「マクロ政治データ分析実習」第12回課題
セットアップ&データハンドリング
問題1： {tidyverse}、{summarytools}、{modelsummary}、{marginaleffects}、{naniar}パッケージを読み込む。特定のパッケージがインストールされていない場合は、課題に取り組む前にインストールしておくこと。続いて、課題用データ（Macro_HW12.csv）を読み込み、raw_dfという名で格納し、出力する。
- 課題用データ（
Macro_HW12.csv）はLMSからダウンロード可能 - データはプロジェクト・フォルダー内に
Dataというフォルダーを作成し、そこにアップロードしておくこと。 - データの読み込みは必ず
read_csv()関数を使うこと（read.csv()は使わない）。
# ここにRコード# A tibble: 2,377 × 10
VotedLDP Female Age Educ Ideology Issue1 Issue2 Issue3 Issue4 Issue5
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 1 0 38 4 10 10 10 10 10 0
2 0 0 23 4 7 2 99 6 6 5
3 0 0 47 4 5 1 2 5 10 10
4 1 0 48 2 6 6 6 10 99 5
5 0 1 41 4 5 99 3 8 8 7
6 0 1 28 4 999 7 3 10 9 10
7 0 1 69 2 8 9 6 0 4 4
8 1 0 37 2 8 10 10 5 10 10
9 0 1 70 2 5 5 5 5 5 5
10 0 1 67 3 7 9 2 0 8 0
# ℹ 2,367 more rows本データは早稲田大学の日野愛郎、関西大学（当時は早稲田大学）の宋財泫が実施した2019年参院選後の世論調査の一部である（データにはノイズを加えたため、本課題以外の目的では使用不可）。データの詳細は以下の通りである。
| 変数 | 説明 | 備考 | 欠損値 |
|---|---|---|---|
VotedLDP |
自民党への投票有無 | 1: 自民党に投票 / 0: その他 | |
Female |
性別 | 0: 男性 / 1: 女性 | |
Age |
年齢 | 歳 | |
Educ |
教育水準 | 高いほど高学歴 | 9 |
Ideology |
政治的イデオロギー | 0:革新〜5:中道〜10:保守 | 999 |
Issue1 |
憲法9条改正への賛否 | 0:改正反対〜10:改正賛成 | 99 |
Issue2 |
原発再稼働への賛否 | 0:再稼働反対〜10:再稼働賛成 | 99 |
Issue3 |
夫婦別姓への賛否 | 0:反対〜10:賛成 | 99 |
Issue4 |
教育無償化への賛否 | 0:反対〜10:賛成 | 99 |
Issue5 |
同性婚（容認）への賛否 | 0:反対〜10:賛成 | 99 |
問題2： raw_dfの大きさ（= raw_dfの行数と列数）を出力する。
# ここにRコード[1] 2377 10問題3： raw_dfの変数名を出力する。
# ここにRコード [1] "VotedLDP" "Female" "Age" "Educ" "Ideology" "Issue1"
[7] "Issue2" "Issue3" "Issue4" "Issue5" 問題4： raw_dfの記述統計を出力する。
- 平均値、標準偏差、最小値、最大値、有効ケース数を出力
# ここにRコードDescriptive Statistics
raw_df
N: 2377
Mean Std.Dev Min Max N.Valid
-------------- ------- --------- ------- -------- ---------
VotedLDP 0.30 0.46 0.00 1.00 2377.00
Female 0.44 0.50 0.00 1.00 2377.00
Age 53.56 15.42 18.00 79.00 2377.00
Educ 3.38 1.25 1.00 9.00 2377.00
Ideology 26.25 142.64 0.00 999.00 2377.00
Issue1 6.93 15.19 0.00 99.00 2377.00
Issue2 6.17 15.02 0.00 99.00 2377.00
Issue3 7.96 14.42 0.00 99.00 2377.00
Issue4 8.80 14.27 0.00 99.00 2377.00
Issue5 8.12 15.96 0.00 99.00 2377.00問題5： 一部の変数には欠損値がNAでなく、9や999となっている。問題1の表を参照し、欠損値を表す値（9や99、999）を欠損値（NA）に置換する。置換した結果をtemp_dfに格納し、temp_dfを出力する。
# ここにRコード# A tibble: 2,377 × 10
VotedLDP Female Age Educ Ideology Issue1 Issue2 Issue3 Issue4 Issue5
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 1 0 38 4 10 10 10 10 10 0
2 0 0 23 4 7 2 NA 6 6 5
3 0 0 47 4 5 1 2 5 10 10
4 1 0 48 2 6 6 6 10 NA 5
5 0 1 41 4 5 NA 3 8 8 7
6 0 1 28 4 NA 7 3 10 9 10
7 0 1 69 2 8 9 6 0 4 4
8 1 0 37 2 8 10 10 5 10 10
9 0 1 70 2 5 5 5 5 5 5
10 0 1 67 3 7 9 2 0 8 0
# ℹ 2,367 more rows問題6： temp_dfの記述統計を出力する。
- 平均値、標準偏差、最小値、最大値、有効ケース数を出力
- 有効ケース数（
N.Vaild列）の数値が一致するかを確認すること。
# ここにRコードDescriptive Statistics
temp_df
N: 2377
Mean Std.Dev Min Max N.Valid
-------------- ------- --------- ------- ------- ---------
VotedLDP 0.30 0.46 0.00 1.00 2377.00
Female 0.44 0.50 0.00 1.00 2377.00
Age 53.56 15.42 18.00 79.00 2377.00
Educ 3.24 0.89 1.00 4.00 2320.00
Ideology 5.35 2.16 0.00 10.00 2327.00
Issue1 4.55 3.36 0.00 10.00 2317.00
Issue2 3.85 3.20 0.00 10.00 2319.00
Issue3 5.76 2.82 0.00 10.00 2321.00
Issue4 6.62 2.71 0.00 10.00 2321.00
Issue5 5.40 2.83 0.00 10.00 2308.00問題7： 1つでも欠損値（NA）を含む行をデータから除外する。除外後のデータはdfという名のオブジェクトとしてく格納し、dfを出力する。
# ここにRコード# A tibble: 1,993 × 10
VotedLDP Female Age Educ Ideology Issue1 Issue2 Issue3 Issue4 Issue5
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 1 0 38 4 10 10 10 10 10 0
2 0 0 47 4 5 1 2 5 10 10
3 0 1 69 2 8 9 6 0 4 4
4 1 0 37 2 8 10 10 5 10 10
5 0 1 70 2 5 5 5 5 5 5
6 0 1 67 3 7 9 2 0 8 0
7 0 1 76 2 8 5 5 5 5 5
8 0 1 34 4 2 10 7 7 1 10
9 1 0 52 4 5 6 7 5 6 5
10 0 0 70 1 5 0 1 1 2 0
# ℹ 1,983 more rows問題8： dfの記述統計を出力する。
- 平均値、標準偏差、最小値、最大値、有効ケース数を出力
- 有効ケース数（
N.Vaild列）の数値が一致するかを確認すること。
# ここにRコードDescriptive Statistics
df
N: 1993
Mean Std.Dev Min Max N.Valid
-------------- ------- --------- ------- ------- ---------
VotedLDP 0.30 0.46 0.00 1.00 1993.00
Female 0.44 0.50 0.00 1.00 1993.00
Age 53.64 15.44 18.00 79.00 1993.00
Educ 3.24 0.90 1.00 4.00 1993.00
Ideology 5.36 2.15 0.00 10.00 1993.00
Issue1 4.54 3.37 0.00 10.00 1993.00
Issue2 3.89 3.20 0.00 10.00 1993.00
Issue3 5.76 2.82 0.00 10.00 1993.00
Issue4 6.60 2.72 0.00 10.00 1993.00
Issue5 5.40 2.81 0.00 10.00 1993.00ロジスティック回帰分析
問題9： 以下のようなモデルを推定し、fit1という名のオブジェクトとしてく格納し、summary()関数で推定結果を出力する。
# ここにRコード
Call:
glm(formula = VotedLDP ~ Ideology + Age + Female + Educ + Issue1 +
Issue2 + Issue3 + Issue4 + Issue5, family = binomial("logit"),
data = df)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -3.846157 0.461617 -8.332 < 2e-16 ***
Ideology 0.274371 0.030646 8.953 < 2e-16 ***
Age -0.001211 0.003889 -0.311 0.755
Female 0.033752 0.120787 0.279 0.780
Educ 0.106131 0.066613 1.593 0.111
Issue1 0.205883 0.020927 9.838 < 2e-16 ***
Issue2 0.100909 0.021157 4.769 1.85e-06 ***
Issue3 0.030583 0.026063 1.173 0.241
Issue4 0.019683 0.022067 0.892 0.372
Issue5 -0.124282 0.026460 -4.697 2.64e-06 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 2446.8 on 1992 degrees of freedom
Residual deviance: 1907.4 on 1983 degrees of freedom
AIC: 1927.4
Number of Fisher Scoring iterations: 5問題10： fit1を利用し、自民党への投票確率の予測値を計算する。回答者の政治的イデオロギー（Ideology）が0の場合、1の場合、2の場合、…、10の場合の予測確率を計算し、fit1_predに格納する。最後にfit1_predを出力すること。
# ここにRコード
Ideology Estimate Pr(>|z|) S 2.5 % 97.5 % Age Female Educ Issue1 Issue2
0 0.0688 <0.001 135.7 0.0482 0.0973 53.6 0 3.24 4.54 3.89
1 0.0886 <0.001 146.7 0.0656 0.1186 53.6 0 3.24 4.54 3.89
2 0.1134 <0.001 159.5 0.0886 0.1441 53.6 0 3.24 4.54 3.89
3 0.1440 <0.001 171.8 0.1180 0.1746 53.6 0 3.24 4.54 3.89
4 0.1812 <0.001 175.5 0.1545 0.2115 53.6 0 3.24 4.54 3.89
5 0.2256 <0.001 153.1 0.1975 0.2563 53.6 0 3.24 4.54 3.89
6 0.2770 <0.001 98.2 0.2454 0.3111 53.6 0 3.24 4.54 3.89
7 0.3352 <0.001 42.7 0.2960 0.3768 53.6 0 3.24 4.54 3.89
8 0.3988 <0.001 12.4 0.3486 0.4512 53.6 0 3.24 4.54 3.89
9 0.4660 0.301 1.7 0.4028 0.5304 53.6 0 3.24 4.54 3.89
10 0.5345 0.377 1.4 0.4580 0.6094 53.6 0 3.24 4.54 3.89
Issue3 Issue4 Issue5
5.76 6.6 5.4
5.76 6.6 5.4
5.76 6.6 5.4
5.76 6.6 5.4
5.76 6.6 5.4
5.76 6.6 5.4
5.76 6.6 5.4
5.76 6.6 5.4
5.76 6.6 5.4
5.76 6.6 5.4
5.76 6.6 5.4
Type: invlink(link)
Columns: rowid, estimate, p.value, s.value, conf.low, conf.high, Age, Female, Educ, Issue1, Issue2, Issue3, Issue4, Issue5, Ideology, VotedLDP 問題11： fit1_predを利用し、回答者の政治的イデオロギーと自民党に投票する確率の関係を可視化する。以下の図と同じ情報を持つのであれば、図は自由にカスタマイズしても良い。
- 参考）ラベル内の改行
\nを使用する。たとえば、"0\n（革新）"と指定すると、\nの箇所が改行される。
# ここにRコード
問題12： 問題9〜11の結果に基づき、有権者の政治的イデオロギーと自民党への投票有無の関係について述べよ。仮説検定に使用する有意水準は5%とする（\(\alpha = 0.05\)）。
ここに解釈を記入する。
交互作用
問題13： 以下の2つの線形回帰分析を行う。推定結果はfit2とfit3に格納する。推定結果は以下のように一つの表としてまとめて出力すること。
fit2の中身
fit3の中身# ここにRコード| (1) | (2) | |
|---|---|---|
| 注：カッコ内の数値はp値 | ||
| (Intercept) | 4.923 | 7.411 |
| (<0.001) | (<0.001) | |
| Ideology | 0.183 | -0.282 |
| (0.066) | (<0.001) | |
| Age | 0.020 | -0.025 |
| (0.054) | (<0.001) | |
| Female | 0.865 | 0.603 |
| (<0.001) | (0.074) | |
| Educ | 0.245 | 0.248 |
| (<0.001) | (<0.001) | |
| Ideology × Age | -0.008 | |
| (<0.001) | ||
| Ideology × Female | 0.049 | |
| (0.402) | ||
| Num.Obs. | 1993 | 1993 |
| R2 | 0.092 | 0.083 |
| R2 Adj. | 0.090 | 0.080 |
| AIC | 9614.9 | 9636.2 |
| BIC | 9654.1 | 9675.4 |
| Log.Lik. | -4800.440 | -4811.101 |
| F | 40.467 | 35.807 |
| RMSE | 2.69 | 2.70 |
モデル1（fit2）
問題14： fit2を使用し、回答者のイデオロギー（0、1、2、…、10）ごとの夫婦別姓に対する賛否態度の予測値を計算する。ただし、イデオロギーが夫婦別姓に対する賛否に与える影響は回答者の年齢（Age）にも依存することを考慮し、回答者の年齢を20歳、40歳、60歳に動かしながら予測値を計算する。その他の説明変数はすべて平均値に固定する。予測値の結果はfit2_predに格納し、出力する。
# ここにRコード
Ideology Age Estimate Std. Error z Pr(>|z|) S 2.5 % 97.5 % Female Educ
0 20 6.11 0.391 15.6 <0.001 180.3 5.35 6.88 0 3.24
0 40 6.51 0.225 28.9 <0.001 608.6 6.07 6.95 0 3.24
0 60 6.91 0.183 37.8 <0.001 Inf 6.55 7.27 0 3.24
1 20 6.13 0.332 18.5 <0.001 250.4 5.48 6.78 0 3.24
1 40 6.36 0.192 33.0 <0.001 792.8 5.98 6.74 0 3.24
--- 23 rows omitted. See ?avg_predictions and ?print.marginaleffects ---
9 40 5.14 0.161 31.9 <0.001 739.6 4.83 5.46 0 3.24
9 60 4.03 0.142 28.3 <0.001 584.5 3.75 4.31 0 3.24
10 20 6.27 0.337 18.6 <0.001 254.0 5.61 6.93 0 3.24
10 40 4.99 0.192 26.0 <0.001 492.5 4.61 5.37 0 3.24
10 60 3.71 0.168 22.2 <0.001 359.1 3.38 4.04 0 3.24
Type: response
Columns: rowid, estimate, std.error, statistic, p.value, s.value, conf.low, conf.high, Female, Educ, Ideology, Age, Issue3 問題15： fit2_predのAge列を修正する。具体的にAgeの値が20なら"20歳"、40なら"40歳"、60なら"60歳"にリコーディングする。修正後、fit2_predに上書きし、出力すること。
- 普通に
fit2_predのみ入力した場合、Age列が表示されない可能性がある。この場合、print(fit2_pred, style = "data.frame")で出力すると、サンプルファイルと同じ形式で出力される。
# ここにRコード rowid estimate std.error statistic p.value s.value conf.low
1 1 6.112940 0.39139822 15.61821 5.472020e-55 180.2540 5.345813
2 2 6.511222 0.22512518 28.92267 6.193437e-184 608.6040 6.069985
3 3 6.909505 0.18286607 37.78451 0.000000e+00 Inf 6.551094
4 4 6.128316 0.33196679 18.46063 4.283137e-76 250.3679 5.477673
5 5 6.359076 0.19247394 33.03863 2.265419e-239 792.7610 5.981834
6 6 6.589836 0.15668181 42.05872 0.000000e+00 Inf 6.282746
7 7 6.143693 0.27547015 22.30257 3.488644e-110 363.6094 5.603781
8 8 6.206930 0.16165869 38.39528 0.000000e+00 Inf 5.890085
9 9 6.270167 0.13234289 47.37820 0.000000e+00 Inf 6.010780
10 10 6.159069 0.22413876 27.47882 3.144695e-166 549.7871 5.719766
11 11 6.054784 0.13395278 45.20088 0.000000e+00 Inf 5.792241
12 12 5.950499 0.11106913 53.57473 0.000000e+00 Inf 5.732807
13 13 6.174446 0.18238697 33.85355 3.218191e-251 832.1177 5.816974
14 14 5.902638 0.11169443 52.84630 0.000000e+00 Inf 5.683721
15 15 5.630830 0.09494378 59.30699 0.000000e+00 Inf 5.444743
16 16 6.189823 0.15800103 39.17584 0.000000e+00 Inf 5.880146
17 17 5.750492 0.09864293 58.29603 0.000000e+00 Inf 5.557155
18 18 5.311161 0.08688239 61.13047 0.000000e+00 Inf 5.140874
19 19 6.205199 0.15917325 38.98393 0.000000e+00 Inf 5.893225
20 20 5.598346 0.09852759 56.82008 0.000000e+00 Inf 5.405235
21 21 4.991492 0.08910128 56.02043 0.000000e+00 Inf 4.816857
22 22 6.220576 0.18541954 33.54865 9.419615e-247 817.2806 5.857160
23 23 5.446199 0.11138865 48.89367 0.000000e+00 Inf 5.227882
24 24 4.671823 0.10092466 46.29021 0.000000e+00 Inf 4.474014
25 25 6.235952 0.22824803 27.32095 2.391870e-164 543.5381 5.788595
26 26 5.294053 0.13352770 39.64760 0.000000e+00 Inf 5.032344
27 27 4.352154 0.11953575 36.40881 3.088343e-290 961.7323 4.117868
28 28 6.251329 0.28015426 22.31388 2.709297e-110 363.9742 5.702237
29 29 5.141907 0.16116561 31.90449 2.313055e-223 739.5802 4.826028
30 30 4.032485 0.14229568 28.33877 1.151008e-176 584.4564 3.753591
31 31 6.266706 0.33696902 18.59728 3.380590e-77 254.0312 5.606259
32 32 4.989761 0.19194152 25.99626 5.459078e-149 492.5186 4.613563
33 33 3.712816 0.16752191 22.16317 7.787152e-109 359.1291 3.384480
conf.high Female Educ Ideology Age Issue3
1 6.880066 0 3.235324 0 20歳 10
2 6.952460 0 3.235324 0 40歳 10
3 7.267916 0 3.235324 0 60歳 10
4 6.778959 0 3.235324 1 20歳 10
5 6.736318 0 3.235324 1 40歳 10
6 6.896927 0 3.235324 1 60歳 10
7 6.683604 0 3.235324 2 20歳 10
8 6.523775 0 3.235324 2 40歳 10
9 6.529555 0 3.235324 2 60歳 10
10 6.598373 0 3.235324 3 20歳 10
11 6.317327 0 3.235324 3 40歳 10
12 6.168190 0 3.235324 3 60歳 10
13 6.531918 0 3.235324 4 20歳 10
14 6.121555 0 3.235324 4 40歳 10
15 5.816916 0 3.235324 4 60歳 10
16 6.499499 0 3.235324 5 20歳 10
17 5.943828 0 3.235324 5 40歳 10
18 5.481447 0 3.235324 5 60歳 10
19 6.517173 0 3.235324 6 20歳 10
20 5.791456 0 3.235324 6 40歳 10
21 5.166127 0 3.235324 6 60歳 10
22 6.583992 0 3.235324 7 20歳 10
23 5.664517 0 3.235324 7 40歳 10
24 4.869632 0 3.235324 7 60歳 10
25 6.683310 0 3.235324 8 20歳 10
26 5.555763 0 3.235324 8 40歳 10
27 4.586440 0 3.235324 8 60歳 10
28 6.800421 0 3.235324 9 20歳 10
29 5.457786 0 3.235324 9 40歳 10
30 4.311380 0 3.235324 9 60歳 10
31 6.927153 0 3.235324 10 20歳 10
32 5.365960 0 3.235324 10 40歳 10
33 4.041153 0 3.235324 10 60歳 10問題16： fit2_predを使用し、イデオロギーと夫婦別姓に対する態度間の関係（年齢別）を表す図を作成する。以下の図と同じ情報を持つのであれば、図は自由にカスタマイズしても良い。
# ここにRコード
問題17： fit2を使用し、イデオロギーの限界効果を計算する。限界効果の計算の歳、回答者の年齢を18歳から76歳まで1歳単位で動かす。計算結果はfit2_ameに格納し、出力すること。
- 以下のように全行を出力したい場合、
print(fit2_ame, topn = Inf)と入力する。
# ここにRコード
Age Estimate Std. Error z Pr(>|z|) S 2.5 % 97.5 %
18 0.03213 0.0691 0.465 0.64180 0.6 -0.103 0.16750
19 0.02375 0.0675 0.352 0.72477 0.5 -0.108 0.15597
20 0.01538 0.0658 0.234 0.81530 0.3 -0.114 0.14440
21 0.00700 0.0642 0.109 0.91319 0.1 -0.119 0.13286
22 -0.00138 0.0626 -0.022 0.98247 0.0 -0.124 0.12136
23 -0.00975 0.0610 -0.160 0.87307 0.2 -0.129 0.10989
24 -0.01813 0.0595 -0.305 0.76046 0.4 -0.135 0.09841
25 -0.02650 0.0579 -0.458 0.64713 0.6 -0.140 0.08698
26 -0.03488 0.0563 -0.619 0.53579 0.9 -0.145 0.07553
27 -0.04326 0.0548 -0.789 0.43000 1.2 -0.151 0.06417
28 -0.05163 0.0533 -0.969 0.33254 1.6 -0.156 0.05280
29 -0.06001 0.0518 -1.159 0.24643 2.0 -0.161 0.04146
30 -0.06838 0.0503 -1.360 0.17399 2.5 -0.167 0.03020
31 -0.07676 0.0488 -1.572 0.11594 3.1 -0.172 0.01894
32 -0.08514 0.0474 -1.797 0.07233 3.8 -0.178 0.00772
33 -0.09351 0.0460 -2.035 0.04188 4.6 -0.184 -0.00343
34 -0.10189 0.0446 -2.287 0.02221 5.5 -0.189 -0.01456
35 -0.11027 0.0432 -2.553 0.01069 6.5 -0.195 -0.02561
36 -0.11864 0.0419 -2.834 0.00459 7.8 -0.201 -0.03659
37 -0.12702 0.0405 -3.133 0.00173 9.2 -0.206 -0.04755
38 -0.13539 0.0393 -3.447 < 0.001 10.8 -0.212 -0.05840
39 -0.14377 0.0381 -3.777 < 0.001 12.6 -0.218 -0.06917
40 -0.15215 0.0369 -4.125 < 0.001 14.7 -0.224 -0.07986
41 -0.16052 0.0358 -4.489 < 0.001 17.1 -0.231 -0.09044
42 -0.16890 0.0347 -4.871 < 0.001 19.8 -0.237 -0.10094
43 -0.17727 0.0337 -5.267 < 0.001 22.8 -0.243 -0.11131
44 -0.18565 0.0327 -5.674 < 0.001 26.1 -0.250 -0.12152
45 -0.19403 0.0318 -6.094 < 0.001 29.8 -0.256 -0.13162
46 -0.20240 0.0310 -6.520 < 0.001 33.7 -0.263 -0.14156
47 -0.21078 0.0303 -6.949 < 0.001 38.0 -0.270 -0.15133
48 -0.21916 0.0297 -7.377 < 0.001 42.5 -0.277 -0.16093
49 -0.22753 0.0292 -7.800 < 0.001 47.2 -0.285 -0.17035
50 -0.23591 0.0287 -8.206 < 0.001 52.0 -0.292 -0.17956
51 -0.24428 0.0284 -8.594 < 0.001 56.7 -0.300 -0.18857
52 -0.25266 0.0282 -8.955 < 0.001 61.4 -0.308 -0.19736
53 -0.26104 0.0281 -9.286 < 0.001 65.8 -0.316 -0.20594
54 -0.26941 0.0281 -9.580 < 0.001 69.8 -0.325 -0.21429
55 -0.27779 0.0282 -9.834 < 0.001 73.4 -0.333 -0.22242
56 -0.28616 0.0285 -10.047 < 0.001 76.5 -0.342 -0.23034
57 -0.29454 0.0288 -10.218 < 0.001 79.0 -0.351 -0.23804
58 -0.30292 0.0293 -10.348 < 0.001 81.0 -0.360 -0.24554
59 -0.31129 0.0298 -10.438 < 0.001 82.3 -0.370 -0.25284
60 -0.31967 0.0305 -10.490 < 0.001 83.1 -0.379 -0.25994
61 -0.32805 0.0312 -10.513 < 0.001 83.5 -0.389 -0.26689
62 -0.33642 0.0320 -10.508 < 0.001 83.4 -0.399 -0.27367
63 -0.34480 0.0329 -10.479 < 0.001 82.9 -0.409 -0.28031
64 -0.35317 0.0339 -10.430 < 0.001 82.2 -0.420 -0.28681
65 -0.36155 0.0349 -10.361 < 0.001 81.1 -0.430 -0.29315
66 -0.36993 0.0360 -10.282 < 0.001 80.0 -0.440 -0.29941
67 -0.37830 0.0371 -10.191 < 0.001 78.6 -0.451 -0.30555
68 -0.38668 0.0383 -10.097 < 0.001 77.2 -0.462 -0.31162
69 -0.39505 0.0395 -9.991 < 0.001 75.7 -0.473 -0.31755
70 -0.40343 0.0408 -9.885 < 0.001 74.1 -0.483 -0.32344
71 -0.41181 0.0421 -9.776 < 0.001 72.6 -0.494 -0.32924
72 -0.42018 0.0435 -9.667 < 0.001 71.0 -0.505 -0.33499
73 -0.42856 0.0448 -9.559 < 0.001 69.5 -0.516 -0.34069
74 -0.43693 0.0462 -9.449 < 0.001 68.0 -0.528 -0.34630
75 -0.44531 0.0477 -9.343 < 0.001 66.5 -0.539 -0.35189
76 -0.45369 0.0492 -9.226 < 0.001 64.9 -0.550 -0.35730
Term: Ideology
Type: response
Columns: rowid, term, estimate, std.error, statistic, p.value, s.value, conf.low, conf.high, Age, predicted_lo, predicted_hi, predicted, Ideology, Female, Educ, Issue3 問題18： fit2_ameを使用し、イデオロギーが夫婦別姓に対する賛否態度に与える影響が年齢によってどう変化するかを可視化する。以下の図と同じ情報を持つのであれば、図は自由にカスタマイズしても良い。
# ここにRコード
問題19： fit2の推定結果（問題13〜18）に基づき、有権者の政治的イデオロギーと夫婦別姓に対する賛否態度の関係について述べよ。仮説検定に使用する有意水準は5%とする（\(\alpha = 0.05\)）。
ここに解釈を記入する。
モデル2（fit3）
問題20： fit3を使用し、回答者のイデオロギー（0、1、2、…、10）ごとの夫婦別姓に対する賛否態度の予測値を計算する。ただし、イデオロギーが夫婦別姓に対する賛否に与える影響は回答者の性別（Female）にも依存することを考慮し、男女ごとに予測値を計算する。その他の説明変数はすべて平均値に固定する。予測値の結果はfit3_predに格納し、出力する。
# ここにRコード
Ideology Female Estimate Std. Error z Pr(>|z|) S 2.5 % 97.5 % Age
0 0 6.88 0.2074 33.2 <0.001 800.0 6.48 7.29 53.6
0 1 7.49 0.2665 28.1 <0.001 574.8 6.97 8.01 53.6
1 0 6.60 0.1756 37.6 <0.001 Inf 6.26 6.95 53.6
1 1 7.25 0.2230 32.5 <0.001 768.8 6.82 7.69 53.6
2 0 6.32 0.1453 43.5 <0.001 Inf 6.04 6.61 53.6
2 1 7.02 0.1813 38.7 <0.001 Inf 6.67 7.38 53.6
3 0 6.04 0.1179 51.2 <0.001 Inf 5.81 6.27 53.6
3 1 6.79 0.1429 47.5 <0.001 Inf 6.51 7.07 53.6
4 0 5.76 0.0958 60.1 <0.001 Inf 5.57 5.94 53.6
4 1 6.56 0.1112 59.0 <0.001 Inf 6.34 6.77 53.6
5 0 5.47 0.0834 65.6 <0.001 Inf 5.31 5.64 53.6
5 1 6.32 0.0934 67.7 <0.001 Inf 6.14 6.51 53.6
6 0 5.19 0.0850 61.1 <0.001 Inf 5.02 5.36 53.6
6 1 6.09 0.0975 62.5 <0.001 Inf 5.90 6.28 53.6
7 0 4.91 0.1000 49.1 <0.001 Inf 4.71 5.11 53.6
7 1 5.86 0.1211 48.3 <0.001 Inf 5.62 6.09 53.6
8 0 4.63 0.1235 37.5 <0.001 1018.2 4.39 4.87 53.6
8 1 5.62 0.1558 36.1 <0.001 945.8 5.32 5.93 53.6
9 0 4.34 0.1517 28.6 <0.001 597.1 4.05 4.64 53.6
9 1 5.39 0.1956 27.6 <0.001 553.0 5.01 5.77 53.6
10 0 4.06 0.1824 22.3 <0.001 362.8 3.71 4.42 53.6
10 1 5.16 0.2380 21.7 <0.001 343.4 4.69 5.62 53.6
Educ
3.24
3.24
3.24
3.24
3.24
3.24
3.24
3.24
3.24
3.24
3.24
3.24
3.24
3.24
3.24
3.24
3.24
3.24
3.24
3.24
3.24
3.24
Type: response
Columns: rowid, estimate, std.error, statistic, p.value, s.value, conf.low, conf.high, Age, Educ, Ideology, Female, Issue3 問題21： fit3_predのFemale列を修正する。具体的にFemaleの値が0なら"男性"それ以外は"女性"にリコーディングする。修正後、fit3_predに上書きし、出力すること。
- 普通に
fit3_predのみ入力した場合、Female列が表示されない可能性がある。この場合、print(fit3_pred, style = "data.frame")で出力すると、サンプルファイルと同じ形式で出力される。
# ここにRコード rowid estimate std.error statistic p.value s.value conf.low
1 1 6.884692 0.20743894 33.18901 1.551200e-241 799.9513 6.478120
2 2 7.487854 0.26645404 28.10186 9.296632e-174 574.7988 6.965614
3 3 6.602493 0.17557438 37.60511 0.000000e+00 Inf 6.258373
4 4 7.254805 0.22299876 32.53294 3.649784e-232 768.8195 6.817736
5 5 6.320293 0.14531578 43.49351 0.000000e+00 Inf 6.035480
6 6 7.021756 0.18129223 38.73170 0.000000e+00 Inf 6.666430
7 7 6.038094 0.11790618 51.21100 0.000000e+00 Inf 5.807002
8 8 6.788707 0.14287426 47.51526 0.000000e+00 Inf 6.508679
9 9 5.755894 0.09582238 60.06837 0.000000e+00 Inf 5.568086
10 10 6.555658 0.11120694 58.95008 0.000000e+00 Inf 6.337697
11 11 5.473695 0.08340780 65.62569 0.000000e+00 Inf 5.310218
12 12 6.322610 0.09342732 67.67409 0.000000e+00 Inf 6.139495
13 13 5.191495 0.08500981 61.06937 0.000000e+00 Inf 5.024879
14 14 6.089561 0.09745816 62.48384 0.000000e+00 Inf 5.898546
15 15 4.909296 0.09995672 49.11421 0.000000e+00 Inf 4.713384
16 16 5.856512 0.12114153 48.34438 0.000000e+00 Inf 5.619079
17 17 4.627096 0.12349452 37.46803 3.055864e-307 1018.2203 4.385051
18 18 5.623463 0.15575685 36.10411 1.954777e-285 945.7825 5.318185
19 19 4.344897 0.15167504 28.64609 1.793397e-180 597.1044 4.047619
20 20 5.390414 0.19558342 27.56069 3.294924e-167 553.0417 5.007078
21 21 4.062697 0.18235848 22.27863 5.955140e-110 362.8380 3.705281
22 22 5.157365 0.23801954 21.66782 4.128208e-104 343.4350 4.690855
conf.high Age Educ Ideology Female Issue3
1 7.291265 53.64074 3.235324 0 男性 10
2 8.010094 53.64074 3.235324 0 女性 10
3 6.946612 53.64074 3.235324 1 男性 10
4 7.691875 53.64074 3.235324 1 女性 10
5 6.605107 53.64074 3.235324 2 男性 10
6 7.377083 53.64074 3.235324 2 女性 10
7 6.269186 53.64074 3.235324 3 男性 10
8 7.068736 53.64074 3.235324 3 女性 10
9 5.943703 53.64074 3.235324 4 男性 10
10 6.773620 53.64074 3.235324 4 女性 10
11 5.637171 53.64074 3.235324 5 男性 10
12 6.505724 53.64074 3.235324 5 女性 10
13 5.358111 53.64074 3.235324 6 男性 10
14 6.280575 53.64074 3.235324 6 女性 10
15 5.105207 53.64074 3.235324 7 男性 10
16 6.093945 53.64074 3.235324 7 女性 10
17 4.869141 53.64074 3.235324 8 男性 10
18 5.928741 53.64074 3.235324 8 女性 10
19 4.642174 53.64074 3.235324 9 男性 10
20 5.773751 53.64074 3.235324 9 女性 10
21 4.420113 53.64074 3.235324 10 男性 10
22 5.623875 53.64074 3.235324 10 女性 10問題22： fit3_predを使用し、イデオロギーと夫婦別姓に対する態度間の関係（性別ごと）を表す図を作成する。以下の図と同じ情報を持つのであれば、図は自由にカスタマイズしても良い。
# ここにRコード
問題23： fit3を使用し、イデオロギーの限界効果を男女ごとに計算する。計算結果はfit3_ameに格納し、出力すること。
# ここにRコード
Female Estimate Std. Error z Pr(>|z|) S 2.5 % 97.5 %
0 -0.282 0.0353 -7.99 <0.001 49.4 -0.351 -0.213
1 -0.233 0.0470 -4.96 <0.001 20.5 -0.325 -0.141
Term: Ideology
Type: response
Columns: rowid, term, estimate, std.error, statistic, p.value, s.value, conf.low, conf.high, Female, predicted_lo, predicted_hi, predicted, Ideology, Age, Educ, Issue3 問題24： fit3_ameを使用し、イデオロギーが夫婦別姓に対する賛否態度に与える影響が性別によってどう変化するかを可視化する。以下の図と同じ情報を持つのであれば、図は自由にカスタマイズしても良い。
# ここにRコード
問題25： fit3の推定結果（問題13、19〜24）に基づき、有権者の政治的イデオロギーと夫婦別姓に対する賛否態度の関係について述べよ。仮説検定に使用する有意水準は5%とする（\(\alpha = 0.05\)）。
ここに解釈を記入する。