Naohiro Masukawa

Latest Posts

• 製造業における「同等性検定」の活用　Part1. 平均の同等性検定

  先日、製造業のお客様向けに、JMPを利用した統計的検定と利用例を解説するWebセミナー(*)を実施しました。品質管理における例を用いて検定手法の必要性や考え方を説明しましたが、最後に説明した「同等性の検定」に多くのお客様が関心を持っていただけました。 * このセミナーのオンデマンド版（日本語）を公開しております。本ブログの最後をご参照ください。   セミナー後に取得したアンケートでは、"実務ではほとんどのケースで同等性検定を実施する"という回答もあり、同じであることを示す必要のあるケースが多い製造業でのニーズがあることを確認できました。   同等性のイメージ図 左図の例：今の工程は目標値からずれていない（ほとんど同じ） 右図の例：2つの施設で作られた原料の重さは等しいとみなしてよい   セミナーでは、2つの製造施設で製品される医療用チューブの特性値（外径）が同等であることを示す、いわゆる...

  Masukawa_Nao

  Naohiro Masukawa |

  Sep 11, 2023 6:36 PM

  16266 views | 0 replies
  

• 医薬品の安定性試験分析において、「JMP 17」では重要なオプションが追加されています

  現在の最新バージョン「JMP 17」には、医薬品の安定性試験分析に関する新機能が追加されました。具体的には、切片および傾きが異なるモデルで、誤差分散をプール（併合）して計算するオプションが導入されています。   このオプションを利用すると、切片および傾きが異なるモデルを選択した場合に、下図のような「誤差分散をプールして計算した」というメッセージが表示されます。そして、この計算方法に基づいて有効期間が算出されます。     特に、日本のJMPユーザーの中で、安定性試験の分析を行っている方々にとって、この機能は非常に便利です。しかし、このオプションが十分に知られていない可能性も考えられるため、本ブログでは具体的な例を交えながらこのオプションの意味と利用方法を詳しく解説します。   ICH Q1Eガイドラインの記述に準拠 端的に言うと、このオプションはICH Q1E(安定性データの評価に関する...

  Masukawa_Nao

  Naohiro Masukawa |

  Aug 30, 2023 9:49 PM

  2555 views | 0 replies
  

• 今年の7月は暑かった・・　ヒートマップで世界の平均気温をグラフ化してみるとさらに暑さを感じるように・・

  今年の7月は（今年の7月も？）暑かった。この時期の暑さは今に始まったことではありませんが、こう暑い日が連続して続くと、外に出るのが億劫になってしまう今日この頃です。   NASAのニュースによると、今年7月の世界の平均気温は、7月では観測史上最も高い気温だったようです。2023年7月は、1951年から1980年までの7月の平均気温を基準として、世界全体では1.18℃高かったとの記述があります。   "数十年前と比べて1℃高いだけなのか、大したことないな" と思われる方もいらっしゃるかもしれませんが、気温が1℃上がるだけで大型台風の多発、洪水、干ばつの増加など、人類にとって危機的な状況が起こる可能性は高まると言われています。   そこで本ブログでは、世界の平均気温がどのように変わっているかを、主にヒートマップを使って可視化してみます。   過去30年の世界の平均気温（1951年～1980年を...

  Masukawa_Nao

  Naohiro Masukawa |

  Aug 22, 2023 11:47 PM

  1526 views | 0 replies
  

• 「CochranのQ検定」でみる製品評価の一致性

  このブログでは複数の製品の特徴を評価する例を扱い、製品間の評価の一致性を調べる方法として「CochrannのQ検定」を、製品と評価の関連性を調べる方法として「対応分析」を用いる方法を紹介します。   「CochranのQ検定」はあまり知られていない検定方法かもしれませんが、今回の例のように複数製品を評価する検定手法として有用ですので、今回の例を参照し実務に使える場面があれば是非とも使ってみてください。   複数の缶コーヒーの特徴比較 例：7種類の缶コーヒーについて甘さ、ロースト感、ビター感などを評価     7つの缶コーヒー（A,B,C,D,E,F,G）について、12名のパネリスト（評価者）が、コーヒーに対する以下の5つの特徴   Aroma: 香り Acidity: 酸味 Sweetness: 甘味 Bitterness: ビター感 Roastness: ロースト感   を評価します。...

  Masukawa_Nao

  Naohiro Masukawa |

  Aug 7, 2023 7:22 PM

  2847 views | 0 replies
  

• 「Jenksの自然分類によるカテゴリ化」はどんなときに使うのか？　利用例とともに解説

  JMPでは、データテーブルで数値変数を選択した後、[列] > [ユーティリティ] > [カテゴリ化の計算式の作成] を用いると、その数値変数をさまざまな規則に基づいて、いくつかのカテゴリに分割できます。   例えば、年齢が入力されているデータを、10代、20代、・・・とカテゴリ化したり、100点満点のテストについて80点以上を"合格"のカテゴリ、80点未満を"不合格"のカテゴリに分けるようなときに便利です。   カテゴリ化するルールとしては、下図のようにさまざまなオプションを用意しています。「等しい幅でカテゴリ化」や「パーセント点によるカテゴリ化」などは分け方がイメージしやすいですが、オプションとしてある「Jenksの自然分類によるカテゴリ化」については、そんな分類方法は知らないぞという方が多いかもしれません。   そこで本ブログでは「Jenksの自然分類によるカテゴリ化」はどのようなケ...

  Masukawa_Nao

  Naohiro Masukawa |

  Jul 26, 2023 11:17 PM

  2179 views | 0 replies
  

• ジェンダーギャップを解消するにはどうしたら良いか？　～指数を分析してみてわかったこと～

     

  Masukawa_Nao

  Naohiro Masukawa |

  Jun 26, 2023 9:43 PM

  1775 views | 0 replies
  

• JMP 17の新機能「デザインスペースプロファイル」を用いたデザインスペースの構築

  Masukawa_Nao

  Naohiro Masukawa |

  Jun 15, 2023 1:45 AM

  4432 views | 1 replies
  

• カラーグラデーションによる等高線プロファイルを描く方法

  JMPの「等高線プロファイル」 JMPでは「等高線プロファイル」により、あてはめたモデルの予測式を等高線で表示し、因子(X) と特性値（Y）との関係を調べることができます。   特に医薬品の開発や製造段階ではQbD（Quality by Design）コンセプトにおいて、実験計画法により因子と特性との関係を等高線で表し、デザインスペース *を構築することが推奨されています。その際JMPでは、先に示した「等高線プロファイル」が良く用いられます。   *品質を確保することが立証されている入力変数（原料の性質など）と工程パラメータの多元的な組み合わせと相互作用(ICH Q8より)   ときどき、日本のお客様から「等高線プロファイル」で、以下のように応答の予測値をカラーグラデーションをつけて表示したいというご要望を受けることがあります。     残念ながらJMPでは「等高線プロファイル」にて、上...

  Masukawa_Nao

  Naohiro Masukawa |

  May 29, 2023 7:04 PM

  3106 views | 0 replies
  

• 長方形の日本地図はいかがですか？ 　～カスタム地図の作成～

  長方形ブロックの日本地図 以下のグラフは、2022年の都道府県別人口10万人あたりの交通事故の死者数（65歳以上）を示しています。グラフ右上の凡例の通り濃い赤い色ほど死者数が多いことをしめすので、パッと見ただけで四国地方の4県はほかの都道府県に比べて多いことなどがわかります。   ※データの出典：警察庁　道路の交通に関する統計   本来はきちんとした日本地図で示すべきかもしれませんが、各都道府県を長方形で示した地図でも大体の位置関係は把握できます。簡略化された地図ではありますが、シンプルな地図であることからニュースや記事でもよく用いられています。   日本をコンパクトな地図に（JMP 17の新機能） テレビやパソコンなど横長の画面に日本地図を表示させるとき、北海道から沖縄まで縦画面（緯度）を表示させると小さくなってしまいます。そのため、沖縄県のみ日本海や太平洋の別の位置に表示させている地...

  Masukawa_Nao

  Naohiro Masukawa |

  May 21, 2023 11:02 PM

  2707 views | 0 replies
  

• JMPで台風の進路を可視化するには　～データ加工とともに～

  Masukawa_Nao

  Naohiro Masukawa |

  May 11, 2023 6:44 PM

  1205 views | 0 replies
  

• 「カテゴリカル」を利用したアンケート分析　Part 3: 複数回答の分析を柔軟に

  本ブログシリーズでは、JMPのプラットフォーム「カテゴリカル」の有用性を示しています。Part 1では単一回答、複数回答などまとめて集計できることを示し、Part 2では属性（性別、年代など）で分けて回答割合やスコアを比較する方法を示しました。最終回であるPart3では、複数回答にはさまざまなデータの持ち方があり、どのような持ち方でも「カテゴリカル」で扱うことができることを示します。   多重応答関連のボタンがいっぱい 「カテゴリカル」では各変数に対する応答の役割を指定することは先に述べましたが、「多重」のタブには以下のようにいろいろなボタンがあります。実はこれが複数回答を柔軟に扱える仕組みなのです。     複数回答データのさまざまな入力形式 例えば複数回答の設問Q1があり、回答選択肢1,2,3,4,5 の中であてはまるものをすべて回答する形式であったとします。 1人の回答を1行で入力...

  Masukawa_Nao

  Naohiro Masukawa |

  Apr 26, 2023 9:46 PM

  2282 views | 0 replies
  

• 「カテゴリカル」を利用したアンケート分析　Part 2: 集計から分析へ！　～属性間で回答分布を統計的に比較する～

  前回のPart 1では、「カテゴリカル」プラットフォームを用い、アンケートデータがもつさまざまな形式の回答（単一回答、複数回答、スコア）を一度に集計する例を示しました。   とはいっても、集計のレベルであれば頑張って表計算ソフトでもできますし、アンケートシステムを利用しているのであればシステム上で集計結果を表やグラフで表示してくれます。   では、JMPの「カテゴリカル」を利用するメリットは何なのか？ それは、今回紹介するグループ間で回答分布を比較できることなのです。   「カテゴリカル」でグループ変数を指定 アンケートの分析では個々の回答を集計するほかに、回答者の属性（性別、年代など）で分けて回答の集計が行われます。いわゆるクロス集計と呼ばれるものです。   Part 1で扱ったSQCの研修の例で考えてみましょう。この例では「役職」（一般、役職あり）という属性があるので、役職別に他の回答...

  Masukawa_Nao

  Naohiro Masukawa |

  Apr 17, 2023 4:40 PM

  3186 views | 0 replies
  

• 「カテゴリカル」を利用したアンケート分析　Part 1: 　単一回答/ 複数回答 / スコア形式の回答 -- まとめて集計しちゃいましょう

  前回のブログで「カテゴリカル」の概要について紹介する2分間のビデオ（日本語）を紹介しましたが、視聴者からは、"カテゴリカルの機能に関心をもった”、"もっと長いビデオでも良いので詳細を詳しく説明してほしい"　という感想を多くいただきました。   そこで、本ブログシリーズ（全3回）にて、アンケートの分析例をもとに「カテゴリカル」の特徴をもっと語っていきます。   見た目は複雑そうだけど、アンケートの解析でとっても便利です JMPのメニューバーから　[編集] > [消費者調査] > [カテゴリカル]　を選択すると、次のような応答の役割を選択するダイアログが起動します。一目みるとタブだのボタンだのがたくさんあってややこしいですよね。     ただ、ここであきらめないでください！　この「カテゴリカル」について、使い方の要点だけ知っていれば、アンケートの分析で非常に有効に使うことができます。   選...

  Masukawa_Nao

  Naohiro Masukawa |

  Apr 11, 2023 1:33 AM

  3761 views | 0 replies
  

• 「カテゴリカル」プラットフォームを使用したアンケートデータの分析　（2分でわかる日本語ビデオを提供）

  「カテゴリカル」プラットフォームとは   JMPには、メニューバーから [分析] > [消費者調査]  とたどっていくと、[カテゴリカル] というメニューがあります。   「カテゴリカル」という言葉だけだと、質的なデータの分析をする機能なんだろうなという想像はつくでしょう。確かにカテゴリカルデータの扱いが得意なのですが、実はアンケートデータの集計、分析をする際に有効な機能がたくさん搭載されているのです。     4月に関連するWebセミナーを実施することもあり、「カテゴリカル」の機能概要について、"2分でわかる「カテゴリカル」プラットフォーム"　というビデオを作成してみました。アンケートを分析する例を挙げ、どのような点がポイントなのか短くまとめております。（ビデオの時間：2分9秒）   (view in My Videos)   上記のビデオでは、「カテゴリカル」の特徴として次の2つのポ...

  Masukawa_Nao

  Naohiro Masukawa |

  Apr 3, 2023 1:39 AM

  977 views | 0 replies
  

• JMP 17の新機能「偏相関図」で多変数間の関係を可視化する

   

  Masukawa_Nao

  Naohiro Masukawa |

  Mar 27, 2023 6:47 PM

  6766 views | 0 replies
  

• WBCを観て驚愕！ 大谷投手のスライダーを統計手法で分類してみる

   

  Masukawa_Nao

  Naohiro Masukawa |

  Mar 16, 2023 11:26 PM

  3495 views | 0 replies
  

• 季節ARIMAモデルでも22年の出生数80万人割れは予測できず・・・　23年の予測をしてみる

  Masukawa_Nao

  Naohiro Masukawa |

  Feb 28, 2023 10:24 PM

  1933 views | 0 replies
  

• 主成分分析/クラスター分析を用いた世界の幸福度分析 ～Part 3 クラスター分析による幸福要因が類似する国々のグループ化

  https://community.jmp.com/t5/Naohiro-Masukawa/How-happy-is-your-country-%E4%B8%BB%E6%88%90%E5%88%86%E5%88%86%E6%9E%90-%E3%82%AF%E3%83%A9%E3%82%B9%E3%82%BF%E3%83%BC%E5%88%86%E6%9E%90%E3%82%92%E7%94%A8%E3%81%84%E3%81%9F%E4%B8%96%E7%95%8C%E3%81%AE%E5%B9%B8%E7%A6%8F%E5%BA%A6%E5%88%86%E6%9E%90-Part-1/ba-p/596209 https://community.jmp.com/t5/Naohiro-Masukawa/How-happy-is-your-country-%E4%B8%BB%E6%88%90%...

  Masukawa_Nao

  Naohiro Masukawa |

  Feb 16, 2023 12:53 AM

  1906 views | 0 replies
  

• 主成分分析/クラスター分析を用いた世界の幸福度分析 ～Part 2 主成分分析による外れ値探索～

   

  Masukawa_Nao

  Naohiro Masukawa |

  Feb 8, 2023 8:46 PM

  1614 views | 0 replies
  

• How happy is your country? ～主成分分析、クラスター分析を用いた世界の幸福度分析～ 　Part 1

   

  Masukawa_Nao

  Naohiro Masukawa |

  Feb 1, 2023 8:24 PM

  1598 views | 0 replies