新発見の壁、『現場の感』の壁 事例５
依頼され、データのクレンジングに苦労しながら、データ分析をしても、
『現場の感と変わらないじゃん。データ分析するまでも無いじゃん。』
と言われない分析方法の５つ目の事例です。
質的比較分析法の鬼門でもある、多値化偏です。
データセットは、以下のアンケート。
（使わせていただき、ありがとうございます。）
はじめに：
練習問題の課題が不明ですが、GPAを予測するのかな？
現場に、『予測して、どうするんだ。』と言われないように、以下を追加します。
１．ＧＰＡが低い学生さんは、どうしたら、最も効率的に、ＧＰＡを上げられるか？（打ち手の提案）
以下の記事を読まれている学生さんは、興味深々では？
（注）あくまで、データの中の因子のみ!!!
２値化の検討：
多値化の練習をしたいので、カテゴリ変数は、そのまま使います。
TOEICは、300点くらいで質的変化があると判断し、２値化してます。（オレンジ線）
というか、TOEICって、４００点も取れば、GPAの多数派になるんだ。
（学校に拠り、効きが違うので注意）
４次の交互作用を使った場合の効果：（説明として４次のみ）
GPAを『一番、効率的に改善する』ベストな方法は、下図、一番右になります。（場合分けしたグループの最小N数を５以上にプログラムしているが、少なすぎた。）
ただし、『TOEICを１単位上げる努力』と『他の因子を１単位あげる努力』は、比較考慮していません。
文章化すると、『アンケートに、以下の回答をする素質の学生さんの中で、TOEICの点数が低い学生さん』は、『TOEICの点数をあげる勉強をする』のが、一番、効率的にGPAを上げることができる。（お薦めの打ち手、改善法）
尚、グループの最小N数の設定が悪く、今回のデータでは、２名のみ対象。
つづく。
１．次は、任意の学生さんの場合の打ち手、改善案を提案します。
個別に相談、打ち手を提案することが可能です。
２．個人的に、TOEICを上げるのは苦手なので、他の改善案を探します。
2023/07/29
SN比の計算で、悪戦苦闘している。実験データの場合、X軸（水準値）は、バランスが取れているが、調査データの場合、アンバランス。X軸のアンバランスさも指標の中に入れないと、いい打ち手を探すのが大変。
案１
モーメント差（水準の平均値廻り）
単位が違うものと比較ができない
案２
最大片幅 ／ モーメント差
単位は消える。
案３
実験計画した場合のバラつき ／ モーメント差
案４
サンプリングされたデータ内で、うまく実験計画した場合
／ データの実水準のモーメント差（左右のバランス）
アンケートで設定した水準が良い、とは限らないので、サンプリングされた範囲で、SN比が高ければいいじゃん。（制御できる）
案４での探索結果
GPAの下の方のデータが少ない。(アドバイスできる学生さんが少ない。）
アドバイスできる学生さんが増えたが、今一
更に、アドバイスできる学生さんが増えたが、SN比が悪くなっている。
GPAの低い学生が多くいる状態（場合分け）を探さないとダメか？
そんな状態を探す意味はないか？
（全体的に言える一般的なメカニズムを探す事になる。）
一人の学生さんに取っては、
TOEICを頑張れば、確かに、ＧＰＡが高くなるという事例が多くほしいはず。右上がほしい。左下のデータは要らない。
一般的なメカニズムは要らない。
よって、『任意の学生さんの打ち手、改善案を提案します。』は、
GPAが低い学生さんが、GPA=3.0以上狙う場合、TOEIC６００点以上を目指すのが一番。となる。
次は、『TOEICが、苦手な人の別の案』を探す。多重原因説。
以下のアンケート回答の学生さんは、 Q12_ 学内のICT環境（他力本願）を改善しても、GPAは上がる。
ただし、SN比が低いので不安は残るが、他に手はない。
また、実務では、自力で改善できる要因を探すことになるが、本アンケートは、TOEIC以外は他力本願が多いので、未実施。
Q01_所属学部 = 3.保健学部
Q11_図書館の設備 = 5. とても満足
Q07_課題が多い = 5. とてもそう思う
Q12_ 学内のICT環境について
とても不満
不満
どちらでもない
満足
とても満足
次は、競馬予想の本丸にチャレンジ。
この記事が気に入ったらサポートをしてみませんか？