Excelでできるデータ解析入門―すぐに応用できる13事例 [ビジネス]
Excelでできるデータ解析の事例
アドインの分析ツールを使えば、Excelでもいろいろなデータ解析ができる。
例題1 測定データ解析
ヒストグラム表示と基本統計量
基本統計量・・・平均、中央値、最頻値、標準偏差、分散、尖り度、歪み度、最大値、最小値、範囲
正規分布の解説と、あまりに隔たったデータはデータの異常があるかもしれないこと
例題2 気温とアイスクリームの売り上げ解析
グラフと回帰分析
2変数(気温とアイスクリーム売り上げ）の間の関係を回帰式で数値化すると、気温がどのくらいあがるとアイスクリームがどのくらい売れるか予測できる。
y=ax+bという式になるが、bを切片、aを傾きまたは回帰係数という。
例題3 ヒット商品の売上高を解析する
売上高を折れ線グラフにして一番似ている近似曲線を選択する。そのなかでどれが一番近いかは「説明変数選択基準Ru」という数値で表され、これが１に近いほどよい
成長曲線は散布図からは求められないので、Excelのソルバーをつかう
例題4 賃貸住宅情報を分析する
ピポットテーブル
ピポットテーブルを使うとどの項目が目標に対して影響が強いかを表やグラフに表示させながら分析できる。
ピポットテーブルを使うとデータ項目の入れ換え追加が簡単
ピポットテーブルを視覚的にグラフで表現するのがピポットグラフ
例題5 肯定の品質状態を解析する
管理図とパレート図
管理図・・・1924年にシューハートによって考案された「SQC統計的品質管理」の一手法。肯定の状態が安定しているかを管理する。折れ線グラフで作る
パレート図・・・イタリアの経済学者パレートが国民所得の大部分が一部の高所得者により獲得されていることを発見したのが法則の発見。それを図にしたもの。
不良原因を多い順にならべた図からつくる
例題6 賃貸住宅情報を解析する
重回帰分析
複数の要因があるとき、それぞれがどのように結果に影響しているか分析するのにつかう。
要因と結果の表を回帰分析にかけると、それぞれの要因の係数が求められる。これで要因の影響の大きい順番がわかる
さらに重回帰分析では、影響の少ないものから取り除いて、本当に影響があるかをしらべる。
重回帰分析のRuを求める式で、全体のRuをもとめ、要因を取り除きながらRuが最大になる組み合わせを探す
例題7 コンビニの非別売り上げを解析する
数量化理論Ⅰ
数値ではなく定性的なデータを０，１で数値化して分析するのが数量化理論Ⅰ類
例えば曜日なら、曜日の欄を月から日にして、当該曜日に１をいれる。ただし分析をかけるときは冗長性をとりのぞくために、この欄から一つを消すひつようがある。
例題8 漂白剤の性能評価結果を解析する
分散分析
要因が結果に対しいて影響があるかどうかを判断する基本的な手法。
二元表を作成し、それに分散分析をかけるとP-値がもとめられるが、この値が0.05以下なら効果ありと判定する。マーケティングなどでは0.15とすることもある
2要因で繰り返し測定されたデータがあるときや3要因の分散分析では、交互作用についても分析できる。
例題9 WBCの結果を解析する
一対比較法
個別の組み合わせ対戦結果から全体の総合順位を分析できる
例では得点で回帰分析の表をつくり得点力を実力係数として算出している。
さらに実力係数を偏差値にすることで相対的な実力をわかりやすくしている。
AVERAGEで平均値、STDEVで標準偏差をもとめ、計算式で偏差値をもとめていた。
例題10 どんな中古車がこのまれるかを解析する
ラテン方格法
ラテン方格法をつかうと、要因の数が多くなったときの実験回数や調査項目数を削減することができる
ラテン方格法はいっぺんがnマスの正方形の升目にｎ種類のことなる記号を各列および各行に同じ文字が現れないように配置したもの
3×3
ABC
BCA
CAB
など、12種類存在する
この方法で調査項目を減らし、結果を数量化理論Ⅰで回帰分析する
例題１１ 焼結材料の不純物提言実験を解析する
実験計画法
直交表という表を利用して実験回数を劇的に削減できる
L4からL27とうさまざまな直交表があり分析したい要因項目の数に応じてりようする。
例題１２ 販促の効果と来店客数を予測する
実験計画法
キャンペーン、オートコール、チラシによる販促と来店客数の分析。
二つの要因による交互作用の列も作成し解析する。
例題１３ スポーツクラブのアンケートを解析する
コンジョイント分析
実験計画法をアンケートの手法として利用するのがコンジョイント分析。なるべくすくない設問のアンケートに答えてもらうだけで全ての要因について効果を解析することができる。
要因をあげて、直交表で分析し項目をへらす。それを利用者に評価してもらう。それを回帰分析する。
アドインの分析ツールを使えば、Excelでもいろいろなデータ解析ができる。
例題1 測定データ解析
ヒストグラム表示と基本統計量
基本統計量・・・平均、中央値、最頻値、標準偏差、分散、尖り度、歪み度、最大値、最小値、範囲
正規分布の解説と、あまりに隔たったデータはデータの異常があるかもしれないこと
例題2 気温とアイスクリームの売り上げ解析
グラフと回帰分析
2変数(気温とアイスクリーム売り上げ）の間の関係を回帰式で数値化すると、気温がどのくらいあがるとアイスクリームがどのくらい売れるか予測できる。
y=ax+bという式になるが、bを切片、aを傾きまたは回帰係数という。
例題3 ヒット商品の売上高を解析する
売上高を折れ線グラフにして一番似ている近似曲線を選択する。そのなかでどれが一番近いかは「説明変数選択基準Ru」という数値で表され、これが１に近いほどよい
成長曲線は散布図からは求められないので、Excelのソルバーをつかう
例題4 賃貸住宅情報を分析する
ピポットテーブル
ピポットテーブルを使うとどの項目が目標に対して影響が強いかを表やグラフに表示させながら分析できる。
ピポットテーブルを使うとデータ項目の入れ換え追加が簡単
ピポットテーブルを視覚的にグラフで表現するのがピポットグラフ
例題5 肯定の品質状態を解析する
管理図とパレート図
管理図・・・1924年にシューハートによって考案された「SQC統計的品質管理」の一手法。肯定の状態が安定しているかを管理する。折れ線グラフで作る
パレート図・・・イタリアの経済学者パレートが国民所得の大部分が一部の高所得者により獲得されていることを発見したのが法則の発見。それを図にしたもの。
不良原因を多い順にならべた図からつくる
例題6 賃貸住宅情報を解析する
重回帰分析
複数の要因があるとき、それぞれがどのように結果に影響しているか分析するのにつかう。
要因と結果の表を回帰分析にかけると、それぞれの要因の係数が求められる。これで要因の影響の大きい順番がわかる
さらに重回帰分析では、影響の少ないものから取り除いて、本当に影響があるかをしらべる。
重回帰分析のRuを求める式で、全体のRuをもとめ、要因を取り除きながらRuが最大になる組み合わせを探す
例題7 コンビニの非別売り上げを解析する
数量化理論Ⅰ
数値ではなく定性的なデータを０，１で数値化して分析するのが数量化理論Ⅰ類
例えば曜日なら、曜日の欄を月から日にして、当該曜日に１をいれる。ただし分析をかけるときは冗長性をとりのぞくために、この欄から一つを消すひつようがある。
例題8 漂白剤の性能評価結果を解析する
分散分析
要因が結果に対しいて影響があるかどうかを判断する基本的な手法。
二元表を作成し、それに分散分析をかけるとP-値がもとめられるが、この値が0.05以下なら効果ありと判定する。マーケティングなどでは0.15とすることもある
2要因で繰り返し測定されたデータがあるときや3要因の分散分析では、交互作用についても分析できる。
例題9 WBCの結果を解析する
一対比較法
個別の組み合わせ対戦結果から全体の総合順位を分析できる
例では得点で回帰分析の表をつくり得点力を実力係数として算出している。
さらに実力係数を偏差値にすることで相対的な実力をわかりやすくしている。
AVERAGEで平均値、STDEVで標準偏差をもとめ、計算式で偏差値をもとめていた。
例題10 どんな中古車がこのまれるかを解析する
ラテン方格法
ラテン方格法をつかうと、要因の数が多くなったときの実験回数や調査項目数を削減することができる
ラテン方格法はいっぺんがnマスの正方形の升目にｎ種類のことなる記号を各列および各行に同じ文字が現れないように配置したもの
3×3
ABC
BCA
CAB
など、12種類存在する
この方法で調査項目を減らし、結果を数量化理論Ⅰで回帰分析する
例題１１ 焼結材料の不純物提言実験を解析する
実験計画法
直交表という表を利用して実験回数を劇的に削減できる
L4からL27とうさまざまな直交表があり分析したい要因項目の数に応じてりようする。
例題１２ 販促の効果と来店客数を予測する
実験計画法
キャンペーン、オートコール、チラシによる販促と来店客数の分析。
二つの要因による交互作用の列も作成し解析する。
例題１３ スポーツクラブのアンケートを解析する
コンジョイント分析
実験計画法をアンケートの手法として利用するのがコンジョイント分析。なるべくすくない設問のアンケートに答えてもらうだけで全ての要因について効果を解析することができる。
要因をあげて、直交表で分析し項目をへらす。それを利用者に評価してもらう。それを回帰分析する。
- 作者: 上田 太一郎
- 出版社/メーカー: 同友館
- 発売日: 2006/12
- メディア: 単行本
タグ：データ解析
2009-09-04 16:22
nice!(0)
コメント(0)
トラックバック(0)
コメント 0