文書の先頭へ 関連アプリ: 📊 相関と回帰 | 📊 散布図 相関と因果の違い 「相関関係は因果関係を意味しない」を深く理解しよう 「Aが増えるとBも増える」—でも、AがBの原因とは限りません。 相関と因果の区別は、統計学で最も誤解されやすいテーマの一つです。 このレクチャーでは、以下のトピックを扱います: 相関関係と因果関係の定義 疑似相関の例(アイスクリームと溺死事故、など) 相関≠因果の3つのパターン(共通原因、逆因果、偶然) ヒルの因果判定基準(9つの基準) 因果関係を示すための研究デザイン メディア報道を批判的に読む方法 身近な例を多数用いて、直感的に理解できるよう解説します。 統計レクチャーメニュー P値と統計的有意性 ~ASA 声明を理解しよう~ 記述統計と推論統計 バイアスと交絡を理解しよう サンプルサイズはなぜ重要か 感度、特異度、陽性的中率などを理解しよう オッズ比・リスク比・リスク差を理解しよう サマリー表 (Table 1) を作成しよう データ尺度の種類と検定手法への適応を理解しよう ROCを理解しよう 生存時間分析を理解しよう 時間依存性変数を含む生存解析のレクチャー 競合リスク解析のレクチャー 線形混合効果モデル (LMM) を理解しよう 同等性検定を理解しよう Student t検定ではなく Welch t検定を使おう 分散分析の基礎を理解しよう 評価者の一致度の評価方法を理解しよう ノンパラメトリック検定を正しく使おう Mann-Whitney U検定ではなく BrunnerMunzel検定を使おう Fisherの正確検定を深堀りする McNemar検定 Cochran Q検定 Friedman検定 GEE (一般化推定方程式)による時系列データの解析 傾向スコアマッチング (PSM) を理解しよう 逆確率重み付け (IPTW) で観察データから因果関係を推定しよう 欠測データの扱い方を理解しよう メタアナリシスを理解し、フォレストプロットを作成する方法を学ぼう ネットワークメタアナリシスを理解しよう データの可視化の原則とは