共通数量化による分析のJupyter Notebookにおける実行例
岡本安晴「いまさら聞けないPythonでデータ分析」丸善出版の「第8章 数量化」における分析例のJupyter Notebook版を以下のように作成した。
なお、ファイルは圧縮ファイル*.zipにまとめているが、これらのダウンロードのとき「セキュリティの警告メッセージ」が表示されることがあるが、無視して進めばダウンロードできる。
また、分析する入力データファイルは、実行するJupyter Notebookのファイル*.ipynbと同じフォルダーに置いておく。
CSV形式のデータファイルは、Excelなどで表形式のデータを作成した後、ファイル拡張子として「.csv」を選んで保存すると、CSV形式のファイルとして保存される。CSV形式での保存を選んだ場合、「失われる情報があります。いいですか?」というようなメッセージが表示されるが、CSV形式のファイルには関係のない情報なので、「はい」を選択すればよい。
以下の分析において、固有ベクトルの計算が行われているものについては、固有ベクトルは符号を反転したものも解であるので、符号の反転したものが解として得られることがある。
共通数量化
カテゴリ変数ごとに、それに含まれる情報を最大限反映するカテゴリ値の数値化を行う。
Jupyter Notebook用のプログラムを用意した。
Jupyter Notebookでの実行画面を示す。使用ファイルは圧縮ファイルにまとめた。
上の共通数量化に続く主成分分析
共通数量化で得られた変量(変数)の関係を調べるのに主成分分析は有用である。
上の数量化で得られた変量に限らず、多変量の関係を調べるものとして簡単な主成分分析のプログラムを用意してみた。
Jupyter Notebookでの実行画面、使用ファイルの圧縮ファイル
上の主成分分析に続く単回帰分析
2変量の関係を単回帰モデルで表す簡単なプログラムを作成した。
上の数量化の結果以外に、2変量の関係の分析に使用できるが、
入力データファイルの表は、1列目がユニットの識別値でなければならない。
適当な文字列値でよいが、この識別値は、分析結果のグラフ描画において用いられる。
Jupyter Notebook での実行画面、使用ファイルの圧縮ファイル
上の主成分分析に続くクロス表の作成
Jupyter Notebookでの実行画面、使用ファイルの圧縮ファイル
プログラムは、共通数量化・主成分分析とは独立にカテゴリ変数のクロス表作成に用いることができる。
ただし、入力データは2行目に適当な値の行を挿入する必要がある。この2行目は分析には用いられない。