数量化3類

現在のワークフォルダーを確認するために，「スクリプトウィンドウ」に "getwd()" と入力し，「実行」ボタンを押す．出力ウィンドウに現在のワークフォルダーが表示されるので確認する．もし，対象のデータファイルが保存されているフォルダーが，現在のワークフォルダーと異なる時は，現在のワークフォルダーを対象のデータが入っているフォルダー(例．"c:/home/abc") に変更する．そのために， "setwd("c:/home/abc")" と入力し，「実行」ボタンを押す．最後に，現在のワークフォルダーが対象のデータファイルの入っているフォルダーに変更されたか確認する．

対象のデータファイル("hys3-1.csv")を分割表として読み込み，tb というオブジェクトに格納するために，「スクリプトウィンドウ」に "tb<-read.table("hys3-1.csv",sep=",",header=T,row.names=1)" と入力し，「実行」ボタンを押す．さらに，tb の中身を確かめるために，"tb" と入力する．

入力されたデータは，出席番号1から10までの小学生の好きな科目を調査した結果である．1が好きな科目を表す．

数量化3類により，小学生一人ひとりと科目に数値を与えるため，「スクリプトウィンドウ」に "library(MASS)" と入力し，MASS ライブラリーを読み込む．さらに， "tb.ca<-corresp(tb,nf=6)" と入力し，オブジェクト tb.ca に数量化の結果を保存すし，その結果を表示するために，"tb.ca" と入力する． nf=6 は数量化する成分の個数を表す．この場合，第2固有値から第7固有値の6つの固有値に対応する数量化を行うことになる．

オブジェクト tb.ca の構造を確認するため，"str(tb.ca)" と入力すると， cor, rscore, cscore, Freq の4つの変数があることがわかる．それぞれ，相関係数，行成分の数量化得点，列成分の数量化得点，分割表(元のデータ)を意味し，それらを取り出す時は，tb.ca$cor などとすればよい．

寄与率は相関係数の2乗の比率なので，"eigen.v<-tb.ca$cor^2" と入力して，相関係数の2乗をオブジェクト eigen.v に格納し， "round(100*eigen.v/sum(eigen.v),2)" と入力して，その合計に対する割合を求める．ここで，round(x,2) は実数x を小数第2位まで求めるように，四捨五入する関数．

第1成分（第2固有値に対応する）の寄与率は43%，第2成分(第3固有値に対応する）の寄与率は 21% であることなどがわかる．

各変数を，第1成分を横座標，第2成分を縦座標にして，点で描いてみる． "biplot(tb.ca)" と入力する．

この結果，小学生の科目の好き嫌いによるグループ分けや，科目のグループ分けが可能となる．

小学生ひとりひとり(行変数)の数量化得点をデータフレームという形式に変換するために，"rs<-as.data.frame(tb.ca$rscore)" と入力する．同様に，科目(列変数)の数量化得点をデータフレームにするため， "cs<-as.data.frame(tb.ca$cscore)" と入力する．

データフレームにした小学生ひとりひとり(行変数)の数量化得点 (rs) をアクティブにするために，メニュー下のデータセット：の右の「アクティブデータセットなし」をクリックして，表示されたリストから「rs」を選び，「OK」を押す． "rs<-as.data.frame(tb.ca$rscore)" と入力する．

アクティブにしたデータフレーム rs を表示して，確認する．

変数名 V1 から V6 に6つの成分の数量化得点が入っている．V1 が第1番目の数量化得点で，最も寄与率が高い．確認したら，データフレームの表のウィンドウを閉じておこう．

数量化得点をもとに，小学生をクラスター分析する．

同様に，科目を数量化得点をもとに，クラスター分析する．

上のバイプロットしたグラフにおける科目間の近さと比較すると，異なった結果になっていると考えられるが，ここでのクラスター分析には，第1成分 V1 から第4成分 V4 を使っているのが原因と考えられる．