第3回講義資料.pptVIP

データ分析第２回授業 第2章データ分析の進め方 第3章データの収集と編成 データ分析の手順 研究テーマの選択 仮説の設定 計画の立案 データの収集 収集したデータの吟味 データの分析 分析結果の検討 考察と結論 報告書の作成 発表 研究のデザイン 研究計画書を書く 研究計画書に含まなければならない項目 目的 関連先行研究の検討、提案研究の位置づけ （予算配分） 研究の枠組み 研究の内容 期待される成果、社会的意義 研究の枠組み 研究の仮説 作業計画（タイムスケジュール） 作業分担 研究の内容 データ収集の方法 分析の手法 予算 テーマの選択 自分が興味を持てるテーマ 自分がこの研究をすることによってオリジナルな成果が出せる。 文献をよくサーベイする（すでにされていることを繰り返しても意味がない） 結果についてある程度見通しがつく（自分なりの仮説がある） データの収集と分析 既製データの利用 自分でデータを収集 既製データの利用 データの出所 データ項目の意味と分類基準 他のデータとの整合性 異常値や欠損値のチェック 自分でデータを収集 実験あるいは調査をデザイン 倫理上の問題に留意 被調査者、被験者に実験の趣旨を説明、同意を得る データの吟味 はずれ値、欠損値のチェック 問題が生じる原因 データが異常な現実を反映 測定に問題 値の収集、処理のミス（入力ミスなど） 第3章　データの収集と編成 データの収集と編成 我々のまわりには多くのデータが存在している。 気温、身長、足の大きさ、タレント好感度、結婚件数、出生率、株価、偏差値……. あなたの関心のあるデータは何だろうか？考えてみよう。 そのデータを集める意味は何だろうか？ そのデータはどのような性質を備えているだろうか？ どのようにそのデータを集めるのか？ データとは何か？ 「推論?判断の基礎となる情報を含んでいる事実?数値」 「コンピューターのよる情報処理などのために記号化?数値化した資料」 「知りたい対象を数値で測定し、表現するもの」 ?数値で表現できないデータも存在する。 ?しかし、「データ分析」で対象とする多くのデータは数値で表現できるデータを前提としている。 なぜ「数」を使うのか？ 正確さ 客観的で正確な記述が可能 曖昧性の排除 汎用性 比較性 ある基準を設定して他のデータと比較することが可能。 確率判断からある種の予測を行うことが可能。 要約性（数値的要約、視覚的要約） 多くのデータを特定の視点からまとめることが可能。 簡潔な表現によって、データ全体の特徴や傾向を知ることが可能。 統計処理が可能 データのもつ情報の要約性 データのタイプ 表現される対象の性質によって、データの取り扱いも異なる。 データのタイプを見分ける3つのポイント 量的データか、質的データか？ 離散変量か、連続変量か？ 測定尺度（ものさし）は何か？ 量的データの性質 対象の属性、特徴を数量によって表現 量的に変化する特性を備える。 数値、数量で表すのが容易なもの 一定の基準により計算することが可能 ?間隔尺度、比率尺度から得られる。 ?カテゴリー区分にすると、質的データに変換することも可能 質的データの性質 対象の属性や性質を表す。 属性や言葉など質的な特性を表すもの 数値や数量で表すのが難しい、あるいは馴染まない。 ?名義尺度や順序尺度から得られる。 ?データの性質、必要に応じて「数量化」の手続きを行う。 連続変量と離散変量 連続変量 連続的に変化する変量（小数点値もある） 例；長さ、広さ、重さ、時間など 一般的に、連続変量は量的データに分類される。 離散変量 頻度 整数値をとるデータ（ 1つ、2つ、3つと数えられる） 例；人数や回数、個数など 離散変量は、量的データに分類されることが多いが、数量化された質的データの中にも一部離散変量として扱えるものがある。 基本的な測定尺度（1） 名義尺度 数としてではなく単なる記号として任意の数字を用いている。 大小関係、差異に関する比較はできない。 ?例；支持政党を問う時、自民党なら「1」、民主党なら「2」、公明党なら「3」というように回答を数で表す方法。 順序尺度 測定値間の大小関係（順位関係）は表すが、その差異は表現しない。平均をとる意味ない。 １番と２番の差は３番と４番の差と等しい保証は何もない。 ?例；タレントの好き嫌いを問うとき、“とても嫌い”なら「1」、“やや嫌い”なら「2」、“どちらでもない”なら「3」、“やや好き”なら「4」、“とても好き”なら「5」 基本的な測定尺度（2） 間隔尺度 大小関係だけでなく、数値の間に等間隔性がある。 数値の差や和に意味があるが、測定値間の剰余は不可能。 間隔尺度で測