!!データになじむ→一気に回帰分析まで
#Rには多くのデータフレームが用意されている｡これらを使ってデータセット､変数の扱いになじむ｡

 data()
#と入力するとデータの一覧が出力される｡
#ここではswissというデータを使ってみる｡
 data(swiss)

#データを見てみる(データフレーム名や変数名をタイプすると､それが表示される)
 swiss

#編集も可能｡
 edit(swiss)

#データセットに含まれる記述統計を算出
 summary(swiss)

このデータフレームに入っている変数名をみてみる｡
 names(swiss)

#データセットに含まれる変数を使いたい場合､

#データセット名の後に$変数名とすると､その変数のみを利用可能｡
 swiss$Agriculture
 swiss$Fertility

#参考)変数名のみを指定するとエラーになる｡
 Fertility

#ただしattach()コマンドでデータセットを宣言しておくと､変数名を直接利用可能｡
 attach(swiss)
 Fertility

#演算も可能
 Agriculture*Fertility
 Agriculture-Fertility

 sqrt(Agriculture)

#含まれている変数を一括して散布図に｡
 plot(swiss)
 cor(swiss) #相関係数

#特定の二つの変数を散布図に
 plot(Agriculture,Fertility)

#このデータでは行に州の名前が付けられている｡
 rownames(swiss)
#上のグラフにどの州か､ラベルをつける｡
 text(Agriculture,Fertility,rownames(swiss))

#ヒストグラム
 hist(Agriculture)
 hist(Fertility)

 # Q　宗教と教育はFertilityにどのような影響を与えるか?(注:説明の簡略化のため因果関係として説明するが､実際に因果関係を同定することは､特に一時点のデータでは困難もしくは不可能なので｢相関｣と考えた方がよい｡)
 #回帰分析の実行

 summary(res1<-lm(Fertility~ Education,data=swiss))

#結果
 Call:
 lm(formula = Fertility ~ Education, data = swiss)
 Residuals:
   Min     1Q Median     3Q    Max 
 -17.04  -6.71  -1.01   9.53  19.69 
 Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
 (Intercept)   79.610      2.104   37.84  < 2e-16 ***
 Education     -0.862      0.145   -5.95  3.7e-07 ***
 ---
 Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
 Residual standard error: 9.45 on 45 degrees of freedom
 Multiple R-squared: 0.441,	Adjusted R-squared: 0.428 
 F-statistic: 35.4 on 1 and 45 DF,  p-value: 3.66e-07

　
 summary(res2<-lm(Fertility~ Catholic,data=swiss))  #別の変数で


 Call:
 lm(formula = Fertility ~ Catholic, data = swiss)
 Residuals:
    Min     1Q Median     3Q    Max 
 -35.31  -4.06   0.51   6.85  16.68 
  Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
 (Intercept)  64.4283     2.3051   27.95   <2e-16 ***
 Catholic      0.1389     0.0396    3.51    0.001 ** 
 Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
 Residual standard error: 11.2 on 45 degrees of freedom
 Multiple R-squared: 0.215,	Adjusted R-squared: 0.198 
 F-statistic: 12.3 on 1 and 45 DF,  p-value: 0.00103 

 summary(res12<-lm(Fertility~ Education+Catholic,data=swiss))　　#二つの変数で

 Call:
 lm(formula = Fertility ~ Education + Catholic, data = swiss)
 Residuals:
    Min     1Q Median     3Q    Max 
 -15.04  -6.58  -1.43   6.12  14.32  
 Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
 (Intercept)  74.2337     2.3520   31.56  < 2e-16 ***
 Education    -0.7883     0.1293   -6.10  2.4e-07 ***
 Catholic      0.1109     0.0298    3.72  0.00056 ***
 ---
 Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
 Residual standard error: 8.33 on 44 degrees of freedom
 Multiple R-squared: 0.575,	Adjusted R-squared: 0.555 
 F-statistic: 29.7 on 2 and 44 DF,  p-value: 6.85e-09


 Q　 Agriculture　はFertilityにどのような影響を与えると考えるか?それを回帰分析によって確認(検定)してみる｡
 Q　教育と宗教にはどのような関係があると考えられるか? それを回帰分析によって確認(検定)してみる｡

 #別のデータ
 library(MASS)
 data(Boston)
 Q1 このデータの説明､helpをみて各変数の意味を理解する｡
 Q2 このデータの記述統計を算出してみる｡
 Q3 データについてヒストグラム､散布図などを描いてみる｡どのような特徴がみられるか?
 Q4 なにが不動産の価値 medvを規定するのかを考え､回帰分析によって検定してみる｡

 #別のデータ
 library(car)
 #インストールしていない場合はインターネットに接続した状態で下記を実行してインストールする｡
 install.packages("car")
 data(Salaries)
 Q1 このデータの説明､helpをみて各変数の意味を理解する｡
 Q2 このデータの記述統計を算出してみる｡
 Q3 質的データについて　集計表を作成してみる｡
 例 table(データセット名$変数名)
 Q4 データについてヒストグラム､散布図などを描いてみる｡どのような特徴がみられるか?
 Q5 なにが給与を規定するのかを考え､回帰分析によって検定してみる｡