次（2010/1/21）は成長曲線モデル

先日（2009/12/17）のエビ研は、Mixed Model初級編(5)ということで、SPSSを用いたデータ解析を続けています。

引き続き前々回から用いているサンプルデータと資料を使い、Model 3とModel 4を行いました。
ここまでで、これまで使ってきた学生(Level 1)と学校(Level 2)という二つのレベルのある、hsb12のデータを用いる解析はおしまいです。

次回からは、縦断データを用いて成長曲線モデル(growth model)に取りかかりたいと思います。
次回は縦断データの構造を知り、どんな風に解析するかを（一人一台ずつで解析するのではなく）土屋さんと米倉さんに画面を見せてもらいながら進めます。

エビ研でMultilevel model (Mixed model) に取り組み始めたときは、私自身はこれを使った解析をしたこともなく、正直なところ、？？？がいっぱいでしたが、すてきな参加者の皆様のおかげで、どういうものかは（ちょっと）わかってきた気がします。少なくとも論文に書いてあることはわかるようになった気がします（たぶん。）。
というわけで、なんだか難しそう！と一瞬思った方も、臆することなくいらしてください。

次回の日程のご連絡です。
Mixed Modelを知りたい人、縦断データを解析する予定の人、
どのような方もどうぞいらしてください。
日　時：2010年1月21日（木）17:00～18:30
テーマ：縦断データ－成長曲線モデル初級編（1）
場　所：医学部３号館　3階S308
さらに!次回エビ研終了後に新年会を兼ねた懇親会を予定しています。

懇親会だけの出席も歓迎です！ぜひぜひいらしてくださいませ。

---

2009/12/17に行ったこと：
サンプルデータと資料は前々回と同じです。

1. Model 3: Conditional Model - Centered Level 1 Predictor (Student)(資料p7）
シンタックスは下記。
MIXED mathach WITH cses
/METHOD = REML
/PRINT = SOLUTION TESTCOV
/FIXED = cses | SSTYPE(3)
/RANDOM = INTERCEPT cses | SUBJECT(school) COVTYPE(UN).

ここでは、学生のsocioeconomic statusから学校ごとの平均値(meanses)を引いた値（cses = ses - meanses)が固定効果とランダム効果として投入されています。

この分析を行って固定効果の推定を見ると、csesが0の時の数学の成績（mathach）が12.65であることがわかり、さらに、学生個人のsesが1高くなると、数学の成績が2.19上昇することがわかります。

さらに共変量のパラメータ推定値を見ると、Intercept + CSES [subject = SCHOOL] = UN(1,1)、UN(2,1)、UN(2,2)とあり、それぞれ推定値が8.68, 0.05, 0.69と出力されています。

これはInterceptとcsesの分散共分散行列と考えれば良いとのことで、イメージとしては↓こんな感じでしょうか。

	Intercept (1)	cses (2)
Intercept (1)	8.68	0.05
cses (2)	0.05	0.69

つまり、UN(1,1)は切片、UN(2,2)は傾き、UN(2,1)は切片と傾きの共分散ってことだと思います（かなりあやしい。違ってたらご指摘ください。）

で、ここからは、学校間でどれくらい切片と傾きが異なるかということを読み取ります。ここで読み取れることは、学校の平均の数学の成績は、学生のSocioeconomic statusで統制した後も学校間で有意に異なっている。学生のsocioeconomic status(cses)と成績の関係（傾き）は学校により異なっている。平均の数学の成績の高いところほど傾きが大きくなる（小さくなる）というような関係は見られない。ということです。

2. Model 4: Conditional Model - Centered Level 1 and Level 2 Predictorsを実施。(資料p.8)
シンタックスは下記。
MIXED mathach BY sector WITH meanses cses
/METHOD = REML
/PRINT = SOLUTION TESTCOV
/FIXED = meanses sector cses meanses*cses sector:cses | SSTYPE(3)
/RANDOM = INTERCEPT cses | SUBJECT(school) COVTYPE(UN).

ここで、カテゴリカルデータであるsector（公立かカソリックか）と、交互作用項が登場してきます。

meansesとcsesの交互作用が有意であったことから、その学校に通っている学生の社会経済的地位(ses)の平均(meanses=学校の平均ses)により、個々人のsesと数学の成績の高さの関係の度合いは異なり、この結果からは、通っている学生のsesの平均(meanses)が高い学校ほど、個々人のsesの高さが数学の成績の高さを説明する度合いが高い、ということです。
とは言え、共変量の推定値を見ると、傾きのばらつきは0.10ととても小さく、この傾きが学校間で異なるものとして考慮することは「役に立たない。」、切片だけは学校間で異なるとすることが適切であろう、と資料にはありました。


こういったことをSPSS等の出力結果から一人でちゃちゃっと読み取れるようになりたいものです。。。

そうそう、それから、シンタックス2行目でMETHODとして指定するREMLですが、これは、推定の方法とのことで、REMLとMLの2種類があり、REMLがMLに比べて良い点については、Multilevel analysis for applied researchに書いてある模様。

次回は縦断データです。

---

ご関心のある方は次回も是非いらしてください！　（文責：宮本有紀）

次回（12/17）もデータを用いてMixed Model

先日（2009/12/3）のエビ研は、Mixed Model初級編(4)ということで、引き続きSPSSを用いてデータ解析を行いました。

この回では前回から用いているサンプルデータと、資料を使って続きを行っています。
まず、復習を兼ねて「まずする分析（= Example 1: The Unconditional Model）」を、前々回はシンタックスで実行させたところをGUI画面（でいいのかな？画面を出してクリックして方法などを選択していく、あれです。）で同じ分析を行うということをやってみました。

その後、Example 2に進んでいます。
これに関する詳しい内容は、また後日加筆いたします。（12/14に加筆しました。）

とりいそぎ、次回の日程のご連絡です。
次回もまた同じデータと資料を用いて続きを行います。
Mixed Modelを知りたい人、使用予定の人、どのような方もどうぞいらしてください。
日　時：2009年12月17日（木）11:00～
テーマ：Mixed Model 初級編（5）
場　所：医学部３号館　2階S210（計算機室）
また、Mixed Modelを用いた研究で解析方法について丁寧に記述してある論文をお持ちの方は、是非ご紹介ください。

---

この日（2009/12/3）行ったこと：
サンプルデータと資料は前回と同じです。

1. Example 1をGUI画面で行う。（資料p15のAppendixにあります。）
ここでは被験者にschoolを入れ、独立変数にmathach（数学の成績）を入れます。
ランダム効果の画面で共分散の構造で「Unstructured」を選択。
統計量を開き、「パラメータ推定値」と「共分散パラメータの検定」をチェック。

シンタックスを直接書くときは下記となります。（これは前回と同じ。）
MIXED mathach
/METHOD = REML
/PRINT = SOLUTION TESTCOV
/FIXED = | SSTYPE(3)
/RANDOM = INTERCEPT | SUBJECT(school ) COVTYPE(UN).

2. Example 2: Conditional- Level 2 Predictorを実施。
シンタックスは下記。
MIXED mathach WITH meanses
/METHOD = REML
/PRINT = SOLUTION TESTCOV
/FIXED = meanses | SSTYPE(3)
/RANDOM = INTERCEPT | SUBJECT(school ) COVTYPE(UN).

この分析で、Level 1は個人、Level 2は学校ということになります。

ここでは、socioeconomic statusの学校ごとの平均値(meanses)が固定効果として投入されています。（meansesは、平均値が0となるように中心化されています。）

この分析を行った出力結果の切片を見ると、meansesが0の時の数学の成績（mathach）が12.6494であることがわかり、さらに、sesが1高くなると、数学の成績が5.86上昇することがわかります。

ところで、共分散構造をUnstructured（UN)にすることについてですが、これは、ばらつきがそれぞれ違うと言う仮定で行うものとのことで、サンプル数が少ないと収束しないことがあるとのことです。

サンプル数が多くない場合等、UNでは収束しないようなデータの場合には、こちらで共分散構造をある程度規定する必要が出てくるとのことでした。（どんなときにどれを選ぶか、っていうのは、私にはまだよくわかりません。。。。）

次回はModel 3.（資料p.7）からです。

---

ご関心のある方は次回も是非いらしてください！　（文責：宮本有紀）

次回（12/3）もデータを用いてMixed Model

前回（2009/11/19）のエビ研は、Mixed Model初級編(3)ということで、SPSSを用いてデータ解析を行いました。

この回でも土屋政雄さんが、サンプルデータと、それを用いて練習するための資料を提示してくださいました！（つっちーお忙しい中どうもありがとう！）
そのデータ：High School and Beyond (HSB) dataの解析では、それぞれの学校に通う学生の数学の成績について考えました。

11/19は、球面性についてのお話や、intraclass correlationの算出の仕方、その大きさをどのように考えるか、共分散行列についてなどなど、いろんなところに話は飛びつつ、「Mixed Modelをする前に、まずする分析」まで進みました。
(級内相関を考えるにあたっては、小野寺 孝義編訳「基礎から学ぶマルチレベルモデル」（ナカニシヤ出版）の中で説明してあった級内相関の考え方はわかりやすかったです。)

この回は、「まずする分析（= Example 1: The Unconditional Model）」で時間切れとなりましたので、次回はまた同じデータと資料（後述）を用いて続きを行います。
Mixed Modelを知りたい人、使用予定の人、どのような方もどうぞいらしてください。
日　時：2009年12月3日（木）11:00～
テーマ：Mixed Model 初級編（4）
場　所：医学部３号館　2階S210（計算機室）
また、Mixed Modelを用いた研究で解析方法について丁寧に記述してある論文をお持ちの方は、是非ご紹介ください。

以下は、用いたデータと資料です。

---

サンプルデータは、10/01付けで掲載したつっちーリストの末尾、［機関のページ］に掲載されている、
UCLA Stat Computing Portal Multilevel Modeling Portal
http://statcomp.ats.ucla.edu/mlm/default.htm
からダウンロードしました。

この中の
UCLA ATS Resources on Multilevel Modeling内にある
SPSS Topics on Multilevel Modelingを開き
（http://www.ats.ucla.edu/stat/spss/topics/MLM.htm）、
そこの「Singer Examples in SPSS」から「hsb12.sav」をダウンロードしました。

資料は、同じくつっちーリストの＜統計ソフト＞[SPSS]内に掲載してある、
Painter J. Designing Multilevel Models Using SPSS.
http://www.unc.edu/~painter/SPSSMixed/SPSSMixedModels.PDF
を用いました。

この資料には、上記データ（hsb12）を用いた場合のSPSSのシンタックスとその出力が書かれています！

今回行ったExample 1.　The Unconditional Model（資料p.5に掲載）は、
こんな↓シンタックスです。
MIXED mathach
/METHOD = REML
/PRINT = SOLUTION TESTCOV
/FIXED = | SSTYPE(3)
/RANDOM = INTERCEPT | SUBJECT(school ) COVTYPE(UN).

これは、まだMixed Modelの前段階と言いますか、mathach（学生の数学の成績）を従属変数とするということと、random効果としてのschoolしか投入されていません。

また、ここでのCOVTYPEはどの共分散構造を選ぶかを指定するということで、デフォルトではUN（unstructured）ではないのだそうです。（詳しくはSPSSの説明書をご覧ください。）

出力結果については、資料を見ていただくとして、Mixed Modelを行う前に、まずはこの分析をして（このデータで言えば）学生の数学の成績の切片と学生間の分散、学校間の分散を把握しておきましょう、ということだな、と理解しました。

次回のExample 2から、固定効果も入ります！

---

Painterさんの資料はすばらしいので、これを見ただけで分かる方もいらっしゃると思いますが、グループでわいわいやると、少し理解しやすいような気がする！とうれしく思っています。

ご関心のある方は次回も是非いらしてください！　（文責：宮本有紀）

次回データを用いてMixed Model

前回（2009/10/26）のエビ研は、Mixed Model初級編(2)ということで、初級編(1)の復習と、SPSS（今はPASWですね。）を用いてデータの再構成（SPSS用語か？データのreshaping？）を行いました。

データの再構成自体は、mixed modelと直接の関係はありませんが、3時点以上のデータがある場合にはmixed modelを用いると良いといった話題から、複数の時点で取っているデータをどのように入力したらmixed modelで解析できるのかという現実的な話が出たこともあり、実際にSPSS上で行ってみました。

さらに、土屋政雄さんから、縦断解析を行う際にお薦めの本をご紹介いただきました。Singer & Willett の Applied Longitudinal Data Analysis: Modeling Change and Event Occurrenceです。すばらしい本とのこと。（読んでみたいような、誰かにじっくり読んでもらってそれをあとで教えてもらいたいような。。。）

この日は反復測定など、複数時点でデータ収集を行うような研究について主に考えましたが、複数の地域や施設から横断的にデータを収集するような研究でmixed modelを用いて解析する予定の方もいらっしゃいます。
ということで、次回は縦断、横断両方のデータでmixed modelに触れてみよう！ということになりました。サンプルデータを用いてSPSS（もしくはSASも？）で行う予定です。

Mixed Modelを知りたい人、使用予定の人、どのような方もどうぞいらしてください。
日　時：2009年11月19日（木）11:00～
テーマ：Mixed Model 初級編（3）
場　所：医学部３号館　2階S210（計算機室）
SPSS用のサンプルデータは土屋さんが探してくれるとのことです。ありがとうございます！
ご自分のデータがある方は、それを使っていただいてもかまいません。
また、Mixed Modelを用いた研究で解析方法について丁寧に記述してある論文をお持ちの方は、是非ご紹介ください。

以下は、今回行ったデータの再構成についてです。

---

1サンプルに関して測定したデータは1行で横長（wide）に入力することが多いと思いますが、SPSSのデータの再構成（Restructure）を行うと、たとえば反復測定を行った場合、同じ人のtime1, time2, time3をそれぞれ1行にして縦長（long）のデータセットにすることができます。その逆もできます。

参加者の多くは（私も含めて）、今までこういったlong形式のデータ入力を行う場合にはエクセル上で加工していたので、SPSSにこんな機能があったなんて！便利！と思った次第です。
SAS等、他のソフトでもできるとのこと。便利ですね。

実際にエビ研で行ったのはwide -> longの例です。
unit1～4に所属する人々(ID1～6）を2つのgroupに割り付け、3時点で何かの値を測定したとします。


↑wide形式のデータ

これを、メニューバーのデータ→再構成から操作していくとlongの形式に変換できます。シンタックスは下記。
VARSTOCASES /MAKE y FROM time1 time2 time3
/INDEX = t(3)
/KEEP = ID unit group
/NULL = KEEP.


↑long形式のデータ

---

UCLAのサイト↓がわかりやすいです！
http://www.ats.ucla.edu/stat/spss/modules/reshapel115.htm

ご関心のある方は次回も是非いらしてください！　（文責：宮本有紀）

次もMixed Model

前回(2009/10/1）のエビ研はMixed Modelを取り上げました。

Mixed Modelとは、そもそも何のMixという意味なのか、いったい何をしているのか、どんなときに使うのか、どんな解析ソフトを用いれば良いのか、といった素朴な疑問から入っていったこの回、参加者全員で確認（納得？）できたことは、
・Mixed ModelはRandom EffectとFixed EffectをMixして解析するもの
・multilevel model, hierarchical linear model, random-effects model等いろいろな呼び方あり
ということです。
まぁ、Mixed Modelを知るのにrandom effect（変量効果）とfixed effect（固定効果）は外せないということですね、きっと。

そしてこのたび、皆でMixed Modelを学ぶにあたり、土屋政雄さんがとっても素敵な参考文献リストをエビ研にご提供くださいました！土屋さん（つっちー）の許可を得て、末尾に掲載させていただきます。

この回では、つっちーのリストにある文献を基に、皆の知識を持ち寄りながら、数学的な話から、MLwiN（multilevel model解析ソフト）の値段といった実用的な話まで、幅広い話をできたように思います。

また、自分のデータのどれをrandom effectと考えたらよいのか？という疑問に対しては、米倉佑貴さんが、Crawleyの書籍STATISTICS: AN INTRODUCTION USING R　と、久保拓弥さんの「生態学のデータ解析 - ランダム効果とは?」というページをご紹介くださいました。
こういった知識・情報を共有してくれる皆様がいらっしゃるということは有り難いことですね。

上記のように盛りだくさんだったMixed Model初級編、次回も続けて行うことにしました。
Mixed Modelを知りたい人、使用予定の人などなど、ご関心のある方は、できれば、ご自分の関心領域でMixed Modelを用いている文献を１つご持参いただくと良いかと思います。
日　時：2009年10月26日（月）10:30～
テーマ：Mixed Model 初級編（２）
場　所：医学部３号館　３階S308


Mixed model おすすめ文献集 （by 土屋政雄さん）

---

＜マルチレベル一般＞
・Diez Roux AV. A glossary for multilevel analysis. J Epidemiol Community Health. 2002 Aug;56(8):588-94.
・土居淳子.　社会科学データ分析のための線形混合モデル入門.　京都光華女子大学研究紀要.　45:211-232, 2007
・マルチレベルモデリング. 科学技術振興機構. 尾崎幸謙 http://www010.upp.so-net.ne.jp/koken/multilevel.ppt
[JECHのシリーズ]　
・Merlo J, Chaix B, Yang M, Lynch J, Råstam L. A brief conceptual tutorial of multilevel analysis in social epidemiology: linking the statistical concept of clustering to the idea of contextual phenomenon. J Epidemiol Community Health.2005 Jun;59(6):443-9. Review.
・Merlo J, Yang M, Chaix B, Lynch J, Råstam L. A brief conceptual tutorial on multilevel analysis in social epidemiology: investigating contextual phenomena indifferent groups of people. J Epidemiol Community Health. 2005 Sep;59(9):729-36.
・Merlo J, Chaix B, Yang M, Lynch J, Råstam L. A brief conceptual tutorial onmultilevel analysis in social epidemiology: interpreting neighbourhood differences and the effect of neighbourhood characteristics on individual health.J Epidemiol Community Health. 2005 Dec;59(12):1022-8. Review.
・Merlo J, Chaix B, Ohlsson H, Beckman A, Johnell K, Hjerpe P, Råstam L, Larsen K. A brief conceptual tutorial of multilevel analysis in social epidemiology:using measures of clustering in multilevel logistic regression to investigate contextual phenomena. J Epidemiol Community Health. 2006 Apr;60(4):290-7.

＜介入研究用＞
・Gueorguieva R, Krystal JH. Move over ANOVA: progress in analyzing repeated-measures data and its reflection in papers published in the Archives of General Psychiatry. Arch Gen Psychiatry. 2004 Mar;61(3):310-7.
・Hamer RM, Simpson PM. Last observation carried forward versus mixed models in the analysis of psychiatric clinical trials. Am J Psychiatry. 2009Jun;166(6):639-41.
・Vickers AJ. Analysis of variance is easily misapplied in the analysis of randomized trials: a critique and discussion of alternative statistical approaches. Psychosom Med. 2005 Jul-Aug;67(4):652-5.
※これの補足として
・Vickers AJ, Altman DG. Statistics notes: Analysing controlled trials with baseline and follow up measurements. BMJ. 2001 Nov 10;323(7321):1123-4.

＜看護系雑誌での初心者向け特集＞
・Wu YW, Wooldridge PJ. The impact of centering first-level predictors on individual and contextual effects in multilevel data analysis. Nurs Res. 2005 May-Jun;54(3):212-6.
・Adewale AJ, Hayduk L, Estabrooks CA, Cummings GG, Midodzi WK, Derksen L. Understanding hierarchical linear models: applications in nursing research. Nurs Res. 2007 Jul-Aug;56(4 Suppl):S40-6.
・Estabrooks CA, Midodzi WK, Cummings GG, Wallin L. Predicting research use in nursing organizations: a multilevel analysis. Nurs Res. 2007 Jul-Aug;56(4Suppl):S7-23.
・Shin JH. Application of repeated-measures analysis of variance and hierarchical linear model in nursing research. Nurs Res. 2009 May-Jun;58(3):211-7.

＜統計ソフト＞
[SPSS]
・Peugh JL. Using the SPSS Mixed Procedure to Fit Cross-Sectional and Longitudinal Multilevel Models. Educational and Psychological Measurement. 65:717-741 (2005)
・Hayes AF. A Primer on Multilevel Modeling. Human Communication Research. 32:385-410 (2006).
・Painter J. Designing Multilevel Models Using SPSS. http://www.unc.edu/~painter/SPSSMixed/SPSSMixedModels.PDF

[SAS]
・Singer JD. Using SAS PROC MIXED to Fit Multilevel Models, Hierarchical Models, and Individual Growth Models. Journal of Educational and Behavioral Statistics. 23:323-355 (1998)

＜個人ページ＞
John B. Willett
http://gseacademic.harvard.edu/~willetjo/
Judith D. Singer
http://gseweb.harvard.edu/~faculty/singer/
Tom Snijders
http://stat.gamma.rug.nl/multilevel.htm
Don Hedeker
http://tigger.uic.edu/~hedeker/ml.html
兼清さんの「まぜなれ」とか
http://bm.hus.osaka-u.ac.jp/~kanekiyo/study/index.html

[機関のページ]
The Centre for Multilevel Modelling (CMM)
http://www.cmm.bristol.ac.uk/index.shtml

UCLA Stat Computing Portal Multilevel Modeling Portal
http://statcomp.ats.ucla.edu/mlm/default.htm

---

つっちーリスト以上

ご関心のある方は次回も是非いらしてください！（文責：宮本）

次はMixed Modelです

前回はサンプリングについて、これまで関係した調査でどのようなサンプリング法を用いたかを共有し、その限界や改善案について話しました。全数調査ができない場合に、Simple Random Samplingができれば良いのでしょうが、Cluster SamplingやSystematic Sampling、場合によっては恣意的な選択も併用しつつサンプリングを行うことが現実的には多いと思われます。

さらにこの回では、選挙人名簿あるいは住民基本台帳を用いたランダムサンプリングの実施上の困難（手続き、費用、時間等）についても、現在、体を張って調査に挑んでいる猛者の体験を聞かせていただきました。
調査は楽ではないですよね。

サンプリングについては、さらにどのように重み付けを行うかなども今後取り上げたいと思います。
が、それは次々回以降ということにして、
次回は参加者の関心の高いMixed Modelを扱います。

Mixed Modelを知りたい人、使用予定の人などなど、ご関心のある方は、できれば、ご自分の関心領域でMixed Modelを用いている文献を１つご持参いただくと良いかと思います。
日　時：2009年10月1日（木）17:00～
テーマ：Mixed Model 初級編
場　所：医学部３号館　３階S308

ご関心のある方は是非いらしてください！（文責：宮本）

次回はサンプリング

前回はサンドイッチ会とエフェクトサイズの計算でした！詳しくは前のブログをご覧ください。

次回はサンプリングです。
サンプリング（ランダム抽出を実際にやるとしたらどのように行うか、などなど）について、既に行ったことのある人やこれから計画する人で学び合うことができればと思います。
日　時：2009年9月10日（木）17:30～
テーマ：サンプリングについて
場　所：医学部３号館　３階S308

ご関心のある方は是非いらしてください！（文責：宮本）

サンドイッチ会報告＆次回はサンプリング

前回はエフェクトサイズについて皆でG*Powerを使いながら深めました。

次回はサンプリング（ランダム抽出を実際にやるとしたらどのように行うか、などなど）について、既に行ったことのある人やこれから計画する人で学び合うことができればと思います。
次回日程は９月上旬を予定中ですが、また日程が決定したらご報告いたします。

さて、遅くなりましたが、７月のエビ研サンドイッチ会のご報告です。
パンに対する愛情の深いAyuさんがおいしいパンをずらりとセレクトしてきてくださり、ハム、明太子、ツナ、サーモン、玉子、野菜などなどで銘々が好きなようにサンドイッチを作って食べました。
おいしかったです。皆様どうもありがとうございました！

　 　 　

次はエフェクトサイズ

前回はサンプルサイズの計算を取り上げました。
感想としては、G*Power＝すばらしい！です。
つっちー、懇切丁寧なご紹介ありがとうございました！

また、サンプルサイズ計算にあたって必要となる情報である平均間の距離、標準偏差の情報をどのように見積もるかについて参加者で楽しい話し合いができました。

これに関連して、次回はエフェクトサイズについてもう少し見ていきます。
日　時：2009年7月2日（木）17:00～
テーマ：エフェクトサイズについて
場　所：医学部３号館　３階S308

自分のデータがある人は、実際に計算してみよう！ということも考えております。可能であれば、G*Power 3をダウンロード（前回記事参照）したパソコン持参でいらしてくださいませ。

また、夏の特別企画としてエビ研後（19時くらいから）にサンドイッチ大会（サンドイッチをおいしいパンと具材で作って食べる会）を企画しています。両方、エビ研だけ、あるいはサンドイッチ大会だけでも是非いらしてください。

ご関心のある方は是非いらしてください。（文責：宮本）

次はサンプルサイズの計算

長らく取り組んでまいりましたSTROBEですが、前回エビ研でようやく最後まで到達しました。読んで良かった！です。これは何度でも読み返すと良いのだろうなぁと思いました。

さて、次回のエビ研です。
次回はサンプルサイズの計算を取りあげます。
サンプルサイズの計算方法もいろいろあるとは思いますが、まずはサンプルサイズを計算するソフト（G*Power）を使ってみよう！というところからです。
これに関連してeffect sizeにも触れると思います。

G*Powerとは、ドイツのHeinrich-Heine-UniversitätのInstitut für Experimentelle PsychologieのDr. Franz Faulらが開発しているPower analysesソフトです。
ダウンロードはこちら↓から。
http://www.psycho.uni-duesseldorf.de/abteilungen/aap/gpower3

日　時：2009年6月4日（木）17:00～
テーマ：サンプルサイズの計算（１）
場　所：医学部３号館　３階S308

可能であれば、パソコン持参（G*Power 3をダウンロードしてあれば尚良し）でいらしてくださいませ。

ご関心のある方はぜひいらしてください。　（文責:宮本）

次回はSTROBE終盤

何回かにわたり、STROBE statementを取りあげています。
前回は相対リスク、絶対リスクについてなども勉強しました。

次回もまだSTROBEです。次回はDiscussionの19）Limitationsからです。
日　時：2009年4月30日（木）14:00～
テーマ：観察研究 STROBE (5)　[19Limitationsから]
場　所：医学部３号館　３階S308あるいは集会室(N305)

ご関心のある方はぜひいらしてください。　（文責:宮本）

次回もSTROBE後半

何回かにわたり、STROBE statementを取りあげています。
次回もまだSTROBEです。次回はResultsの途中からです。
日　時：2009年3月19日（木）14:00～
テーマ：観察研究 STROBE (4)　[Resultsから]
場　所：医学部３号館　３階S308あるいは集会室(N305)

前回ご紹介した、CONSORT等、国際ルールを集約した本は
中山健夫・津谷喜一郎編著「臨床研究と疫学研究のための国際ルール集」（ライフサイエンス出版）
です。

ご関心のある方はぜひいらしてください。　（文責:宮本）

次回もSTROBE後半＆お好み焼き報告

前々回から、STROBE statementを取りあげています。最近、STROBEに関して、周囲の関心が高まっているのを感じます！
というわけで、次回もSTROBEです。次回は12(d)からです。（ゆっくり進めているため、まだMethodsです。）
日　時：2009年2月6日（金）17:00～
テーマ：観察研究 STROBE (3)　[12(d)から]
場　所：医学部３号館　３階S308あるいは集会室(N305)

ところで、1ヶ月以上たってしまいましたが、前回のお好み焼き企画の報告です。
当日はいろいろなご所属の方にご協力いただき、たいへんおいしい＆楽しい会となりました。みなさまありがとうございました！
笑顔の楽しそうな写真もいっぱいあるのですが、とりあえず、食物の写真のみアップしてます。窪田さん写真ありがとう！