0 講義の概要 (+R)

立命館大学政策科学部 社会調査法 2026年度

𠮷田政之
yoshida@bus.kindai.ac.jp

近畿大学経営学部

2026/04/06

1 講義の概要　　　　

  1. 講義の概要　　　　

  2. Rを使った分析のイメージ

  3. 参考文献

動画を見てください。Moodle+Rにリンクがあります。

動画では、講義の概要とこの講義で使うPosit Cloudというツールの始め方の説明をしています。

2 Rを使った分析のイメージ

  1. 講義の概要　　　　

  2. Rを使った分析のイメージ

  3. 参考文献

2つのクラスのデータがある

 [1] 100  50  30  50  40  50  40  80  30  30
 [1] 100   0   0 100   0 100   0   0 100 100

これらを表にまとめたり

datasummary_balance(score ~ class, data = datax)
A (N=10) B (N=10)
Mean Std. Dev. Mean Std. Dev. Diff. in Means Std. Error
score 50.0 23.1 50.0 52.7 0.0 18.2

平均値は同じだけど、標準偏差は異なる

図示したり

boxplot(score ~ class, data = datax, main = "箱ひげ図：クラスごとのスコア")

Bクラスの方がバラついている

2.1 例：アイスの売れ行き

  • アイスクリーム屋さんの日次売上データ
  • その日の最高気温と天気についても記録されている
  • 気温と売上の関係を分析する
    • 天気予報に合わせてより正確な営業計画を立てたい

2.1.1 アイスクリームの売上と気温の関係

Code 
ggplot(icecream_data, aes(x = temperature, y = sales)) +
    geom_point( size = 3) +
    labs(
        title = "気温とアイスクリームの売上",
        x = "気温 (°C)",
        y = "売上 (個)"
    ) +
    theme_minimal()

2.1.2 データから予測される関係

Code 
# 単回帰分析
model1 = lm(sales ~ temperature, data = icecream_data)

# 回帰直線を描く
ggplot(icecream_data, aes(x = temperature, y = sales)) +
    geom_point( size = 3) +
    geom_smooth(method = "lm", color = "#4753a2", se = FALSE) +
    labs(
        title = "単回帰分析: 気温とアイスクリームの売上",
        x = "気温 (°C)",
        y = "売上 (個)"
    ) +
    theme_minimal()

特に高気温では、予測される関係から大きく外れるものがある。

2.1.3 天気によって色分けしてみる

Code 
ggplot(icecream_data, aes(x = temperature, y = sales, color = weather)) +
    geom_point(size = 3) +
    labs(
        title = "気温とアイスクリームの売上 (天気ごとに色分け)",
        x = "気温 (°C)",
        y = "売上 (個)"
    ) +
    theme_minimal()

2.1.4 天気の要素を考慮した分析

Code 
# 重回帰分析のモデル作成
model = lm(sales ~ temperature + weather, data = icecream_data)

# 結果を表示
summary(model)

Call:
lm(formula = sales ~ temperature + weather, data = icecream_data)

Residuals:
    Min      1Q  Median      3Q     Max 
-22.592  -5.053   1.816   7.132  22.131 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept)  -40.1586    16.3328  -2.459  0.03175 *  
temperature    3.5263     0.6086   5.794  0.00012 ***
weatherrainy -25.6184     8.9092  -2.875  0.01509 *  
weathersunny  24.6052     8.1653   3.013  0.01179 *  
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 13.28 on 11 degrees of freedom
Multiple R-squared:  0.883, Adjusted R-squared:  0.8511 
F-statistic: 27.68 on 3 and 11 DF,  p-value: 2.005e-05
Code 
ggplot(icecream_data, aes(x = temperature, y = sales, color = weather)) +
    geom_point(size = 3) +
    geom_smooth(method = "lm", se = FALSE) +
    labs(
        title = "重回帰分析: 気温・天気とアイスクリームの売上",
        x = "気温 (°C)",
        y = "アイスクリームの売上 (個)"
    ) +
    theme_minimal()

天気と気温両方を考慮することで精度の高い売上予測が可能に

2.1.5 実際に予測してみる

  • 27 (晴れ), 27 (雨), 33 (晴れ), 33 (曇り), 38 (晴れ), 38 (雨)
Code 
# 予測データ
new_data = data.frame(
    temperature = c(27, 27, 33, 33, 38, 38),
    weather = c("sunny", "rainy", "sunny", "cloudy", "sunny", "rainy")
)

# 予測
predicted_sales = predict(model, new_data)

# 予測結果を表示
data.frame(new_data, Predicted_Sales = predicted_sales)

参考文献