政策研究大学院大学　教育調査分析法

統計パッケージRによるデータの集計と分析

導入

エクセルを使わない理由

• データファイルをいじることになる(データが壊れる可能性が高い)
• 分析に問題があることが多く指摘されている(プロの道具ではない)
• グラフの設定が煩雑(図の大量生産には向かない)

なぜRを使うのか

• 使い続けられる(無料)
• 自習しやすい(代表的な分析は誰かがコードを公開している)
• グラフが割ときれい(画像ファイルとして出力されるのでそのまま使える)
• (うまくやれば)レポートの自動作成くらいは可能

準備

環境

• 以下のような流れで処理ができるような環境をつくる
  • CSV形式でデータファイルを作り，格納する(エクセル)。
  • テキストでコードを書く(テキストエディタ)
  • プロットの扱いが簡単な統合環境にコードを貼り付けて実行する(RStudio)

必要なソフトの入手

RStudio(統合環境)

• https://www.rstudio.com/ide/download/ から RStudio Desktop をダウンロードして各自の端末にインストールする。

TeraPad(テキストエディタ)

• http://www5f.biglobe.ne.jp/~t-susumu/library/tpad.html から tpad109.zip をダウンロードし，圧縮を解凍したフォルダをデスクトップに置く。

Rの拡張

• インストールしたRstudioを開く
• psychというパッケージをインストールする

install.packages("psych")

Rを使う

基本的な操作

• 「計算してその結果を代入し，代入した結果を使ってあれこれする」という使い方をするのが一般的

とりあえず計算

1 + 1

## [1] 2

計算結果を文字に代入

a <- 1 + 1
a

## [1] 2

代入した結果を使って計算

a + 1

## [1] 3

計算結果をある文字で保持させて，その結果を出す

b <- a + 1
b

## [1] 3

データファイルをつくる

• 一般的にはスプレッドシートを使って作り，csv形式で保存する。
  • エクセルの場合， 名前をつけて保存→ファイルの種類を「CSV(カンマ区切り)」 として保存。
• ファイル名には全角文字を使わないようにする(場合によってはエラーが出る)。
• 変数名にも全角文字は使わない。

データファイルの例

• 1行目は変数名を入れるのが一般的

データファイルの保存

• Rを使うためのディレクトリをルートの直下に作り(たとえばc:\R)，以後，このディレクトリをRでの分析に使うことにするとよい(講義では必ずそうすること)。

データファイルを用いたRによる集計・分析

分析に使うディレクトリの設定

setwd("c:\R")

• 現在のワーキングディレクトリを表示させる

getwd()

## [1] "C:/R"

データファイルを読ませる

data <- read.csv("data.csv")

• このように打つとデータが全て表示される。

  data
  

• 最初の7行を表示させる

head(data)

##   id class class_size pre post
## 1  1     1         20  13   15
## 2  2     1         20  17   10
## 3  3     1         20  17   22
## 4  4     1         20  10    5
## 5  5     1         20  20   20
## 6  6     2         20  11   25

• 最初の5行を表示させる

nrow(data)

## [1] 40

記述統計

• データ全てに対する記述統計

summary(data)

##        id           class        class_size        pre      
##  Min.   : 1.0   Min.   :1.00   Min.   :20.0   Min.   : 8.0  
##  1st Qu.:10.8   1st Qu.:2.75   1st Qu.:23.8   1st Qu.:11.8  
##  Median :20.5   Median :4.50   Median :27.5   Median :16.5  
##  Mean   :20.5   Mean   :4.50   Mean   :27.5   Mean   :16.4  
##  3rd Qu.:30.2   3rd Qu.:6.25   3rd Qu.:31.2   3rd Qu.:22.0  
##  Max.   :40.0   Max.   :8.00   Max.   :35.0   Max.   :25.0  
##       post     
##  Min.   : 5.0  
##  1st Qu.:10.0  
##  Median :16.0  
##  Mean   :15.6  
##  3rd Qu.:20.2  
##  Max.   :25.0

• psychパッケージのdescribeの方が使いやすい -　始めにパッケージを読み込ませる

　- その上で記述統計を出力させる

describe(data)

##            vars  n  mean    sd median trimmed   mad min max range  skew
## id            1 40 20.50 11.69   20.5   20.50 14.83   1  40    39  0.00
## class         2 40  4.50  2.32    4.5    4.50  2.97   1   8     7  0.00
## class_size    3 40 27.50  5.66   27.5   27.50  7.41  20  35    15  0.00
## pre           4 40 16.43  5.21   16.5   16.38  8.15   8  25    17  0.15
## post          5 40 15.62  5.95   16.0   15.69  7.41   5  25    20 -0.03
##            kurtosis   se
## id            -1.29 1.85
## class         -1.33 0.37
## class_size    -1.44 0.90
## pre           -1.27 0.82
## post          -1.23 0.94

データハンドリングと記述統計

特定の変数だけを集計する

describe(data$post)

##   vars  n  mean   sd median trimmed  mad min max range  skew kurtosis   se
## 1    1 40 15.62 5.95     16   15.69 7.41   5  25    20 -0.03    -1.23 0.94

特定のケースだけを対象にして特定の変数の記述統計

data2 <- subset(data, class_size == 20)
describe(data2$pre)

##   vars  n mean   sd median trimmed  mad min max range skew kurtosis   se
## 1    1 10 14.9 4.61     14   14.38 4.45  10  24    14 0.62    -1.03 1.46

簡単な作図

ヒストグラム

hist(data$pre)

• 若干工夫してみる

hist(data$pre, xlim = c(0, 25), ylim = c(0, 0.1), breaks = 5, freq = FALSE, 
    main = "ヒストグラム", xlab = "得点", ylab = "密度")

散布図

plot(data$pre, data$post)

require(markdown) testres <- rpubsUpload(“test doc”, “pcaexamp.html”, method=“internal”) if (!is.null(testres$continueUrl)) browseURL(testres$continueUrl) else stop(testres$error)