解析を自立して実行できるようになるとともに，t検定や各種分散分析が共通する統計モデリングの枠組みに基づいていることを理解できるようになる。さらに，統計モデリングの基礎を身につけ，異なる解析手法を統一的な視点から捉えることができる力を養う。 |
|
|
到達目標 【英語】
Objectives of the Course | | In psychological and cognitive science research, experimental studies are widely conducted in which variables of interest are systematically manipulated to examine their effects on human behavior and judgment. This course aims to provide students with the fundamental knowledge and practical skills necessary to appropriately analyze such experimental data.
By the end of the course, students will be able to independently conduct data analyses primarily using analysis of variance (ANOVA). In addition, they will understand that t-tests and various forms of ANOVA are grounded in a common statistical modeling framework. Students will also acquire foundational knowledge of statistical modeling and develop the ability to view different analytical methods from a unified perspective. |
|
|
授業の内容や構成
Course Content / Plan | | 本講義では、実験データ解析で多用される分散分析を中心に扱うが、単に個別の手法を学ぶのではなく、それらが共通する統計モデリングの枠組みに基づいていることを理解することを目的とする。t検定、参加者間・参加者内・混合要因の分散分析を段階的に学びながら、これらが最終的に同じ線形モデルの構造に還元されることを示す。統計的仮説検定の考え方を再確認したうえで、一般化線形モデルの基礎を導入し、諸手法のつながりを体系的に整理する。講義と並行してRによる実習を行い、理論と実践を統合的に学ぶ。
1. はじめに（記述統計学・推測統計学の整理、Rの初歩、講義全体の見取り図）
2. t検定（2群比較と線形モデルの基礎）
3. 分散分析1（参加者間一要因の分散分析）
4. 分散分析2（参加者間二要因の分散分析、多重比較）
5. 分散分析3（参加者内一要因の分散分析）
6. 分散分析4（参加者内二要因・三要因、混合要因の分散分析および関連トピック）
7. 統計モデリング入門1（一般化線形モデルの基礎）
8. 統計モデリング入門2（分散分析と線形モデルの統合的理解） | |
|
|
履修条件・関連する科目
Course Prerequisites and Related Courses | | | 心理・認知科学実験1または2のいずれかを履修していることを履修条件とします。 高校数学で学ぶ確率・統計の基礎知識を身に付けていることが強く望まれます。 また，Rstudioを用いた演習を予定しているので，コンピュータ操作に関する基礎知識を必ず身に付けていること（ディレクトリの概念，パスの概念など）。 | |
|
|
成績評価の方法と基準
Course Evaluation Method and Criteria | | （評価方法）
成績は，①各回講義後の宿題（10点×7回＝70点），②各回講義への出席（2点×8回＝16点），③最終講義後に提出するレポート（14点）の合計100点満点で評価する。
（評価基準）
総合得点60点以上を合格とする。 | |
|
|
教科書・参考書
Textbook/Reference book | | |
|
課外学習等（授業時間外学習の指示）
Study Load(Self-directed Learning Outside Course Hours) | | | 毎回，講義の理解度を確認するためのレポートを出題します。 | |
|
|
授業開講形態等
Lecture format, etc. | | | 対面講義を予定していますが，諸般の事情によりオンライン講義となる可能性があります。 |
|
|
遠隔授業（オンデマンド型）で行う場合の追加措置
Additional measures for remote class (on-demand class) | | | TACT上に講義資料をアップロードします。詳細については講義開講時にTACT上で連絡します。 |
|
|