準備

まず、必要なパッケージを読み込む。

pacman::p_load(tidyverse,
               broom,
               texreg)

次に、ggplot2のテーマとフォントの設定を行う。自分好みの設定がある場合は自由に変えてよい。LinuxにはIPAexフォント がインストールされていることを想定している(IPAex はインストールすれば maxOSやWindows でも使える)。

if (.Platform$OS.type == "windows") { 
  if (require(fontregisterer)) {
    my_font <- "Yu Gothic"
  } else {
    my_font <- "Japan1"
  }
} else if (capabilities("aqua")) {
  my_font <- "HiraginoSans-W3"
} else {
  my_font <- "IPAexGothic"
}

theme_set(theme_gray(base_size = 9,
                     base_family = my_font))

説明のために『Rによる計量政治学』(浅野正彦, 矢内勇生. 2018)で使用されているデータ(hr-data.csv)を使う。

まず、このデータをダウンロードして読み込む(データへのパスは各自の状況に応じて変えること。ここでは、RStudioのプロジェクトを利用していて、プロジェクトが存在するフォルダ内にdata という名前のフォルダがあり、その中にデータセットが保存されていると仮定している)。download.file() でダウンロードしたデータが読み込めない(「データが破損している」などの警告がでる)場合は、Webブラウザを使ってデータをダウンロードすること。

dir.create("data", showWarnings = FALSE)
download.file(
  url = "https://raw.githubusercontent.com/yukiyanai/quant-methods-R/master/data/hr-data.csv",
  destfile = "data/hr-data.csv")

データが入手できたら、データを読み込み、中身を確認する。

HR <- read_csv("data/hr-data.csv")
glimpse(HR)
## Rows: 8,803
## Columns: 22
## $ year       <dbl> 1996, 1996, 1996, 1996, 1996, 1996, 1996, 1996, 1996, 1996,…
## $ ku         <chr> "aichi", "aichi", "aichi", "aichi", "aichi", "aichi", "aich…
## $ kun        <dbl> 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3,…
## $ status     <chr> "現職", "元職", "現職", "新人", "新人", "新人", "新人", "現…
## $ name       <chr> "KAWAMURA, TAKASHI", "IMAEDA, NORIO", "SATO, TAISUKE", "IWA…
## $ party      <chr> "NFP", "LDP", "DPJ", "JCP", "others", "kokuminto", "indepen…
## $ party_code <dbl> 8, 1, 3, 2, 100, 22, 99, 8, 1, 3, 2, 10, 100, 99, 22, 8, 1,…
## $ previous   <dbl> 2, 3, 2, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 1, 3, 1, 0, 0,…
## $ wl         <chr> "当選", "落選", "落選", "落選", "落選", "落選", "落選", "当…
## $ voteshare  <dbl> 40.0, 25.7, 20.1, 13.3, 0.4, 0.3, 0.2, 32.9, 26.4, 25.7, 12…
## $ age        <dbl> 47, 72, 53, 43, 51, 51, 45, 51, 71, 30, 31, 44, 61, 47, 43,…
## $ nocand     <dbl> 7, 7, 7, 7, 7, 7, 7, 8, 8, 8, 8, 8, 8, 8, 8, 7, 7, 7, 7, 7,…
## $ rank       <dbl> 1, 2, 3, 4, 5, 6, 7, 1, 2, 3, 4, 5, 6, 7, 8, 1, 2, 3, 4, 5,…
## $ vote       <dbl> 66876, 42969, 33503, 22209, 616, 566, 312, 56101, 44938, 43…
## $ eligible   <dbl> 346774, 346774, 346774, 346774, 346774, 346774, 346774, 338…
## $ turnout    <dbl> 49.2, 49.2, 49.2, 49.2, 49.2, 49.2, 49.2, 51.8, 51.8, 51.8,…
## $ exp        <dbl> 9828097, 9311555, 9231284, 2177203, NA, NA, NA, 12940178, 1…
## $ expm       <dbl> 9.828097, 9.311555, 9.231284, 2.177203, NA, NA, NA, 12.9401…
## $ vs         <dbl> 0.400, 0.257, 0.201, 0.133, 0.004, 0.003, 0.002, 0.329, 0.2…
## $ exppv      <dbl> 28.341505, 26.851941, 26.620462, 6.278449, NA, NA, NA, 38.2…
## $ smd        <chr> "当選", "落選", "落選", "落選", "落選", "落選", "落選", "当…
## $ party_jpn  <chr> "新進党", "自民党", "民主党", "共産党", "その他", "国民党",…

衆議院議員経験があることを表す変数(ダミー変数)と選挙費用を100万 (1e6 \(=10^6\)) 円単位で測定する変数を作る。 新しい変数は dplyr::mutate() で作る。

HR <- HR %>%
    mutate(experience = as.numeric(status == "現職" | status == "元職"),
           expm = exp / 1e6)

次に、データから2009年の結果だけ抜き出し、HR09として保存する。特定の条件に合致するデータを抜き出したいときは、dplyr::filter() を使う。

HR09 <- HR %>% 
  filter(year == 2009)



Rで線形回帰分析を行う

説明変数が二値しかとらないとき(モデル1)

得票率(結果変数)を議員経験(説明変数)で説明するモデルを考えよう。 議員経験は、現職または元職の候補者なら1、そうでなければ0をとる二値 (binary) 変数(ダミー変数)である。 このモデルを式で表すと、 \[ 得票率_i = \beta_1 + \beta_2 \cdot 議員経験_i + e_i \] と、なる。

Rでは、lm() で回帰式を推定する。

fit_1 <- lm(voteshare ~ experience, data = HR09)

これで、fit_1 に推定結果(係数の推定値など)が保存される。

基本的な結果は、summary() で見ることができる。

summary(fit_1)
## 
## Call:
## lm(formula = voteshare ~ experience, data = HR09)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -43.867 -12.072  -5.567   8.583  52.123 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)
## (Intercept)  13.8772     0.6203   22.37   <2e-16
## experience   30.9898     0.9783   31.68   <2e-16
## 
## Residual standard error: 16.19 on 1137 degrees of freedom
## Multiple R-squared:  0.4688, Adjusted R-squared:  0.4684 
## F-statistic:  1004 on 1 and 1137 DF,  p-value: < 2.2e-16

この結果は少し読みにくいので、代わりに broom:tidy() を利用しよう。

tidy(fit_1)
## # A tibble: 2 × 5
##   term        estimate std.error statistic   p.value
##   <chr>          <dbl>     <dbl>     <dbl>     <dbl>
## 1 (Intercept)     13.9     0.620      22.4 3.78e- 92
## 2 experience      31.0     0.978      31.7 2.18e-158

この出力の、estimate の列に係数の推定値 (coefficient estimates) が示されている。 これにより、\(\hat{\beta}_1=\) 13.88, \(\hat{\beta}_2=\) 30.99, \(\hat{\sigma}=\) 16.19 が得られた。 したがって、 \[\widehat{得票率} = 13.88 + 30.99 \cdot 議員経験\] と、なる。

傾きの値を、分散と共分散を利用して求めてみよう(Slack で配布した補足資料を参照)。分散は var()、共分散 は cov() で計算できる。

with(HR09, cov(voteshare, experience) / var(experience)) 
## [1] 30.98979

lm() で求めた傾きの値と一致することが確認できる。

次に、行列計算で回帰係数を求めてみよう(Slack で配布した補足資料を参照)。応答変数の\(N\)次元列ベクトルを \(N \times 1\)行列として用意する。

y <- matrix(HR09$voteshare, ncol = 1)

計画行列は、第1列がすべて1、第2列が議員経験なので、

N <- length(y)
X <- matrix(c(rep(1, N), HR09$experience), ncol = 2)

行列の掛け算は %*%、転置は t()、逆行列は solve() で求められるので、回帰係数 b_hat は、

b_hat <- solve(t(X) %*% X) %*% t(X) %*% y
b_hat
##          [,1]
## [1,] 13.87724
## [2,] 30.98979

lm() を使った場合と同じ結果が得られる。

この結果を図示しよう。

p1 <- ggplot(HR09, aes(x = experience, y = voteshare)) +
  scale_x_continuous(breaks = c(0, 1)) +
  geom_jitter(position = position_jitter(width = 0.05), size = 1) +
 geom_smooth(method = "lm", se = FALSE) + 
  labs(x = "議員経験", y = "得票率(%)")
plot(p1 + ggtitle("得票率と議員経験の関係"))

この図に推定の不確実性を示すには、geom_smooth(method = 'lm', se = TRUE) とすればよい(が、 se = TRUE はデフォルトなので、seを指定する必要はない)。 デフォルトでは、95パーセント信頼区間が回帰直線の周りに表示される(この例では、区間が狭すぎてよく見えない)。

p1_ci95 <- p1 + geom_smooth(method = "lm")
plot(p1_ci95 + ggtitle('得票率と議員経験の関係'))

信頼度を変えたいとき、例えば99.99パーセント信頼区間を表示したいときは、次のようにlevelを指定する。

p1_ci50 <- p1 + geom_smooth(method = "lm", level = 0.9999)
plot(p1_ci50 + ggtitle("得票率と議員経験の関係"))

この直線の切片である13.88は、議員経験がない候補者の平均得票率(予測得票率)である。 予測値の式の「議員経験」に0を代入すれば、これは明らかである。 議員経験がある候補者の平均得票率(予測得票率)は、「議員経験」に1を代入することで得られる。 代入してみると、 \(13.88 +30.99 \cdot 1 = 44.87\) となる。

Rで議員経験ごとに平均得票率を求め、上の式から求めた予測値と一致するか確かめよう。 dplyr::group_by() を使うと、指定した変数の値が同じグループを作ることができる。

HR09 %>% 
  group_by(experience) %>%
  summarize(voteshare = mean(voteshare),
            .groups = "drop")
## # A tibble: 2 × 2
##   experience voteshare
##        <dbl>     <dbl>
## 1          0      13.9
## 2          1      44.9

このように、予測値は説明変数の値を与えられたときの、結果変数の平均値であることがわかる。


説明変数が連続値をとるとき(モデル2)

同様に、得票率を選挙費用(測定単位:100万円)で説明するモデルは、次のように推定できる。

fit_2 <- lm(voteshare ~ expm, data = HR09)
tidy(fit_2)
## # A tibble: 2 × 5
##   term        estimate std.error statistic   p.value
##   <chr>          <dbl>     <dbl>     <dbl>     <dbl>
## 1 (Intercept)     7.74    0.757       10.2 1.61e- 23
## 2 expm            3.07    0.0958      32.1 1.14e-160

傾きの値を、分散と共分散を利用して求めてみよう。expm には欠測値があるので、で欠測値がない個体のみを利用する。

HR09 %>% 
  filter(!is.na(expm)) %>% 
  with(cov(voteshare, expm) / var(expm)) 
## [1] 3.071721

lm() で求めた傾きの値と一致することが確認できる。

回帰直線を図示する。

p2 <- ggplot(HR09, aes(x = expm, y = voteshare)) + 
  geom_point(size = 1) +
  geom_smooth(method = "lm", se = FALSE) +
  labs(x = "選挙費用(100万円)", y = "得票率(%)") 
plot(p2 + ggtitle("得票率と選挙費用の関係"))

95パーセント信頼区間を加える。

p2_ci95 <- p2 + geom_smooth(method = "lm")
plot(p2_ci95 + ggtitle("得票率と選挙費用の関係"))

複数のモデルで回帰分析を実行し、結果を一つの表にまとめたいときは、texreg::screenreg() が便利である(HTMLに出力するなら htmlreg()、LaTeX (PDF) 用には texreg()を使う)。

models <- list(`Model 1` = fit_1,
               `Model 2` = fit_2)
screenreg(models, stars = NULL)
## 
## ===============================
##              Model 1   Model 2 
## -------------------------------
## (Intercept)    13.88      7.74 
##                (0.62)    (0.76)
## experience     30.99           
##                (0.98)          
## expm                      3.07 
##                          (0.10)
## -------------------------------
## R^2             0.47      0.48 
## Adj. R^2        0.47      0.48 
## Num. obs.    1139      1124    
## ===============================

HTMLに出力する場合。

htmlreg(models, 
        stars = NULL,
        doctype = FALSE,
        caption = "回帰分析の結果",
        caption.above = TRUE)
回帰分析の結果
  Model 1 Model 2
(Intercept) 13.88 7.74
  (0.62) (0.76)
experience 30.99  
  (0.98)  
expm   3.07
    (0.10)
R2 0.47 0.48
Adj. R2 0.47 0.48
Num. obs. 1139 1124

PDFに knit する場合には、texreg() を使う(出力は省略する)。

texreg(models, 
       stars = NULL,
       caption = "回帰分析の結果",
       caption.above = TRUE)


授業の内容に戻る