都市環境計画
都市環境計画のための
調査・分析
調査・分析手法の概論
試験想定問題 「多変量解析手法について以下のキーワードを用いて 説明せよ。」 定量データ（量的データ），定性データ（質的データ） 目的変数（従属変数），説明変数（独立変数），重回帰分析， 判別分析，因子分析，数量化Ⅰ類，数量化Ⅱ類， 数量化Ⅲ類
◇多変量解析手法・・・後日詳細（予定） 重回帰分析 判別分析 因子分析・主成分分析 利用者の利用実態や評価構造の解明等に関する研究 数量化Ⅰ類 数量化Ⅱ類 数量化Ⅲ類 その他，クラスター分析，共分散構造分析等 予測する 判別する 集約する
①調査・分析手法の概論 1. 都市環境計画等における調査や分析の必要性 ～なぜ「調査」・「分析」・・・研究 目標 ・・・計画＝社会・世の中を改善する仕組みを考える 「今の社会・世の中の状況を知る（前提）」 「問題の現状を知る」 「解決案（仮説）の検証」 「実際実施したことに対する良し悪しの検証」 等・・・・ ※マーケティング，PDCA 上記のためには「調査」や調査データ等に基づいた 「分析（解析）」が必要である。
①調査・分析手法の概論 1. 調査手法 ①（人やものを）観察する・測定する 例）現状の町並み・建築・緑の量を測定する。 例）人の行動を観察する（動線，遊び） ②（人に）尋ねる 例）アンケート調査・ヒアリング調査 例）KJ法（・・・発想演習でやった） ③意識を捉える 例）SD法 （後述）・・・心理学の分野の応用 例）認知マップ法 （地図を書いてもらう） ④実験する 例）人（動作・心理）とハード（いすの変化と座りごこち等） ⑤資料を調べる 例）統計資料（世論調査，国政調査・・・）
①調査・分析手法の概論 2. 分析手法（他にも様々ある）
◇基本的な解析（記述統計等）
①単純集計等 （平均値，最大値，度数分布等） ②クロス集計・相関分析等 （２変数の関係）◇多変量解析
③ 「（重）回帰分析」・「数量化Ⅰ類」 ・・・予測する ④「判別関数」・「数量化Ⅱ類」 ・・・判別する ⑤「主成分分析」・「因子分析」・「数量化Ⅲ類」 ・・・構造を探る・簡潔にする ⑥クラスター分析 ・・・類型化する その他：共分散構造解析等①調査・分析手法の概論 3. データの基礎
①質的データ（定性データ，定性的変数）
「名義尺度」・・・大小が全くない 例）性別，国籍，血液型 「順序尺度」・・・大小関係はあるが，値の意味はない 例）満足度，好き嫌いの程度 ※関連： 後述 「定性データの数量化」②量的データ（定量データ，定量的変数）
「間隔尺度」・・・大小関係があり，等間隔の目盛りあり 例）温度，試験の得点，家族構成人数 「比率尺度」・・・大小関係があり，絶対的原点あり 例）身長，体重・・・①調査・分析手法の概論 3. データの基礎
データの「ワークシート化」・・・エクセルへの入力
学生番号 性別 身長 体重 大学の満足度 牛乳の嗜好性 1 男 175 63 満足 好き 2 女 165 72 やや満足 好き 3 男 166 55 どちらでもない 好き 4 女 155 42 やや満足 好き 5 男 165 56 不満 嫌い 6 男 182 70 やや満足 好き 7 男 172 70 やや満足 どちらでもない 8 男 173 63 どちらでもない 好き 9 男 168 58 満足 好き 10 男 169 73 やや満足 嫌い 11 男 164 55 どちらでもない 好き 12 女 158 50 満足 どちらでもない 13 女 162 56 やや満足 好き 14 男 159 45 満足 好き 15 男 178 72 やや満足 好き 16 男 164 58 不満 好き 17 男 177 67 やや満足 嫌い 18 男 172 63 やや満足 好き 19 女 171 60 やや不満 嫌い 20 男 170 70 やや不満 好き①調査・分析手法の概論 3. データの基礎
質的データの数量化 （1-0データ化）
・・・・・・ ・・・・・・ 10代 20代 30代 40代 50代 ・・・・・・ ほぼ毎日 週2～3回 週1回 月2～3回 月1回 年数回 殆ど しない ・・・・・・ 回答者１ 1 0 0 0 0 ・・・・・・ 0 1 0 0 0 0 0 ・・・・・・ 回答者２ 0 0 1 0 0 ・・・・・・ 0 0 0 0 1 0 0 ・・・・・・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ 回答者ｎ 1 0 0 0 0 0 1 0 0 0 0 0 ・・・・・・ 年齢 採取の頻度 質問項目②分析・解析手法の概論 1. 基本的な解析（記述統計等） ①単純集計等 （平均値，最大値，度数分布等） ・・一つのデータの特徴をみる ・・多くはエクセルで処理可能 （：エクセル関数） 例）室蘭工業大学の学生の身長ってどんな特徴？ ・・・主に定量データ 平均（その他，中央値，最頻値） ＝aberage（範囲） 最大値 ＝max（範囲） 最小値 ＝min（範囲） 分散，標準偏差（ちらばり） ・・・これも関数あり →エクセルで実例・・・
②分析・解析手法の概論 1. 基本的な解析（記述統計等） ①単純集計等 （平均値，最大値，度数分布等） ・・一つのデータの特徴をみる 例）室蘭工業大学の男女比って？ 例）学生の大学の満足度の傾向は？ ・・・（基本）定性データ 度数分布 比率（割合） （全体数の中で割合） ※単数回答 ：S.A（single answer） ※複数回答 ：M.A.（multiple answer） 66% 62% 37% 35% 34% 23% 23% 23% 21% 15% 2% 6% 0% 10% 20% 30% 40% 50% 60% 70% 自然とのふれあい 子供・家族の自然・環境学習 自分自身の自然・環境学習 心身のリフレッシュ・休息 友人・知人との交流 健康促進 余暇時間の充実 新たな人間関係の形成 家族との交流 ボランティア活動の実践 その他 無回答
②分析・解析手法の概論 1. 基本的な解析（記述統計等） ①単純集計等 （平均値，最大値，度数分布等） ・・一つのデータの特徴をみる 例）どれくらい時間をかけて通学しているのか？ ・・・主に定量データ 「累積度数分布」 0% 20% 40% 60% 80% 100% 0.0 5.0 10.0 15.0 20.0 25.0 30.0 子育て支援施設 ふぉれすと鉱山 累積度 自宅からの道のり（距離）km 子育て支援施設 平均：5.4km 誘致距離：10km ふぉれすと鉱山 平均：16.5km 誘致距離：約19km
②分析・解析手法の概論 1. 基本的な解析（記述統計等） ②クロス集計・相関分析等 （２変数の関係） 二つのデータの関わりをみる 例）性別の違いと牛乳の好き嫌い（嗜好性） 例）年齢層別と結婚経験 ・・・主に定性データ（数量化1-0化） 「クロス集計」 ※関連： 独立性の検定 １％水準 5%水準 上段： 実数 下段： 割合 男 女 全体 1 3 4 17% 75% 40% 1 0 1 17% 0% 10% 2 1 3 33% 25% 30% 2 0 2 33% 0% 20% 6 4 10 100% 100% 100% ビ ー ル 全 体 焼 酎 ワ イ ン 日 本 酒 回答者番号 性別 一番好きなお酒 （体重-平均体重）肥満度 1 男 ビール 5 2 女 ビール 7 3 男 日本酒 3 4 女 ワイン -3 5 女 ビール 0 6 男 ワイン 0 7 男 焼酎 -5 8 女 ビール 2 9 男 焼酎 1 10 男 ワイン 2 ↑定性データ ↑定量データ
②分析・解析手法の概論 1. 基本的な解析（記述統計等） ②クロス集計・相関分析等 （２変数の関係） 二つのデータの関わりをみる 例）身長と体重の関係 例）総合満足度（得点化）とその他の要因別満足度 ・・・定量データ同士 「散布図」 ・・・２変数の分布状況
②分析・解析手法の概論 1. 基本的な解析（記述統計等） ②クロス集計・相関分析等 （２変数の関係） 二つのデータの関わりをみる 例）身長と体重の関係 例）総合満足度（得点化）とその他の要因別満足度 ・・・定量データ同士 「相関分析」 相関係数（一般に「r」） 「-1」・・・負の相関 「0」・・・相関なし 「1」・・・正の相関 ※決定係数（ｒ2）
②分析・解析手法の概論 1. 基本的な解析（記述統計等） ②クロス集計・相関分析等 （２変数の関係） 二つのデータの関わりをみる 例）身長と体重の関係 例）総合満足度（得点化）とその他の要因別満足度 ・・・定量データ同士 「相関分析」 相関係数（r） 「-1」・・・負の相関 「0」・・・相関なし 「1」・・・正の相関 ※決定係数（ｒ2） ※無相関の検定 単相関 植栽後年数 （年） 平均 胸高直径 （cm） 平均樹高 （m） 立木密度 （本/ha） 1ha当たりの累積CO2固定量 （kg-C/ha） 0.818** 0.851** 0.892** -0.268** 無相関の検定 **:1%有意
②分析・解析手法の概論 1. 基本的な解析（記述統計等） ②クロス集計・相関分析等 （２変数の関係） 二つのデータの関わりをみる 例）身長と体重の関係 例）総合満足度（得点化）とその他の要因別満足度 ・・・定量データ同士 「回帰分析」 ・・・関数式の当てはめ （回帰式） ※必ずしも直線でなくてもよい（線形・・・非線形）
②分析・解析手法の概論 2. 多変量解析
◇多変量解析
「（重）回帰分析」・「数量化Ⅰ類」 ・・・予測する 「判別関数」・「数量化Ⅱ類」 ・・・判別する 「主成分分析」・「因子分析」・「数量化Ⅲ類」 ・・・構造を探る・簡潔にする クラスター分析 ・・・類型化する その他：共分散構造解析等②分析・解析手法の概論 2. 多変量解析
◇多変量解析の基本
「目的変数（従属変数，外的基準）」と 「説明変数（独立変数）」について 「目的変数（従属変数）」（＝Yのイメージ） ：予測，判別したいもの 「説明変数（独立変数）」（＝Ｘのイメージ） ：Ｙ以外の様々なデータ 例）Y：樹木の大きさ ← X：樹齢，樹種・・・ 例）Y：ワインの嗜好性 ← X：年齢，海外経験，・・ 例）Y：公園の満足度 ← X：広場の満足度，遊具の満足度 例）Ｙ：がんの危険性 ← X：たばこ本数，喫煙年数，・・②分析・解析手法の概論 2. 多変量解析
◇多変量解析・・・
「Ｙ：目的変数」で整理すると
①Y（目的変数）が定量データ 「（重）回帰分析」 「数量化Ⅰ類」 ・・・予測する ②Ｙ（目的変数）が定性データ 「判別関数」 「数量化Ⅱ類」 ・・・判別する ③Ｙ（目的変数）がない 「主成分分析」・「因子分析」・「数量化Ⅲ類」 「クラスター分析」 ・・・構造を探る・簡潔にする ・・・類型化する②分析・解析手法の概論 2. 多変量解析
◇多変量解析・・・
「X：説明変数」で整理すると
①Ｘ（説明変数）が定量データ 「（重）回帰分析」 「判別分析」 「因子分析」「主成分分析」 ②Ｘ（説明変数）が定性データ （＝数量化された定性データ） 「数量化Ⅰ類」 「数量化Ⅱ類」 「数量化Ⅲ類」 ※昔は上記①のような定量データ（説明変数）による「解析」のみだった ・・・「林」の数量化理論が②の一連の「数量化分析」②分析・解析手法の概論 2. 多変量解析
「重回帰分析」・・・予測する
「目的変数（従属変数）」：定量 「説明変数（独立変数）」：定量 ※説明変数が１つの変数のとき：単回帰分析 ※基本的に多変量解析とは説明変数が複数である 例）樹木の胸高直径と樹高からCO2固定量を予測したい Y：CO2固定量 X：「胸高直径」「樹高」 Y：CO2固定量＝ａ×「胸高直径」+ｂ×「樹高」 ａ，ｂ＝係数②分析・解析手法の概論 2. 多変量解析
「重回帰分析」・・・予測する
「目的変数（従属変数）」：定量 「説明変数（独立変数）」：定量 ◇実際の解析アウトプットイメージ 例）気温と各種の緑被率（樹林地率，草地率等）との重回帰分析 R=0.820** 変数名 偏回帰係数 標準 偏回帰係数 判 定 標準誤差 偏相関係数 単相関係数 樹林地 0.019 0.087 0.011 0.137 0.345 畑地 -0.010 -0.074 0.007 -0.124 -0.068 草地 -0.034 -0.294 ** 0.006 -0.436 -0.318 水田 -0.024 -0.724 ** 0.002 -0.741 -0.728 裸地 -0.017 -0.076 0.012 -0.115 0.044 水面 -0.011 -0.074 0.007 -0.122 -0.261 定数項 0.518 ** 0.106 ** ：有意水準1%②分析・解析手法の概論 2. 多変量解析
「数量化Ⅰ類」・・・予測する
「目的変数（従属変数）」：定量 「説明変数（独立変数）」：定性 例）ある都市における１日の観光客数（人数：量的データ） を決定する要因（天気，曜日等：質的データ）は何か？また， それらの要因により今後の観光客数を予測できないか？ Y：観光客数（定量） X：「天気」「曜日」・・・・（定性）②分析・解析手法の概論 2. 多変量解析
「数量化Ⅰ類」・・・予測する
「目的変数（従属変数）」：定量 「説明変数（独立変数）」：定性 ◇実際の解析アウトプットイメージ スポーツ新聞販売数と 各種の要因（曜日，天気，プロ野球，サッカー） http://www.m-te.com/kaiseki/nirui.html②分析・解析手法の概論 2. 多変量解析
「判別分析」・・・判別する
「目的変数（従属変数）」：定性（２変量がベース：有無等） 「説明変数（独立変数）」：定量 例）持ち家か否かを，通勤距離と年齢で判別（予測）したい Y：持ち家ある（１），なし（0） X：「通勤距離」「年齢」：定量②分析・解析手法の概論 2. 多変量解析
「数量化Ⅱ類」・・・判別する
「目的変数（従属変数）」：定性（２変量がベース：有無等） 「説明変数（独立変数）」：定性 例）ある都市における観光客のリピート希望の有無（有無： 質的データ）を決定する要因（属性，活動内容，利用施設 等：質的データ）は何か？。これらの影響要因より，リピート 希望の有無を判別予測できないか？ Y：リピート希望の有無（１），なし（0） X：「属性（男女，年齢層等）」「活動内容」「利用施設」②分析・解析手法の概論 2. 多変量解析
「数量化Ⅱ類」・・・判別する
「目的変数（従属変数）」：定性（２変量がベース：有無等） 「説明変数（独立変数）」：定性 ◇実際の解析アウトプットイメージ IHクッキングヒーター保有者、非保有者 各種の要因（年収層，家族構成，住居タイプ等） http://www.m-te.com/kaiseki/nirui.html②分析・解析手法の概論 2. 多変量解析
「因子分析」「主成分分析」・・・構造化する
「目的変数（従属変数）」：ない （※因子の場合軸が結果的に従属） 「説明変数（独立変数）」：定量 （多くの要因） ※たくさんの説明変数を少ない項目に集約（軸）する手法 （例）野球選手の打率，本塁打，エラー数，盗塁数 →「強打軸」，「技巧軸」等に集約 （例）5科目のセンターテスト（5項目） →「理系軸（理科数学）」/「文系軸（英語国語社会）等）」 （例）建築の成績（数十科目） →「設計・計画軸（設計，計画系科目）」，「構造系等」②分析・解析手法の概論 2. 多変量解析
「因子分析」・・・構造化する
「目的変数（従属変数）」：ない 「説明変数（独立変数）」：定量 （多くの要因） ◇実際の解析アウトプットイメージ 各会社のサイトの要因 http://www.m-te.com/kaiseki/nirui.html②分析・解析手法の概論 2. 多変量解析
「数量化Ⅲ類」・・・構造化する
「目的変数（従属変数）」：ない 「説明変数（独立変数）」：定性 （多くの要因） ※たくさんの説明変数を少ない項目に集約（軸）する手法 例）ある都市における観光客の属性（性別，出身，学 歴・・・・），周遊行動（名所見学，飲食，宿泊・・・）及び利用 施設にはどのような関係（構造）があるのか？ また，タイプ分類を行うことはできないか？ （※タイプ分類の際にはクラスター分析を併用する場合が 多い）②分析・解析手法の概論
◇基本的な解析（記述統計等）
①単純集計等 （平均値，最大値，度数分布等） ②クロス集計・相関分析等 （２変数の関係）◇多変量解析
③ 「回帰分析」・「数量化Ⅰ類」 ・・・予測する ④「判別関数」・「数量化Ⅱ類」 ・・・判別する ⑤「主成分分析」・「因子分析」・「数量化Ⅲ類」 ・・・構造を探る・簡潔にする ⑥クラスター分析 ・・・類型化する その他：共分散構造解析等②分析・解析手法の概論 2. 多変量解析
「クラスター分析」・・・類型化（タイプ分け）する
「目的変数（従属変数）」：ない 「説明変数（独立変数）」： ※因子分析（因子負荷量）等を用いることが多い （例） 野球選手を５グループに分類したい 野球選手の打率，本塁打，エラー数，盗塁数 →「強打軸」，「技巧軸」等に集約（因子） 後 ５グループへ分類（クラスター分析）②分析・解析手法の概論 2. 多変量解析
「クラスター分析」・・・類型化（タイプ分け）する
◇実際の解析アウトプットイメージ ジャニーズのタイプ分け 「因子+クラスター分析」 http://www.myenq.com/topics/detail.php?topic_id=35②分析・解析手法の概論 2. 多変量解析
「共分散構造解析」
イメージ
因子分析+相関分析+重回帰分析を混ぜ込んで
モデル化
比較的近年，意志決定等を考える上で重要視
されている解析手法
②分析・解析手法の概論
