「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}パッケージと{summarytools}、{modelsummary}、{marginaleffects}、{naniar}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 0.0698 <0.001 143.8 0.0495 0.0975 53.6 0.445 3.24 4.54 3.89
1 0.0898 <0.001 160.1 0.0676 0.1184 53.6 0.445 3.24 4.54 3.89
2 0.1149 <0.001 182.7 0.0914 0.1434 53.6 0.445 3.24 4.54 3.89
3 0.1459 <0.001 213.7 0.1223 0.1731 53.6 0.445 3.24 4.54 3.89
4 0.1835 <0.001 249.7 0.1609 0.2085 53.6 0.445 3.24 4.54 3.89
5 0.2282 <0.001 257.9 0.2065 0.2514 53.6 0.445 3.24 4.54 3.89
6 0.2801 <0.001 174.6 0.2564 0.3050 53.6 0.445 3.24 4.54 3.89
7 0.3385 <0.001 65.8 0.3077 0.3709 53.6 0.445 3.24 4.54 3.89
8 0.4024 <0.001 15.8 0.3598 0.4465 53.6 0.445 3.24 4.54 3.89
9 0.4698 0.301 1.7 0.4133 0.5270 53.6 0.445 3.24 4.54 3.89
10 0.5383 0.287 1.8 0.4678 0.6072 53.6 0.445 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
Columns: rowid, estimate, p.value, s.value, conf.low, conf.high, VotedLDP, Age, Female, Educ, Issue1, Issue2, Issue3, Issue4, Issue5, Ideology
Type: invlink(link)
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。
# ここにRコード
(1) | (2) | |
---|---|---|
(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 |
注:カッコ内の数値はp値 |
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 6.50 0.388 16.7 <0.001 206.6 5.74 7.26 0.445 3.24
0 40 6.90 0.218 31.6 <0.001 724.9 6.47 7.32 0.445 3.24
0 60 7.29 0.173 42.1 <0.001 Inf 6.95 7.63 0.445 3.24
1 20 6.51 0.328 19.8 <0.001 288.8 5.87 7.16 0.445 3.24
1 40 6.74 0.185 36.5 <0.001 968.3 6.38 7.11 0.445 3.24
--- 23 rows omitted. See ?avg_predictions and ?print.marginaleffects ---
9 40 5.53 0.153 36.2 <0.001 949.2 5.23 5.83 0.445 3.24
9 60 4.42 0.131 33.6 <0.001 820.3 4.16 4.67 0.445 3.24
10 20 6.65 0.334 19.9 <0.001 291.4 6.00 7.30 0.445 3.24
10 40 5.37 0.185 29.0 <0.001 613.4 5.01 5.74 0.445 3.24
10 60 4.10 0.159 25.8 <0.001 486.7 3.79 4.41 0.445 3.24
Columns: rowid, estimate, std.error, statistic, p.value, s.value, conf.low, conf.high, Issue3, Female, Educ, Ideology, Age
Type: response
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 6.497290 0.38808995 16.74171 6.508802e-63 206.5791 5.736648
2 2 6.895573 0.21831838 31.58494 5.944071e-219 724.9308 6.467677
3 3 7.293856 0.17315281 42.12381 0.000000e+00 Inf 6.954483
4 4 6.512667 0.32810962 19.84906 1.122853e-87 288.8406 5.869584
5 5 6.743427 0.18458274 36.53336 3.277301e-292 968.2905 6.381652
6 6 6.974187 0.14541105 47.96188 0.000000e+00 Inf 6.689187
7 7 6.528044 0.27086987 24.10029 2.482001e-128 423.8953 5.997148
8 8 6.591281 0.15231909 43.27285 0.000000e+00 Inf 6.292741
9 9 6.654518 0.11900891 55.91614 0.000000e+00 Inf 6.421265
10 10 6.543420 0.21853504 29.94220 5.558651e-197 651.9451 6.115099
11 11 6.439135 0.12269443 52.48107 0.000000e+00 Inf 6.198658
12 12 6.334849 0.09506907 66.63418 0.000000e+00 Inf 6.148517
13 13 6.558797 0.17554800 37.36184 1.628472e-305 1012.4845 6.214729
14 14 6.286989 0.09812862 64.06886 0.000000e+00 Inf 6.094660
15 15 6.015180 0.07595650 79.19243 0.000000e+00 Inf 5.866308
16 16 6.574173 0.15016369 43.78005 0.000000e+00 Inf 6.279858
17 17 6.134843 0.08322867 73.71068 0.000000e+00 Inf 5.971717
18 18 5.695512 0.06600691 86.28660 0.000000e+00 Inf 5.566140
19 19 6.589550 0.15150460 43.49406 0.000000e+00 Inf 6.292606
20 20 5.982696 0.08335030 71.77774 0.000000e+00 Inf 5.819333
21 21 5.375843 0.06928705 77.58799 0.000000e+00 Inf 5.240043
22 22 6.604927 0.17897104 36.90500 3.841509e-298 987.9929 6.254150
23 23 5.830550 0.09843789 59.23075 0.000000e+00 Inf 5.637616
24 24 5.056174 0.08426587 60.00263 0.000000e+00 Inf 4.891016
25 25 6.620303 0.22311455 29.67222 1.753397e-193 640.3220 6.183007
26 26 5.678404 0.12310663 46.12590 0.000000e+00 Inf 5.437120
27 27 4.736505 0.10609920 44.64223 0.000000e+00 Inf 4.528554
28 28 6.635680 0.27604720 24.03821 1.108982e-127 421.7356 6.094637
29 29 5.526258 0.15278400 36.17040 1.778439e-286 949.2408 5.226807
30 30 4.416836 0.13141385 33.61013 1.193332e-247 820.2612 4.159270
31 31 6.651056 0.33361129 19.93655 1.961534e-88 291.3577 5.997190
32 32 5.374112 0.18507606 29.03731 2.225272e-185 613.4027 5.011369
33 33 4.097167 0.15855099 25.84132 3.045904e-147 486.7166 3.786413
conf.high Issue3 Female Educ Ideology Age
1 7.257933 5.756147 0.4445559 3.235324 0 20歳
2 7.323469 5.756147 0.4445559 3.235324 0 40歳
3 7.633229 5.756147 0.4445559 3.235324 0 60歳
4 7.155750 5.756147 0.4445559 3.235324 1 20歳
5 7.105203 5.756147 0.4445559 3.235324 1 40歳
6 7.259188 5.756147 0.4445559 3.235324 1 60歳
7 7.058939 5.756147 0.4445559 3.235324 2 20歳
8 6.889821 5.756147 0.4445559 3.235324 2 40歳
9 6.887771 5.756147 0.4445559 3.235324 2 60歳
10 6.971741 5.756147 0.4445559 3.235324 3 20歳
11 6.679611 5.756147 0.4445559 3.235324 3 40歳
12 6.521181 5.756147 0.4445559 3.235324 3 60歳
13 6.902865 5.756147 0.4445559 3.235324 4 20歳
14 6.479317 5.756147 0.4445559 3.235324 4 40歳
15 6.164052 5.756147 0.4445559 3.235324 4 60歳
16 6.868489 5.756147 0.4445559 3.235324 5 20歳
17 6.297968 5.756147 0.4445559 3.235324 5 40歳
18 5.824883 5.756147 0.4445559 3.235324 5 60歳
19 6.886494 5.756147 0.4445559 3.235324 6 20歳
20 6.146060 5.756147 0.4445559 3.235324 6 40歳
21 5.511643 5.756147 0.4445559 3.235324 6 60歳
22 6.955703 5.756147 0.4445559 3.235324 7 20歳
23 6.023485 5.756147 0.4445559 3.235324 7 40歳
24 5.221332 5.756147 0.4445559 3.235324 7 60歳
25 7.057600 5.756147 0.4445559 3.235324 8 20歳
26 5.919689 5.756147 0.4445559 3.235324 8 40歳
27 4.944456 5.756147 0.4445559 3.235324 8 60歳
28 7.176722 5.756147 0.4445559 3.235324 9 20歳
29 5.825709 5.756147 0.4445559 3.235324 9 40歳
30 4.674403 5.756147 0.4445559 3.235324 9 60歳
31 7.304923 5.756147 0.4445559 3.235324 10 20歳
32 5.736854 5.756147 0.4445559 3.235324 10 40歳
33 4.407921 5.756147 0.4445559 3.235324 10 60歳
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
Term Age Estimate Std. Error z Pr(>|z|) S 2.5 % 97.5 %
Ideology 18 0.03213 0.0691 0.465 0.64218 0.6 -0.103 0.16765
Ideology 19 0.02375 0.0675 0.352 0.72487 0.5 -0.109 0.15602
Ideology 20 0.01538 0.0659 0.233 0.81537 0.3 -0.114 0.14445
Ideology 21 0.00700 0.0643 0.109 0.91326 0.1 -0.119 0.13296
Ideology 22 -0.00138 0.0626 -0.022 0.98248 0.0 -0.124 0.12141
Ideology 23 -0.00975 0.0611 -0.160 0.87312 0.2 -0.129 0.10994
Ideology 24 -0.01813 0.0595 -0.305 0.76056 0.4 -0.135 0.09846
Ideology 25 -0.02650 0.0579 -0.458 0.64727 0.6 -0.140 0.08703
Ideology 26 -0.03488 0.0564 -0.619 0.53598 0.9 -0.145 0.07558
Ideology 27 -0.04326 0.0548 -0.789 0.43021 1.2 -0.151 0.06422
Ideology 28 -0.05163 0.0533 -0.969 0.33277 1.6 -0.156 0.05285
Ideology 29 -0.06001 0.0518 -1.158 0.24687 2.0 -0.162 0.04156
Ideology 30 -0.06838 0.0503 -1.359 0.17420 2.5 -0.167 0.03025
Ideology 31 -0.07676 0.0488 -1.573 0.11576 3.1 -0.172 0.01889
Ideology 32 -0.08514 0.0474 -1.796 0.07248 3.8 -0.178 0.00777
Ideology 33 -0.09351 0.0460 -2.034 0.04199 4.6 -0.184 -0.00339
Ideology 34 -0.10189 0.0445 -2.288 0.02215 5.5 -0.189 -0.01460
Ideology 35 -0.11027 0.0432 -2.551 0.01073 6.5 -0.195 -0.02556
Ideology 36 -0.11864 0.0419 -2.831 0.00464 7.8 -0.201 -0.03651
Ideology 37 -0.12702 0.0405 -3.136 0.00171 9.2 -0.206 -0.04763
Ideology 38 -0.13539 0.0393 -3.443 < 0.001 10.8 -0.212 -0.05832
Ideology 39 -0.14377 0.0381 -3.775 < 0.001 12.6 -0.218 -0.06912
Ideology 40 -0.15215 0.0369 -4.127 < 0.001 14.7 -0.224 -0.07990
Ideology 41 -0.16052 0.0358 -4.482 < 0.001 17.0 -0.231 -0.09032
Ideology 42 -0.16890 0.0347 -4.868 < 0.001 19.8 -0.237 -0.10090
Ideology 43 -0.17727 0.0336 -5.270 < 0.001 22.8 -0.243 -0.11134
Ideology 44 -0.18565 0.0328 -5.668 < 0.001 26.0 -0.250 -0.12145
Ideology 45 -0.19403 0.0319 -6.088 < 0.001 29.7 -0.256 -0.13156
Ideology 46 -0.20240 0.0310 -6.519 < 0.001 33.7 -0.263 -0.14155
Ideology 47 -0.21078 0.0304 -6.942 < 0.001 37.9 -0.270 -0.15127
Ideology 48 -0.21916 0.0298 -7.365 < 0.001 42.4 -0.277 -0.16083
Ideology 49 -0.22753 0.0292 -7.804 < 0.001 47.2 -0.285 -0.17039
Ideology 50 -0.23591 0.0288 -8.195 < 0.001 51.8 -0.292 -0.17949
Ideology 51 -0.24428 0.0284 -8.587 < 0.001 56.6 -0.300 -0.18853
Ideology 52 -0.25266 0.0282 -8.955 < 0.001 61.4 -0.308 -0.19736
Ideology 53 -0.26104 0.0281 -9.280 < 0.001 65.7 -0.316 -0.20591
Ideology 54 -0.26941 0.0281 -9.575 < 0.001 69.7 -0.325 -0.21427
Ideology 55 -0.27779 0.0282 -9.834 < 0.001 73.4 -0.333 -0.22242
Ideology 56 -0.28616 0.0285 -10.045 < 0.001 76.5 -0.342 -0.23033
Ideology 57 -0.29454 0.0288 -10.218 < 0.001 79.0 -0.351 -0.23804
Ideology 58 -0.30292 0.0293 -10.343 < 0.001 80.9 -0.360 -0.24551
Ideology 59 -0.31129 0.0298 -10.445 < 0.001 82.4 -0.370 -0.25288
Ideology 60 -0.31967 0.0305 -10.483 < 0.001 83.0 -0.379 -0.25990
Ideology 61 -0.32805 0.0312 -10.513 < 0.001 83.5 -0.389 -0.26689
Ideology 62 -0.33642 0.0320 -10.512 < 0.001 83.4 -0.399 -0.27370
Ideology 63 -0.34480 0.0329 -10.470 < 0.001 82.8 -0.409 -0.28025
Ideology 64 -0.35317 0.0339 -10.430 < 0.001 82.2 -0.420 -0.28681
Ideology 65 -0.36155 0.0349 -10.366 < 0.001 81.2 -0.430 -0.29319
Ideology 66 -0.36993 0.0360 -10.282 < 0.001 80.0 -0.440 -0.29941
Ideology 67 -0.37830 0.0372 -10.181 < 0.001 78.5 -0.451 -0.30548
Ideology 68 -0.38668 0.0382 -10.113 < 0.001 77.5 -0.462 -0.31174
Ideology 69 -0.39505 0.0396 -9.981 < 0.001 75.5 -0.473 -0.31748
Ideology 70 -0.40343 0.0408 -9.885 < 0.001 74.1 -0.483 -0.32344
Ideology 71 -0.41181 0.0421 -9.792 < 0.001 72.8 -0.494 -0.32938
Ideology 72 -0.42018 0.0435 -9.658 < 0.001 70.9 -0.505 -0.33491
Ideology 73 -0.42856 0.0448 -9.574 < 0.001 69.7 -0.516 -0.34083
Ideology 74 -0.43693 0.0462 -9.455 < 0.001 68.1 -0.528 -0.34636
Ideology 75 -0.44531 0.0477 -9.343 < 0.001 66.5 -0.539 -0.35189
Ideology 76 -0.45369 0.0492 -9.226 < 0.001 64.9 -0.550 -0.35730
Columns: rowid, term, estimate, std.error, statistic, p.value, s.value, conf.low, conf.high, Age, predicted_lo, predicted_hi, predicted, Issue3, Ideology, Female, Educ
Type: response
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
Columns: rowid, estimate, std.error, statistic, p.value, s.value, conf.low, conf.high, Issue3, Age, Educ, Ideology, Female
Type: response
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 0.26645409 28.10185 9.298072e-174 574.7986 6.965614
3 3 6.602493 0.17557438 37.60511 0.000000e+00 Inf 6.258373
4 4 7.254805 0.22299878 32.53294 3.650230e-232 768.8193 6.817736
5 5 6.320293 0.14531578 43.49351 0.000000e+00 Inf 6.035480
6 6 7.021756 0.18129226 38.73169 0.000000e+00 Inf 6.666430
7 7 6.038094 0.11790618 51.21100 0.000000e+00 Inf 5.807002
8 8 6.788707 0.14287428 47.51525 0.000000e+00 Inf 6.508679
9 9 5.755894 0.09582238 60.06837 0.000000e+00 Inf 5.568086
10 10 6.555658 0.11120696 58.95007 0.000000e+00 Inf 6.337697
11 11 5.473695 0.08340780 65.62569 0.000000e+00 Inf 5.310218
12 12 6.322610 0.09342734 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 0.15575686 36.10411 1.955013e-285 945.7823 5.318185
19 19 4.344897 0.15167504 28.64609 1.793388e-180 597.1044 4.047619
20 20 5.390414 0.19558343 27.56069 3.295144e-167 553.0417 5.007078
21 21 4.062697 0.18235848 22.27863 5.955122e-110 362.8380 3.705281
22 22 5.157365 0.23801956 21.66782 4.128363e-104 343.4350 4.690855
conf.high Issue3 Age Educ Ideology Female
1 7.291265 5.756147 53.64074 3.235324 0 男性
2 8.010094 5.756147 53.64074 3.235324 0 女性
3 6.946612 5.756147 53.64074 3.235324 1 男性
4 7.691875 5.756147 53.64074 3.235324 1 女性
5 6.605107 5.756147 53.64074 3.235324 2 男性
6 7.377083 5.756147 53.64074 3.235324 2 女性
7 6.269186 5.756147 53.64074 3.235324 3 男性
8 7.068736 5.756147 53.64074 3.235324 3 女性
9 5.943703 5.756147 53.64074 3.235324 4 男性
10 6.773620 5.756147 53.64074 3.235324 4 女性
11 5.637171 5.756147 53.64074 3.235324 5 男性
12 6.505724 5.756147 53.64074 3.235324 5 女性
13 5.358111 5.756147 53.64074 3.235324 6 男性
14 6.280575 5.756147 53.64074 3.235324 6 女性
15 5.105207 5.756147 53.64074 3.235324 7 男性
16 6.093945 5.756147 53.64074 3.235324 7 女性
17 4.869141 5.756147 53.64074 3.235324 8 男性
18 5.928741 5.756147 53.64074 3.235324 8 女性
19 4.642174 5.756147 53.64074 3.235324 9 男性
20 5.773751 5.756147 53.64074 3.235324 9 女性
21 4.420113 5.756147 53.64074 3.235324 10 男性
22 5.623875 5.756147 53.64074 3.235324 10 女性
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
Term Female Estimate Std. Error z Pr(>|z|) S 2.5 % 97.5 %
Ideology 0 -0.282 0.0353 -7.99 <0.001 49.4 -0.351 -0.213
Ideology 1 -0.233 0.0470 -4.96 <0.001 20.5 -0.325 -0.141
Columns: rowid, term, estimate, std.error, statistic, p.value, s.value, conf.low, conf.high, Female, predicted_lo, predicted_hi, predicted, Issue3, Ideology, Age, Educ
Type: response
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。