#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｡