マクロ政治データ分析実習

第10回 分析結果の報告

宋(そん)  財泫(じぇひょん)

関西大学総合情報学部

2024-11-28

授業開始前に

すぐに実習できるように準備しておきましょう。

  1. JDCat分析ツールを起動しておいてください。
  2. 本日授業用のプロジェクトを作成するか、既存のプロジェクトを開いてください。
  3. LMSから実習用データをダウンロードしておいてください。
  4. ダウンロードしてデータをプロジェクト・フォルダーにアップロードしてください。
    • プロジェクト・フォルダー内にDataフォルダーを作成し、そこにアップロードしましょう。
  5. 実習用コードを入力するスクリプト、またはQuarto（or R Markdown）ファイルを開き、以下のコードを入力&実行してください（コピペ可）。
library(tidyverse)
library(modelsummary)
library(marginaleffects)

df <- read_csv("Data/M1.csv")

fit1 <- lm(Score_Mean ~ Order, data = df)
fit2 <- lm(Score_Mean ~ Order + First, data = df)
fit3 <- lm(Score_Mean ~ Order + First + Duration, data = df)
  • トラブルが生じた場合、速やかにTAを読んでください。
  • 時間に余裕があれば、スライド内のコードも書いておきましょう。

分析結果の報告

分析結果をどう示すか

分析手法ごとに方法は異なるが、本講義では線形回帰分析に焦点を当てる1。

  • 回帰分析の結果（点推定値、標準誤差、信頼区間、\(p\)値など）
    • 表（回帰表; regression table）
    • 図
  • 応答変数の予測値予測値
    • 図

データの概要

library(tidyverse)
library(modelsummary)
library(marginaleffects)

df <- read_csv("Data/M1.csv")
変数名 説明 備考
No 第X回大会 第13回（2017年）から
Year 大会年度
Name コンビ名
Duration 結成からの経過年数
First 初出場ダミー 1 = 初出場 / 0 = その他
Final ファイナルステージへの進出有無
Order 出場順番 1から10
Score_Mean 平均得点 7人の審査委員からの評価の平均値

モデルの推定

  • M-1グランプリにおける出場順番と得点の関係
    • 平均得点（Score_Mean）を応答変数とした線形回帰モデル
    • fit1：出場順番（Order）のみ投入
    • fit2：出場順番（Order）、初出場ダミー（First）を投入
    • fit3：出場順番（Order）、初出場ダミー（First）、芸歴（Duration）を投入
fit1 <- lm(Score_Mean ~ Order, data = df)
fit2 <- lm(Score_Mean ~ Order + First, data = df)
fit3 <- lm(Score_Mean ~ Order + First + Duration, data = df)

表を用いた推定結果の報告

{modelsummary}パッケージの利用

使い方：modelsummary(回帰オブジェクト名)

  • デフォルトでは切片と傾き係数の点推定値と標準誤差（カッコ内）が表示される。
  • 分析に使用されたサンプルサイズ（Num.Obs.）や適合度指標（決定係数（R2）、調整済み決定係数（R2 Adj.）なども表示される）。
modelsummary(fit1)
(1)
(Intercept) 90.078
(0.649)
Order 0.227
(0.105)
Num.Obs. 60
R2 0.075
R2 Adj. 0.059
AIC 275.6
BIC 281.9
Log.Lik. -134.800
F 4.727
RMSE 2.29

統計量の変更

  • modelsummary()のestimateとstatistic引数で出力される統計量の変更が可能
    • デフォルトだとestimateは点推定値（"{estimate}"）、statisticは標準誤差（"({std.error})"）になっている。
      • つまり、デフォルトはmodelsummary(オブジェクト名, estiamte = "{estimate}", statistic = "({std.error})")
    • \(p\)値は"{p.value}"、95%信頼区間の下限は"{conf.low}"、上限は"{conf.high}"など
    • 行を消したい場合はNULLを割り当てる。
    • note引数で注を付けることもできる。

標準誤差の代わりに\(p\)値を表示する（<0.001は\(p\)値が0.001より小さいことを意味する）。

modelsummary(fit1, statistic = "({p.value})", note = "注：カッコ内はp値")
(1)
注：カッコ内はp値
(Intercept) 90.078
(<0.001)
Order 0.227
(0.034)
Num.Obs. 60
R2 0.075
R2 Adj. 0.059
AIC 275.6
BIC 281.9
Log.Lik. -134.800
F 4.727
RMSE 2.29

点推定値と標準誤差を一行にまとめる。

modelsummary(fit1, 
             estimate  = "{estimate} ({std.error})",
             statistic = NULL,
             note      = "注：カッコ内は標準誤差")
(1)
注：カッコ内は標準誤差
(Intercept) 90.078 (0.649)
Order 0.227 (0.105)
Num.Obs. 60
R2 0.075
R2 Adj. 0.059
AIC 275.6
BIC 281.9
Log.Lik. -134.800
F 4.727
RMSE 2.29

点推定値と95%信頼区間を一行にまとめる。

modelsummary(fit1, 
             estimate  = "{estimate} [{conf.low}, {conf.high}]",
             statistic = NULL,
             note      = "注：カッコ内は95%信頼区間")
(1)
注：カッコ内は95%信頼区間
(Intercept) 90.078 [88.779, 91.377]
Order 0.227 [0.018, 0.437]
Num.Obs. 60
R2 0.075
R2 Adj. 0.059
AIC 275.6
BIC 281.9
Log.Lik. -134.800
F 4.727
RMSE 2.29

適合度指標の変更

  • 分析手法によって出力される適合度指標が異なる（get_gof()関数で確認可）。
get_gof(fit3)
       aic      bic r.squared adj.r.squared     rmse nobs        F    logLik
1 274.9891 285.4609 0.1437456    0.09787483 2.201864   60 3.133708 -132.4946
  • gof_map引数で表示したい適合度指標を指定する。
    • 線形回帰分析なら
      1. サンプルサイズ（"nobs"）
      2. 決定係数（r.squared）
      3. 調整済み決定係数（"adj.r.squared"）程度で十分
fit3 |> # パイプ演算子も使用可
  modelsummary(
    estimate  = "{estimate} ({p.value})",
    statistic = NULL,
    gof_map   = c("nobs", "r.squared", "adj.r.squared"),
    note      = "注：カッコ内はp値"
  )
(1)
注：カッコ内はp値
(Intercept) 89.605 (<0.001)
Order 0.258 (0.016)
First -0.963 (0.128)
Duration 0.076 (0.381)
Num.Obs. 60
R2 0.144
R2 Adj. 0.098

複数モデルの表示

回帰オブジェクトをlist()でまとめる（"モデル名" = オブジェクト名でモデル名も指定可）。

modelsummary(list(fit1, fit2, fit3),
             gof_map = c("nobs", "r.squared", "adj.r.squared"))
(1) (2) (3)
(Intercept) 90.078 90.570 89.605
(0.649) (0.684) (1.291)
Order 0.227 0.245 0.258
(0.105) (0.103) (0.104)
First -1.136 -0.963
(0.590) (0.623)
Duration 0.076
(0.086)
Num.Obs. 60 60 60
R2 0.075 0.132 0.144
R2 Adj. 0.059 0.101 0.098 
modelsummary(list("Model 1" = fit1, "Model 2" = fit2, "Model 3" = fit3),
             gof_map = c("nobs", "r.squared", "adj.r.squared"))
Model 1 Model 2 Model 3
(Intercept) 90.078 90.570 89.605
(0.649) (0.684) (1.291)
Order 0.227 0.245 0.258
(0.105) (0.103) (0.104)
First -1.136 -0.963
(0.590) (0.623)
Duration 0.076
(0.086)
Num.Obs. 60 60 60
R2 0.075 0.132 0.144
R2 Adj. 0.059 0.101 0.098

変数名の変更

coef_rename引数で調整（"元の変数名" = "新しい変数名"）

modelsummary(list(fit1, fit2, fit3),
             coef_rename = c("(Intercept)" = "切片",
                             "Order"       = "出場順番",
                             "First"       = "初出場ダミー",
                             "Duration"    = "結成からの経過年数"),
             gof_map     = c("nobs", "r.squared", "adj.r.squared"))
(1) (2) (3)
切片 90.078 90.570 89.605
(0.649) (0.684) (1.291)
出場順番 0.227 0.245 0.258
(0.105) (0.103) (0.104)
初出場ダミー -1.136 -0.963
(0.590) (0.623)
結成からの経過年数 0.076
(0.086)
Num.Obs. 60 60 60
R2 0.075 0.132 0.144
R2 Adj. 0.059 0.101 0.098

参考）回帰表の可視化

{modelsummary}のmodelplot()関数

  • modelplot()から作成された図は{ggplot2}ベースなので+でレイヤーの追加、調整が可能
  • 詳細は?modelplotか公式ページで確認すること。他にも{coefplot}も人気（存在感のない{coefplotbl}というのもある）
modelplot(list("Model 1" = fit1, "Model 2" = fit2, "Model 3" = fit3),
          coef_omit = "(Intercept)",
          coef_map  = c("Duration", "First", "Order")) +
  geom_vline(xintercept = 0, linetype = 2)
1
切片を表示しない
2
表示順番を「下」からDuraion、First、Orderの順に
3
x = 0に破線を引く

回帰分析結果の可視化

可視化の手順

{marginaleffects}と{ggplot2}パッケージを使用（{ggplot2}は{tidyverse}と同時に自動的に読み込まれる）

  1. predictions()関数で予測値を計算し、オブジェクトとして格納
    • 表形式オブジェクトとして格納される。
  2. 予測値オブジェクトの加工（ラベル付け/factor化）
    • 予測値はestimate列
    • 95%信頼区間の下限と上限はconf.lowとconf.high列
  3. {ggplot2}を用いた作図
    • 予測値 + 95%信頼区間
    • 横軸上の値が少ない場合、geom_pointrange()
    • 横軸上の値が多い場合、geom_line() + geom_ribbon()

予測値の計算（fit3の場合）

  • 例）初出場ダミー（First）の値が0の場合と1の場合の、Score_Meanの予測値は?

\[ \widehat{\mbox{Score_Mean}} = 89.605 + 0.258 \cdot \mbox{Order} - 0.963 \cdot \mbox{First} + 0.076 \cdot \mbox{Duration}. \]

  • OrderとDurationは平均値（それぞれ5.5、10.6）に固定し、Firstだけ0と1を入れる。

計算例

  • 初出場（First = 1）の場合
    • 89.605 + 0.256 \(\times\) 5.5 - 0.963 \(\times\) 1 + 0.076 \(\times\) 10.6 \(\simeq\) 90.856
  • 初出場ではない（First = 0）場合
    • 89.605 + 0.256 \(\times\) 5.5 - 0.963 \(\times\) 0 + 0.076 \(\times\) 10.6 \(\simeq\) 91.819
  • {marginaleffects}のpredictions()関数を使えば簡単に計算可能
新しいオブジェクト名 <- predictions(回帰オブジェクト名,
                                 newdata = datagrid(変数 = 値))

予測値の計算（fit3利用）

  • 例）初出場ダミー（First）の値が0の場合と1の場合の、Score_Meanの予測値を計算し、fit3_pred1という名のオブジェクトとして格納
fit3_pred1 <- predictions(fit3,
                          newdata = datagrid(First = c(0, 1)))

fit3_pred1

 First Estimate Std. Error   z Pr(>|z|)   S 2.5 % 97.5 % Order Duration
     0     91.8      0.436 211   <0.001 Inf    91   92.7   5.5     10.6
     1     90.9      0.421 216   <0.001 Inf    90   91.7   5.5     10.6

Type:  response 
Columns: rowid, estimate, std.error, statistic, p.value, s.value, conf.low, conf.high, Order, Duration, First, Score_Mean
  • Estimate列が予測値、2.5%と97.5%列が95%信頼区間の下限と上限
  • First以外の変数は平均値に固定される。

平均値以外に固定する方法

  • 例）初出場ダミー（First）の値が0の場合と1の場合の、Score_Meanの予測値を計算し、fit3_pred2という名のオブジェクトとして格納
    • ただし、出場順番は5番目（Order = 5）、結成からの年数は5年（Duration = 5）と固定する。
fit3_pred2 <- predictions(fit3,
                          newdata = datagrid(First    = c(0, 1),
                                             Order    = 5,
                                             Duration = 5))

fit3_pred2

 First Order Duration Estimate Std. Error   z Pr(>|z|)   S 2.5 % 97.5 %
     0     5        5     91.3      0.725 126   <0.001 Inf  89.9   92.7
     1     5        5     90.3      0.572 158   <0.001 Inf  89.2   91.4

Type:  response 
Columns: rowid, estimate, std.error, statistic, p.value, s.value, conf.low, conf.high, First, Order, Duration, Score_Mean

作図の際の注意事項

  • fit3_pred2で表示される列名は「本当の」列名ではない!!
    • ユーザーが読みやすいように列名が変更されてから出力される。
    • たとえば、予測値の本当の列名はestimateだが、表示名はEstimateになっている。
  • 「本当の」列名が見たい場合はprint(オブジェクト名, style = "data.frame")
print(fit3_pred2, style = "data.frame")
  rowid estimate std.error statistic p.value s.value conf.low conf.high First Order Duration Score_Mean
1     1 91.27377 0.7253367  125.8364       0     Inf 89.85214  92.69541     0     5        5   89.42857
2     2 90.31063 0.5723738  157.7826       0     Inf 89.18880  91.43246     1     5        5   89.42857
  • 作図によく使うのは予測値（estimate）、信頼区間の下限（conf.low）と上限（conf.high）、動かしている変数名（ここではFirst）

作図の例

Pointrangeプロットを使用する。

geom_pointrange()レイヤー

  • x：説明変数
  • y：予測値
  • ymin：信頼区間の下限
  • ymax：信頼区間の上限
fit3_pred2_plot1 <- fit3_pred2 |> 
  ggplot() +
  geom_pointrange(aes(x = First, y = estimate, 
                      ymin = conf.low, ymax = conf.high)) +
  labs(x = "初出場ダミー", 
       y = "予測点数と95%信頼区間") +
  theme_bw(base_size = 12)
fit3_pred2_plot1

無駄の目盛りの削除

  • 横軸（X軸）の無駄な目盛りを削除し、0と1のみ残す。

scale_x_continuous()で目盛り調整

  • breaks：目盛りの位置
  • labels：目盛りのラベル
fit3_pred2_plot1 +
  scale_x_continuous(breaks = c(0, 1),
                     labels = c("0", "1"))

出場順番と平均得点間の関係（計算）

fit3_pred3 <- predictions(fit3, newdata = datagrid(Order = 1:10))
fit3_pred3

 Order Estimate Std. Error   z Pr(>|z|)   S 2.5 % 97.5 % First Duration
     1     89.7      0.637 141   <0.001 Inf  88.5   90.9     1     10.6
     2     90.0      0.563 160   <0.001 Inf  88.9   91.1     1     10.6
     3     90.2      0.500 180   <0.001 Inf  89.2   91.2     1     10.6
     4     90.5      0.453 200   <0.001 Inf  89.6   91.4     1     10.6
     5     90.7      0.425 213   <0.001 Inf  89.9   91.6     1     10.6
     6     91.0      0.423 215   <0.001 Inf  90.2   91.8     1     10.6
     7     91.3      0.445 205   <0.001 Inf  90.4   92.1     1     10.6
     8     91.5      0.489 187   <0.001 Inf  90.5   92.5     1     10.6
     9     91.8      0.549 167   <0.001 Inf  90.7   92.8     1     10.6
    10     92.0      0.621 148   <0.001 Inf  90.8   93.2     1     10.6

Type:  response 
Columns: rowid, estimate, std.error, statistic, p.value, s.value, conf.low, conf.high, First, Duration, Order, Score_Mean

出場順番と平均得点間の関係（可視化）

fit3_pred3 |> 
  ggplot() +
  geom_pointrange(aes(x = Order, y = estimate, ymin = conf.low, ymax = conf.high)) +
  scale_x_continuous(breaks = 1:10, labels = 1:10) +
  labs(x = "出場順番", y = "平均得点の予測値と95%信頼区間") +
  theme_bw(base_size = 12)

芸歴と平均得点間の関係（計算）

fit3_pred4 <- predictions(fit3, newdata = datagrid(Duration = 2:16))
fit3_pred4

 Duration Estimate Std. Error   z Pr(>|z|)   S 2.5 % 97.5 % Order First
        2     90.2      0.762 118   <0.001 Inf  88.7   91.7   5.5     1
        3     90.3      0.691 131   <0.001 Inf  88.9   91.6   5.5     1
        4     90.4      0.624 145   <0.001 Inf  89.1   91.6   5.5     1
        5     90.4      0.563 161   <0.001 Inf  89.3   91.5   5.5     1
        6     90.5      0.508 178   <0.001 Inf  89.5   91.5   5.5     1
        7     90.6      0.462 196   <0.001 Inf  89.7   91.5   5.5     1
        8     90.7      0.430 211   <0.001 Inf  89.8   91.5   5.5     1
        9     90.7      0.412 220   <0.001 Inf  89.9   91.6   5.5     1
       10     90.8      0.412 220   <0.001 Inf  90.0   91.6   5.5     1
       11     90.9      0.430 211   <0.001 Inf  90.1   91.7   5.5     1
       12     91.0      0.463 197   <0.001 Inf  90.1   91.9   5.5     1
       13     91.0      0.508 179   <0.001 Inf  90.0   92.0   5.5     1
       14     91.1      0.563 162   <0.001 Inf  90.0   92.2   5.5     1
       15     91.2      0.625 146   <0.001 Inf  90.0   92.4   5.5     1
       16     91.3      0.692 132   <0.001 Inf  89.9   92.6   5.5     1

Type:  response 
Columns: rowid, estimate, std.error, statistic, p.value, s.value, conf.low, conf.high, Order, First, Duration, Score_Mean

芸歴と平均得点間の関係（可視化）

fit3_pred4 |> 
  ggplot() +
  geom_pointrange(aes(x = Duration, y = estimate, ymin = conf.low, ymax = conf.high)) +
  scale_x_continuous(breaks = 2:16, labels = 2:16) +
  labs(x = "コンビ結成からの経過年数", y = "平均得点の予測値と95%信頼区間") +
  theme_bw(base_size = 12)

折れ線グラフとリボン（geom_ribbon()）の組み合わせ

  • 横軸が細かいほどpoint-rangeプロットは気持ち悪くなる（ムカデのような見た目になる）。
  • geom_ribbon()はx、ymin、ymaxにマッピング
    • geom_pointrange()と使い方は同じだが、予測値の情報を持たないため、yは不要
fit3_pred4 |> 
  ggplot() +
  geom_ribbon(aes(x = Duration, ymin = conf.low, ymax = conf.high)) +
  scale_x_continuous(breaks = 2:16, labels = 2:16) +
  labs(x = "コンビ結成からの経過年数", y = "平均得点の予測値と95%信頼区間") +
  theme_bw(base_size = 12)

折れ線グラフ + リボン

fit3_pred4 |> 
  ggplot(aes(x = Duration)) +
  geom_ribbon(aes(ymin = conf.low, ymax = conf.high), fill = "gray70") +
  geom_line(aes(y = estimate), linewidth = 1) +
  scale_x_continuous(breaks = 2:16, labels = 2:16) +
  labs(x = "コンビ結成からの経過年数", y = "平均得点の予測値と95%信頼区間") +
  theme_bw(base_size = 12)
1
geom_ribbon()とgeom_line()は同じ横軸を共有するため、ここでマッピングした方が効率的
2
デフォルトのリボンは暗い色なので、明るめの色に変える。
3
linewidthで折れ線グラフの太さを調整（1だとデフォルトよりやや太め）

結局、信頼区間とは何なのか

出場順番と平均得点間の関係

今回得られた回帰直線

もう一度、過去に戻ってM-1をやったら…（1）

こんな回帰直線が得られたとしてもおかしくはない（多分）

もう一度、過去に戻ってM-1をやったら…（2）

こんな回帰直線が得られる可能性は非常に低い（多分）

信頼区間の意味

この範囲（信頼区間）外の直線が得られる可能性は非常に低い！

信頼区間の意味（2）

傾き係数が正（負）に統計的有意であれば、この区間内に引ける直線は必ず右上がり（右下がり）となる。

  • \(\alpha\) = 0.05で統計的有意だったOrder（\(p\) = 0.016）は、95%信頼区間内に右上がりの直線しか引けない。
  • 右は統計的に有意でないDuration変数の例（\(p\) = 0.381）
    • 水平線も、右上がり直線も、右下がり直線も引ける。
    • \(\Rightarrow\) DurationとScore_Meanの関係は現段階では判断できない。
  • \(\alpha\) = 0.1を仮定するのであれば、90%（\(= (1 - \alpha) \times 100\)）信頼区間を使うこととなる。

有意水準と信頼区間

（ありえないが、）\(\alpha\) = 0.6を採用する場合、40%信頼区間（\((1 - \alpha) \times 100\)%信頼区間）を使うことになる。

  • 以下は40%信頼区間を採用した例（predictions()内にconf_level = 0.4を追加する）
    • ただし、よく使うのは90%（\(\alpha\) = 0.1）、95%（\(\alpha\) = 0.05）、99%（\(\alpha\) = 0.01）信頼区間