第
2
回：データの加工・整理
北村 友宏2018 年 4 月 13 日
本日の内容
1. データの種類 2. Excel でのデータの加工・整理 3. Stata でのデータの取り込み 4. Stata での変数の作成 5. Stata での記述統計の出力横断面・時系列・パネルデータ
▶ ある 1 時点において複数の個体を観測したデー
タを横断面データ（cross section data）と
いう．
▶ e.g.,47 都道府県，2009 年のみ
▶ ある特定の個体を複数の時点にわたり，一定の
時間間隔で観測したデータを時系列データ
（time series data）という．
▶ e.g.,兵庫県のみ，1999 年∼2014 年，5 年間隔 ▶ 複数の個体を複数の時点にわたり，一定の時間 間隔で観測したデータをパネルデータ（panel data）という． ▶ e.g.,47 都道府県，1999 年∼2014 年，5 年間隔 ミクロデータは通常，横断面データまたはパネル データに含まれる． 3 / 24
ミクロ・集計データ
▶ 個人，家計，企業などの観測単位からなるデー タをミクロデータ（micro data）という． ▶ 個人の所得，消費 ▶ ミクロデータを市町村，都道府県，国などの単 位で合計または平均したデータを集計データ （aggregate data）という． ▶ 個人の所得，消費の各都道府県における平均 前回説明したように，この授業では「ミクロデータ を都道府県別や市町村別に集計したもの」を「広義 のミクロデータ」とする．⇓
前回の実習でダウンロードした『全国消費実態調 査』2009 年版の都道府県別・男女別の収入と支出 のデータは， ▶ 横断面データ ▶ 広義のミクロデータ（厳密には集計データ） 5 / 24データの加工・整理方法
入手したデータは，そのままでは統計解析ソフトを 用いた分析には使えない． そこで，以下の加工・整理をする． ▶ Excel ファイルの 1 行目は変数名 ▶ 2 行目は，1 番目の個体の各変数の数値 ▶ 3 行目は 2 番目の個体，4 行目は 3 番目の 個体，… ▶ 変数名などは半角英数字 ▶ Stata 13 は日本語非対応のため ▶ 変数名は必ず英字で始まる（数字で始まら ない） ▶ 変数名にスペースは含めない⇒
データセットを保存するフォルダの名前も半角 英数字で，スペースは含めない．加工・整理後の
Excel
ファイルの形
A B C D E
1 prefecture income expenditure male female
2 Hokkaido 227,349 155,491 1 0 3 Aomori 233,967 175,207 1 0 ... ... ... ... ... ... 48 Okinawa 214,233 137,726 1 0 49 Hokkaido 207,155 172,835 0 1 50 Aomori 169,422 143,179 0 1 ... ... ... ... ... ... 95 Okinawa 144,644 139,716 0 1 7 / 24
実習
1
1. Excel を起動し，consumption2009.xlsx という 名前で 2018microdata1 フォルダに保存． 2. セル A1 に prefecture，セル B1 に income，セ ル C1 に expenditure，セル D1 に male，セル E1 に female と入力． 3. b134-2.xls を開き，シート B134-2 の「セル P11 からセル BJ11 まで」の範囲をコピー． 4. consumption2009.xlsx のセル A2 を選択し，行 列を入れ替えて貼り付け．5. consumption2009.xlsx の A 列の都道府県名を全 てローマ字表記に直す．
▶ 2 行目から順に，
Hokkaido, Aomori, Iwate, Miyagi, Akita, Yamagata, Fukushima, Ibaraki, Tochigi, Gumma, Saitama, Chiba, Tokyo, Kanagawa, Niigata, Toyama, Ishikawa, Fukui,
Yamanashi, Nagano, Gifu, Shizuoka, Aichi, Mie, Shiga, Kyoto, Osaka, Hyogo, Nara, Wakayama, Tottori, Shimane,
Okayama, Hiroshima, Yamaguchi, Tokushima, Kagawa, Ehime, Kochi, Fukuoka, Saga, Nagasaki, Kumamoto, Oita, Miyazaki, Kagoshima, Okinawa
とする．
6. consumption2009.xlsx の「セル A2 からセル A48 まで」の範囲をコピーし，セル A49 を選 択して貼り付け．
7. b134-2.xls のシート B134-2 の「セル P37 から セル BJ37 まで」の範囲をコピー． 8. consumption2009.xlsx のセル B2 を選択し，行 列を入れ替えて貼り付け． 9. b134-2.xls のシート B134-2 の「セル P39 から セル BJ39 まで」の範囲をコピー． 10. consumption2009.xlsx のセル C2 を選択し，行 列を入れ替えて貼り付け． 11. consumption2009.xlsx の「セル D2 からセル D48 まで」の全てのセルに 1 を入力． 12. consumption2009.xlsx の「セル E2 からセル E48 まで」の全てのセルに 0 を入力．
13. b134-2.xls のシート B134-2 (2)の「セル P37 か らセル BJ37 まで」の範囲をコピー． 14. consumption2009.xlsx のセル B49 を選択し， 行列を入れ替えて貼り付け． 15. b134-2.xls のシート B134-2 (2)の「セル P39 か らセル BJ39 まで」の範囲をコピー． 16. consumption2009.xlsx のセル C49 を選択し， 行列を入れ替えて貼り付け． 17. consumption2009.xlsx の「セル D49 からセル D95 まで」の全てのセルに 0 を入力． 18. consumption2009.xlsx の「セル E49 からセル E95 まで」の全てのセルに 1 を入力． 11 / 24
19. consumption2009.xlsx のセル B17 とセル C17 両方の”-” を消去して空白にする． ▶ このデータでは「富山県の男性」は全て欠損値 （missing value）． ▶ 欠損値を”-” としたまま Stata に読み込むと，当該 変数が数値変数として読み込まれない． 20. consumption2009.xlsx を上書き保存．
ダミー変数
▶ ある事柄が当てはまるなら 1，当てはまらない なら 0 とする変数をダミー変数（dummy variable）という． ▶ 先ほどの実習では，male と female の 2 つのダ ミー変数を作成した． ▶ 変数 male は，男性なら 1，女性なら 0 とした． ▶ 変数 female は，女性なら 1，男性なら 0 とした． 13 / 24統計解析ソフト
Stata
▶ 統計解析ソフト Stata では，Excel ファイルの データセットを取り込むことができる． ▶ 古くても Ver. 13 であれば xls，xlsx 両方に対応． ▶ 各種操作は，コマンドを入力する方法と，メ ニューバーからマウスで操作する方法がある． ▶ メニューバーから操作した場合も，その操作に対 応するコマンドが表示される． ▶ 無理にコマンドを覚える必要はない． ▶ この授業では， ▶ 比較的覚えやすいコマンド⇒コマンド入力の方法 ▶ そうでないコマンド⇒マウス操作の方法 を解説する．ロギング
Stata のプログラムを終了すると，画面に表示され た分析結果や，それを出力するために使われたコマ ンドの記録が消滅する．⇓
▶ 保存する方法 ▶ 結果やコマンドをメモ帳や Word にコピー・貼り 付けする ▶ ロギング機能を利用する（ログ開始・終了操作の みでできる） ロギング機能は，1 回の Stata の起動中に多くの分 析をするときや，長い計算を要する分析をするとき 等に使うと便利． 15 / 24実習
2
1. Stata 13 を起動． 2. メニューバーから「File」→「Log」→ 「Begin...」と操作し，2018microdata1 フォルダ に，lecture20180413.smcl という名前で保存． 3. メニューバーから「File」→「Import」→ 「Excel spreadsheet (*.xls; *.xlsx)」と操作． 4. Excel file:の「Browse...」をクリック． 5. 2018microdata1 フォルダにある consumption2009.xlsx を選択し，「開く」をク リック．6. 「Import first row as variable names」にチェッ
7. メニューバーから「File」→「Save as」と操作
し，2018microdata1 フォルダに，
consumption2009.dta という名前で保存．
8. Command ウィンドウに，
list prefecture income expenditure
male female
と入力して Enter キーを押すと，各変数の観測 値のリストが表示される． ▶ 「listの後」および「変数名と変数名の間」は半 角スペース． ▶ 「more」をクリックすれば下の隠れている部分が 表示される． 17 / 24変数の作成方法
▶ コマンドを入力する方法： Command ウィンドウに，generate
(付けたい変数名)=
(変数の定義式) を入力する． ▶ generateの後に半角スペースを必ず入力． ▶ メニューバーから操作する方法： メニューバーから「Data」→「Create orchange data」→「Create new variable」と操作 し，「Variable name:」のボックスに付けたい変 数名を，「Specify a value or an expression」の ボックスに変数の定義式を入力する．
▶ 「Specify a value or an expression」のボックスの
右にある「Create ...」をクリックすると．使える
演算子や関数を参照しながら変数の定義式を入力
変数の単位の変換
元のデータの可処分所得（income）と消費支出 （expenditure）は円単位．⇓
千円単位にするには，新たな変数を作成し，元の変 数を 1,000 で割ったものと定義すればよい． 19 / 24実習
3
1. Command ウィンドウに，generate income_th=income/1000
と入力して Enter キーを押す． 2. Command ウィンドウに，generate expenditure_th
=expenditure/1000
と入力して Enter キーを押し，上書き保存． 3. Command ウィンドウに，list prefecture income income_th
expenditure expenditure_th male
female
と入力して Enter キーを押す．
▶ 「listの後」および「変数名と変数名の間」は半
記述統計
▶ Command ウィンドウに，
summarize
(変数名)を入力して Enter キーを押すと，選んだ変数
の観測値数（number of observations），平均値
(mean)，標準偏差 (standard deviation)，最小値
(minimum)，最大値 (maximum)が表示される． ▶ 変数を複数選ぶ場合は，「変数名と変数名の間」に 半角スペースを入力． ▶ 他の統計量（中央値，分位点等）を表示させる方 法や，小数点以下の表示桁数を変更する方法は， 次回の授業で解説する． 21 / 24
▶ Obs: 観測値数 ▶ n. ▶ Mean: 平均値 ▶ x =¯ 1 n n ∑ i=1 xi. ▶ Std. Dev.: 標準偏差 ▶ sx = √ 1 n− 1 n ∑ i=1 (xi− ¯x)2. ▶ Min: 最小値 ▶ min{xi}. ▶ Max: 最大値 ▶ max{xi}.
実習
4
1. Command ウィンドウに，
summarize income
income_th expenditure expenditure_th
male female
と入力して Enter キーを押す．▶ 「listの後」および「変数名と変数名の間」は半 角スペース． 2. 出力された表全体をドラッグして選択し，メ ニューバーから「Edit」→「Copy」と操作． 3. Word を起動し，貼り付けて summary20180413.docx という名前で 2018microdata1 フォルダに保存． 23 / 24
