返信先:@BB45_Coloradoこれ医療統計で0跨ぎのマイナスだとよく言われるんですよね😅 実際の所、点推定値(黒い点)が中央値みたいな物になるし普通に使われる数値なんで問題ないと思うんですが

#統計 1つ上の投稿の添付画像①のデータの数値に対応する回帰係数β₁の(両側)P値関数のグラフ。横軸はβ₁で縦軸はP値。 1つ上の投稿の添付画像①のデータの数値とモデルの回帰係数パラメータβ₁の値の設定の相性の良さを示すグラフになっている。 最も相性が良いβ₁の値のは点推定値のβ̂₁=0.0431. pic.twitter.com/WYEERtrH1D

返信先:@taka32193219点推定値が最も確からしい値ってのが統計じゃないんですかw

#統計 個人的には、 効果無しを意味する帰無仮説(ゼロ仮説)のP値 と 効果量の点推定値 の組み合わせを報告する慣習は科学的に有害だと思っています。 小標本+統計的有意+大効果 の組み合わせが無用に報告され易くなる危険性をわざわざ増やしている。

#統計 小さな標本サイズで有意差が出た場合には所謂効果量の点推定値も大きな値になります。 そういう結果の報告の集まりは結果的に「効果は非常に大きい」という方向に非常に偏った集まりになります。 実際には効果はほぼゼロなのに、αエラーの結果をみんなで報告しているだけなのかもしれない。

#統計 点推定値だけの報告は忌避されるので、最尤法についてはそれに付随するP値関数の構成法もワンセットでマスターしておければ非常に良いと思う。 最尤法＋P値関数 は ベイズ統計＋事後分布 の類似物にもなっています。このように理解できれば使える道具の幅を広げ易い。

#統計 最尤法はモデルのパラメータの値の点推定法の一種なのですが、統計学では、点推定値だけを報告して、その不確かさも見積もりを報告しないことは禁忌とされています。 最尤法に付随する区間推定を与えるP値関数の構成法として、対数尤度比法、スコア法、Wald法が標準的に知られています。

返信先:@shiraishia_md#統計 P値は点推定だけではなく、区間推定の方法も与えます。 「リスク比はaである」の(両側)P値がα以上になるaの範囲は、リスク比に関する信頼水準1-αの信頼区間になります。 以上のP値の使い方についてはGreenlandさん達がずっと解説して来てくれています。P値は推定の道具として使うべきです。

返信先:@shiraishia_md#統計 「リスク比は1.6である」という検定仮説のP値が13%ならば、使用しているモデルの下で「リスク比は1.6である」という仮説とデータの数値は相性は悪くないのように解釈できます。 「リスク比は2.5である」のP値が1の場合には、2.5はリスク比の点推定値になります。続く

① 点推定値が真値である ← 素人のレベル ② 95%CI は100回中95回が真値を含む ← 疫学者のレベル ③ 信頼区間関数で真値がある可能性が高い効果量を連続性ある分布で表示 ← 生物統計学者のレベル ④ ③に（経験則データに基づき客観的な）事前分布を反映させる ← 統計学者のレベル

#統計 P値は「モデルのパラメータの値でデータの数値と最も相性が良いもの」という意味での点推定値ではないです。(もしもその意味での点推定値ならありがちな緩い条件の下で信頼区間も定義される。) だから、P値を安易に点推定値扱いすること自体が誤りになります。 しかし～続く