【SEM対策室 ツジ】
こんばんは☆１２月に入ってから急に寒くなったような感じですが、体調を整えて日々生活したいものです。寒さにめっぽう弱いツジです。
今回は、今勉強中のものの一つのR言語について触れたいと思います。R言語はウィキペディアによると、「オープンソースのフリーソフトウェアで統計解析向けのプログラミング言語」とのことです。普段Excel等で起こっている表計算や、グラフ化等の作業をプログラミングで行うことができます。
試しに２点の課題をしてみました。
（１）日本の人口推移を折れ線グラフで表す
総務省統計局（http://www.stat.go.jp/）から年別×都道府県別の人口データを取得してきました。それらを年別に人口を集計して折れ線グラフに表します。
上記で、chk00.csvをR言語に読み込んで(dablog.chk00)、年別(year)×都道府県(prefecture)別に分割された人口(population)を年別に集計しています。
上記にて、折れ線(x軸：年、y軸：人口)のグラフを描画しました。
（２） ラグビー人気の理由を確かめる
今年の後半は何かと「ラグビー」いうワードを聞くことが多いでした。（友人の結婚式やダブログの中でも。。）私はテレビをほとんど見ていないので、ラグビーが盛り上がっていることを知ったのはかなり遅かったですが。。
ラグビーが人気であることは上記のとおり周知の事実ですが、ネット上でのトレンドワードからラグビーを人気にしたキーワードを推察したいと思います。
私がラグビーを人気にしたと思われるワードを以下のとおり仮定しました。
・ワールドカップ → ラグビーワールドカップが開催されたから
・ 南アフリカ → ワールドカップの日本対南アフリカがよかったらしいから
・ 五郎丸 → 流行語大賞に入っていたから
Google Trendで「ラグビー」、「ワールドカップ」、「南アフリカ」、「五郎丸」の流行具合を測る指数データ（３ヶ月分）を取得しました。それらをR言語に取り込み、重回帰分析にて「ラグビー」のキーワードとの関連度を調べてみました。
上記のとおり、「ラグビー」、「ワールドカップ」、「南アフリカ」、「五郎丸」個々のGoogle Trendの指数データをR言語に読み込みました。
４つのデータを１つのオブジェクトにまとめました。
上記では、「ラグビー」、「南アフリカ」、「五郎丸」、「ワールドカップ」を利用して回帰分析をおこないました。
「ラグビーの指数 ＝ 0.1747×南アフリカの指数 ＋ 0.2593×五郎丸の指数 + 0.6051×ワールドカップの指数 − 3.0500」
という式の関係が表されました。それにより、以下の点についてわかりました。
・ここのキーワードとの関連性がない状況ではラグビーが注目されることはなかったと思われる（切片のみの状態でマイナスだから）
また、結果が確からしいかを確認したところ、
決定係数（Adjusted R-squared）= 0.9077
なので、結果としては十分な精度と考えられます。
よって、ネット上では、ラグビーはワールドカップ、五郎丸、南アフリカと関連して検索されているようです。以上からラグビーは３語と関係することで人気となっていることわかりました。
また、「ワールドカップ、五郎丸、南アフリカ」の相互の影響度合いも見ようと思っていました。しかし、それぞれ個別にデータを取得してしまったために見れてないので、後で確認したいと思います。また、すでに使ってるよ！とか突っ込みどころはあると思いますが、アウトプットしなければ身につかないので、このような機会があってよかったです。Excelでもできるやん？という印象も受けますが、触ってみてExcelよりも良いと思える点も何点かあったので引き続き学習できればと思います。
そもそも、私だけでなくそれぞれの方が日々数値とのにらめっこを続けている毎日だと思われます。私自身も普段数値を見ていて、数値を理解するスピードを速くできたり、少しでも現状と理想のギャップの原因を数値から突き止めることができたらなぁ〜と思っています。現場の仕事だけではなく、体系的に理解できる学習を日々していくことで、日々成長していければなぁと思いました。
この記事に関連する情報
