./
直下にgisdata
フォルダを作成し、setwd("gisdata")
とディレクトリを指定していますinstall.packages()
でパッケージをインストールし、library()
でパッケージを呼び出すinstall.packages("DCluster")
install.packages("spdep")
library(DCluster)
library(spdep)
以下の方法でパイプ %>% の優先順位を高める
needs::prioritize(magrittr)
都道府県別出生率データを読み込み、出生率の期待値を計算します。
data76 <- read.table("data76.csv", sep=",", header=TRUE, row.names=1)
data76_OE <- data.frame(Observed=data76$n.birth)
data76_OE <- cbind(data76_OE,
Expected=data76$pop*sum(data76$n.birth)/sum(data76$pop),
x=data76$Easting, y=data76$Northing)
DCluster
パッケージのachisq.stat()
関数で\(\chi^2\)統計量を計算し、achisq.test()
関数で\(\chi^2\)検定の結果を示す。これにより、ランダム性に関する検定を行う。
achisq.stat(data76_OE, lambda=1)
$T
[1] 1616.169
$df
[1] 79
$pvalue
[1] 3.154174e-285
achisq.test(Observed~offset(log(Expected)), data76_OE, model="poisson", R=100)
Chi-square test for overdispersion
Type of boots.: parametric
Model used when sampling: Poisson
Number of simulations: 100
Statistic: 1616.169
p-value : 0.00990099
さらに、boot()
関数を用いてブートストラップ法により標本を生成し、\(\chi^2\)検定を行うこともできる。
data76_achb_pb <- boot(data76_OE, statistic=achisq.pboot, sim="parametric", ran.gen=poisson.sim, R=100)
plot(data76_achb_pb)
すべての地区において相対リスクが互いに類似しているかどうかを検証する方法です。
pottwhitt.stat(data76_OE)
$T
[1] 3840008393
$asintmean
[1] 3745501200
$asintvat
[1] 591789189600
$pvalue
[1] 0
pottwhitt.test(Observed~offset(log(Expected)), data76_OE, model="poisson", R=100)
Potthoff-Whittinghill's test of overdispersion
Type of boots.: parametric
Model used when sampling: Poisson
Number of simulations: 100
Statistic: 3840008393
p-value : 0.00990099
boot()
関数を用いてブートストラップ法により標本を生成し、過分散の有無に関する検定を行う。
data76_pw_pb <- boot(data76_OE, statistic=pottwhitt.pboot, sim="parametric", ran.gen=poisson.sim, R=100)
plot(data76_pw_pb)
各地区の相対リスクが等しいという帰無仮説\(H_0\)に対して、特定の地域からの距離が増加する毎に相対リスク\(\theta\)が減少するという対立仮説\(H_1\)を立て、仮説検定する方法です。
stone.stat(data76_OE, region=which(row.names(data76_OE)=="20"), lambda=1)
region
1.000948 79.000000
stone.test(Observed~offset(log(Expected)), data76_OE, model="poisson", R=100, region=which(row.names(data76_OE)=="20"), lambda=1)
Stone's Test for raised incidence around locations
Type of boots.: parametric
Model used when sampling: Poisson
Number of simulations: 100
Statistic: 1.000948
p-value : 0.8910891
boot()
関数を用いてブートストラップ法により標本を生成し、検定を行う。
data76_st_pb <- boot(data76_OE, statistic=stone.pboot, sim="parametric", ran.gen=poisson.sim, R=100, region=which(row.names(data76_OE)=="20"))
plot(data76_st_pb)