2006経済情報処理

2006-07-26

下記に成績評価をUP LOADします。

成績評価ＬＩＳＴ

今期から成績評価の方法が５段階評価になっているようです。
Ａ　　優に相当
Ｂ　　優に相当
Ｃ　　良に相当
Ｄ　　可に相当
Ｆ　　不可に相当

今日以降、課題終了の書き込みをする方は
こちらのコメントに書き込んでください。

8月２日（水）は補講期間のため、教室は開きません。
ゆえに８月9日（水）が最終時間になります。
なお、課題の作成は８月11日までとします。


（注）情報センター（北食の横の建物）が８月１１日まで7：30分まで開いています。
ＳＡＳ（マニュアルもあります）が使えるので、時間があれば利用するといいと思います。

注意すべき点！

注意してください！

データの解釈のしやすさで
「質的データ」を選択した人は
注意すべき点がある。



また、コメントもしっかり記述してください。
「××と○○が似ている、似ていない」
というだけではなく、
なぜ、このような分類になったかを
考えてコメントすること。

参考までに

GDP関連のデータから九州・沖縄を取り出しました。
福岡が飛びぬけている変数、全県似通っている変数など
色々な特徴が、このように簡単にグラフ化することで分かります。

2006-0712

統計資料の分析

これまで使用したSASのプロシジャ

・PROC PRINCOMP
・PROC CLUSTER
・PROC TREE
・PROC REG

のプロシジャを用いて、デ－タ解析をする。

step.1　　使用するデ－タの決定
step.2　　分析メソッドの決定（複数でも良い）
step.3　　計算結果
　　　　　　　コメント（結果の考察）
　　　　　　　SASのコ－ド
step.4　　各自のブログにアップロードする
step.5　　終了した人は、「課題終了」とこのブログの掲示板に書き込む

以上


なお、課題デ－タはこのファイルからデ－タを選んでください。
自分で分析したいデ－タのある方は、そのデ－タでかまいません。


質問やSASのコ－ドの書き方など質問は掲示板に名前を「質問」として書き込んでください。


Sample

2006-07-05

SASによる回帰分析

ここ


ex6
year x1 x2 y
1965 38 240 8.2
1970 41 430 11.3
1975 57 650 18.2
1980 75 660 19.1
1985 81 670 23.7

出所：「すぐわかる統計処理」石村貞夫

2006-06-28

クラスター分析２

クラスター分析は別名数値分類法（numerical taxonomy）ともいう。

クラスター分析の利用法をBall(Classification Analysis:1971)は7つあげている。

1. 真の類型を見出す
   
2. モデルの当てはめ
   
3. グループ化に基づく予測
   
4. 仮設の検定
   
5. データ探索
   
6. 仮設形成
   
7. データ集約
   

クラスター分析は類似の度合いを定量化するが、その測定法は類似度と非類似度に大別される距離の計測による。

距離

1. ユークリッド距離（前回参照）
   
2. 市街距離：2点間の差の絶対値の総和
   
3. ミンコフスキー距離：上の2つを含む一般的測度
   
4. 重み付きユークリッド距離：単位系が異なる場合に行う標準化
   
5. マハラノビス距離：非類似性による指標
   

類似性の測度

1. ピアソンの積率相関係数：－１≦R(a,b)≦１のいわゆる相関係数
   
2. パターン類似率（Pattern Similarity）：積和を2乗和の平方根で除して標準化した0≦S(a,b)≦１の指数
   
3. 偏差パターン類似率：-1≦S(a,b)≦１の指数
   

質的変数

1. 一致係数
   
2. 類似比
   
3. 点相関係数
   

代表的なクラスター計算法

1. 階層的方法
   
   
   
   1. 最近隣法（鎖効果という問題が生じる場合がある）
      
   2. 最遠隣法（完全連結法ともいう）
      
   3. 重心法（セントロイド法ともいう）
      
   4. メディアン法
      
   5. 群平均法
      
   6. ウォード法（Ward's method）
      
   
   
2. 非階層的方法
   
   
   
   1. 最適化法：あらかじめ設定された基準を最適化するように分割を行う。
      
   2. 密度探索法
      
   
   

**********************************************************
ウォード法は最小分散法ともいい、比較的明快なクラスター構造が得られ、心理学では常用されているらしい。

次のデータにウォード法を適用してみよう。
example1

A 2
B 3
C 8
D 10
E 11
F 15
G 18

なお、SASによるクラスター分析では固有値が出力されるが、これは分散共分散行列によるデータ変動の情報である。主成分分析と同じで、固有値にはこのような『利用法もある。

セミパーシャル重相関係数（Semipartial R-Squared）はクラスター内の分散あるいは説明率であり、部分的説明率である。小さいほどばらつきのないまとまったものと解釈できる。R-Squaredはクラスター間の分散である。

部分的説明率が突然増大するとクラスター内のまとまりの悪化を意味し、その直前を最適な分類とするのが無難である。

**********************************************************
example2
Kは「京都」で他は「小京都」と呼ばれる日本各地の市である。これを
x1:歴史の古さ
x2:寺社の多さ
x3:自然の豊さ
の10点満点で評価したのが次のデータである。

K 8 9 8
B 3 5 10
C 2 3 12
D 4 7 15
E 6 1 10

ここではproc cluster のオプションである「pseudo」について説明する。

これはF比、ｔ値といった統計量と対比される擬似統計量の算出を行うものである。

SASの出力について
NCL　　　　　　：クラスター数
FREQ　　　　　：新クラスター内の対象数
SPRSQ　　　　：セミパーシャル重相関係数
RSQ　　　　　　：クラスター間の分散比
Pseudo　F 　：擬似F比で、クラスター間の分散をクラスター内の分散で除したもの。
　　　　　　　　　　分散分析で用いるF値に近い。
Pseudo　ｔ**2：擬似ｔ2乗値結合された２つのクラスター間の距離でF=ｔ＾2の関係にある。

Fは大きいほうが良い、ｔは小さいほうが良い。両方の塩梅で最適なクラスター数を決定すると良い。クラスター数の客観的な指標といってよいだろう。

2006-06-14

クラスター分析

クラスターとは塊とかまとまりのこと、対象の「分類」が目的である。
前回の例題の解釈

主成分分析のレポート作成の参考例

座標間のユークリッド距離を求め、親近度の指標を定義する。

ユークリッド距離の応用：クラスター分析
x y
A 4 1
B 2 4
C 5 7
D 5 2
E 3 4
F 6 5
G 2 6
H 7 2

図1
図２
図３
図４
図5


１．各自でデ-タを集めて、主成分分析とクラスター分析などをじっこうできるようにするか

２．私のほうでデータを指定したほうが良いか、掲示板に記述してください。

１か２かどちらが良いか番号を掲示板に記述しておいてください。

2006-5-7

主成分分析の応用

結果をいかに解釈するか？

先週の結果

解説と課題111


第1主成分と第2主成分の主成分得点散布図

2006-5-31

主成分得点

2006-5-31

主成分分析の出力

１．基本等計量
２・相関行列、分散共分散行列
３．固有値（寄与率）
４．固有ベクトル＝ウェイト
５・主成分得点

出力結果の整形
SASの出力はプレーンテキスト（ＡＳＣＩＩ）、ＨＴＭＬ形式がある。
ＨＴＭＬ形式の出力をＥｘｃｅｌで編集して、自分なりに理解しやすい形に編集（整形）する。

[課題」
結果をグラフにして各自のWeblogにアップロードしてみよう。
できたら、このページのコメントに

・学籍番号
・日付
・ブログのURL

を記述してください。

*************
sample data set
no：番号
x1：外国語
x2：2小論文
x3：面接
y：クラス


no x1 x2 x3 y
1 50 65 70 A
2 45 58 55 A
3 56 55 65 A
4 68 72 59 A
5 43 39 49 B
6 22 30 52 B
7 45 50 43 B
8 49 50 65 A
9 53 65 50 A
10 76 69 72 A

*************



主成分分析の解説と例題

test

test