データ解析かいせき

出典しゅってん: フリー百科ひゃっか事典じてん『ウィキペディア（Wikipedia）』
（データ分析ぶんせきから転送てんそう）

データ解析かいせき（データかいせき、英えい: data analysis）は、データ分析ぶんせき（データぶんせき）とも呼よばれ、有用ゆうような情報じょうほうを発見はっけんし、結論けつろんを報告ほうこくし、意思いし決定けっていを支援しえんすることを目的もくてきとして、データを検査けんさし、クリーニング（英語えいご版ばん）や変換へんかん（英語えいご版ばん）を経へて、モデル化かする一連いちれんのプロセスである[1]。データ解析かいせきには多数たすうの側面そくめんとアプローチがあり、色々いろいろな名称めいしょうのもとで多様たような手法しゅほうを包含ほうがんし、ビジネス、科学かがく、社会しゃかい科学かがくのさまざまな領域りょういきで用もちいられている[2]。今日きょうのビジネス界かいにおいて、データ解析かいせきは、より科学かがく的てきな意思いし決定けっていを行おこない、ビジネスの効率こうりつ的てきな運営うんえいに貢献こうけんする役割やくわりを担になっている[3]。

データマイニングは、（純粋じゅんすいな記述きじゅつ的てきな目的もくてきではなく）予測よそく的てきな目的もくてきで統計とうけい的てきモデリングと知識ちしき獲得かくとくに重点じゅうてんを置おいた固有こゆうのデータ解析かいせき技術ぎじゅつである。これに対たいし、ビジネスインテリジェンスは、主おもにビジネス情報じょうほうに重点じゅうてんを置おいて、集計しゅうけいに大おおきく依存いぞんするデータ解析かいせきを対象たいしょうとしている[4]。統計とうけい学がく的てきな用途ようとでは、データ解析かいせきは記述きじゅつ統計とうけい学がく (en:英語えいご版ばん) 、探索たんさく的てきデータ解析かいせき（EDA）、確認かくにん的てきデータ解析かいせき（仮説かせつ検定けんてい）（CDA）に分わけられる[5]。EDAはデータの新あらたな特徴とくちょうを発見はっけんすることに重点じゅうてんを置おき、CDAは既存きそんの仮説かせつの確認かくにんまたは反証はんしょうに焦点しょうてんを当あてる[6][7]。予測よそく分析ぶんせきは、予測よそく的てきな発生はっせい予報よほうあるいは分類ぶんるいのための統計とうけいモデルの応用おうように重点じゅうてんを置おき、テキスト分析ぶんせきは、統計とうけい的てき、言語げんご的てき、および構造こうぞう的てきな手法しゅほうを用もちいて、非ひ構造こうぞう化かデータの一種いっしゅであるテキストデータから情報じょうほうを抽出ちゅうしゅつし知識ちしきの発見はっけんや分類ぶんるいを行おこなう。上記じょうきはどれも、データ解析かいせきの一種いっしゅである[8]。

データ統合とうごう（英語えいご版ばん）はデータ解析かいせきの前ぜん段階だんかいであり、データ可視かし化かおよびデータ配布はいふ（英語えいご版ばん）はデータ解析かいせきと密接みっせつに関連かんれんしている[9]。

データ解析かいせきのプロセス[編集へんしゅう]

データ解析かいせきのプロセス。Doing Data Science, Schutt & O'Neil (2013)から。

解析かいせき（analysis）とは、全体ぜんたいを構成こうせい要素ようそに分割ぶんかつし、個々ここを考察こうさつすることである[10]。データ解析かいせきとは、生なまデータ（英語えいご版ばん）を入手にゅうしゅし、それを利用りよう者しゃの意思いし決定けっていに役立やくだつ情報じょうほうに変換へんかんするプロセス（英語えいご版ばん）である[1]。データ（data）は、質問しつもんに答こたえたり、仮説かせつを検証けんしょうしたり、理論りろんを反証はんしょうするために収集しゅうしゅうされ、解析かいせきされる[11]。

統計とうけい学者がくしゃのジョン・テューキーは、1961年ねんにデータ解析かいせきを次つぎのように定義ていぎした。

「データを解析かいせきする手順てじゅん、その結果けっかを解釈かいしゃくするための技術ぎじゅつ、解析かいせきをより容易よういに、正確せいかくで、精密せいみつにするためのデータ収集しゅうしゅうの計画けいかく方法ほうほう、およびデータの解析かいせきに適用てきようされるすべての機械きかいと（数学すうがく的てき）統計とうけい学がくの結果けっか」[12]。

以下いかに説明せつめいするように、区別くべつすることができるいくつかの段階だんかいがある。各かく段階だんかいは反復はんぷく的てき（英語えいご版ばん）であり、後ごの段階だんかいからのフィードバックが、前まえの段階だんかいでの追加ついか作業さぎょうにつながることがある[13]。データマイニングで使用しようされるCRISPフレームワーク（英語えいご版ばん）にも同様どうようのステップがある。

データ要件ようけん[編集へんしゅう]

データは、解析かいせきの入力にゅうりょくとして必須ひっすなものであり、解析かいせきプロセスを管理かんりする人ひと（または解析かいせき結果けっかを報告ほうこくする顧客こきゃく）の要求ようきゅうに基もとづいて特定とくていされる[14][15]。データ収集しゅうしゅうの対象たいしょうとなる一般いっぱん的てきな主体しゅたいは実験じっけん単位たんい（英語えいご版ばん）と呼よばれる（例れい：人ひと、または人ひとの集団しゅうだん）。そして、データは母集団ぼしゅうだんに関かんする特定とくていの変数へんすう（例れい：年齢ねんれいや所得しょとく）を指定していして収集しゅうしゅうされる。データは、数値すうちでもカテゴリでもよい（例れい：番号ばんごうに紐ひも付つくテキスト型がたラベル）[13]。

データ収集しゅうしゅう[編集へんしゅう]

データはさまざまな情報じょうほう源げんから収集しゅうしゅうされる[16][17]。その要求ようきゅう事項じこうは、解析かいせき者しゃからデータ管理かんり者しゃ（英語えいご版ばん）（たとえば、組織そしき内ないの情報じょうほうシステム技術ぎじゅつ者しゃ（英語えいご版ばん））に伝つたえられる場合ばあいがある[18]。データは、交通こうつう監視かんしカメラ、人工じんこう衛星えいせい、記録きろく装置そうちなど、環境かんきょう内ないのセンサーから収集しゅうしゅうされることもある。また、インタビュー、オンライン情報じょうほう源げんからのダウンロード、または文書ぶんしょの閲覧えつらんを通つうじて得えることもある[13]。

データ処理しょり[編集へんしゅう]

生なまの情報じょうほうを実用じつよう的てきなインテリジェンス（知恵ちえ）や知識ちしきに変換へんかんするためのインテリジェンス・サイクルの各かく段階だんかいは、データ解析かいせきにおける段階だんかいと概念的がいねんてきに類似るいじしている。

入手にゅうしゅしたデータはまず、解析かいせきのために加工かこうあるいは整理せいりする必要ひつようがある[19][20]。たとえば、さらなる解析かいせきをするためにデータを表おもて形式けいしきの行くだりと列れつに配置はいちすることがあり（構造こうぞう化かデータと呼よばれる）、多おおくの場合ばあい、表おもて計算けいさんソフトウェアや統計とうけいソフトウェアが用もちいられる[13]。

データクリーニング[編集へんしゅう]

詳細しょうさいは「データクレンジング（英語えいご版ばん）」を参照さんしょう

一いち度どでも処理しょりされて整理せいりを受うけたデータは、不完全ふかんぜんであったり、重複じゅうふくがあったり、誤あやまりを含ふくむことがある[21][22]。データクリーニングの必要ひつよう性せいは、データの入力にゅうりょくや保存ほぞんのしかたに問題もんだいがあることから発生はっせいする。データクリーニングは、このようなエラー（誤あやまり）を防ふせぎ、修正しゅうせいする作業さぎょうである[21]。一般いっぱん的てきな作業さぎょうとしては、レコードの照合しょうごう、データの不正確ふせいかくさの特定とくてい、既存きそんデータ全体ぜんたいの品質ひんしつ管理かんり、重複じゅうふく排除はいじょ、および列れつの分割ぶんかつが含ふくまれる[23]。このようなデータの問題もんだいは、さまざまな解析かいせき技術ぎじゅつによっても見みつけることができる。たとえば、財務ざいむ情報じょうほうの場合ばあい、特定とくていの変数へんすうの合計ごうけいを、信頼しんらい性せいが高たかいと考かんがえられる別途べっと公表こうひょうされた数値すうちと比較ひかくすることができる[24][25]。また、事前じぜんに決きめられた閾値（しきいち）を上回うわまわったり下回したまわったりする異常いじょう値ち（外はずれ値ち）も再さい調査ちょうさされることがある。データクリーニングには、電話でんわ番号ばんごう、電子でんしメールアドレス、勤務きんむ先さきなど、データ集合しゅうごう内ないのデータ型がたに依よっていくつかの種類しゅるいがある[26][27]。異常いじょう値ち検出けんしゅつのための定量ていりょう的てきデータ手法しゅほうを用もちいて、誤あやま入力にゅうりょくされた可能かのう性せいが高たかいと思おもわれるデータを取とり除のぞくことができる[28]。テキストデータのスペルチェッカーを用もちいて入力にゅうりょくミスの量りょうを減へらすことができる。ただし、単語たんごそのものが正ただしいか否ひかを判断はんだんするのは難むずかしい[29]。

探索たんさく的てきデータ解析かいせき[編集へんしゅう]

詳細しょうさいは「探索たんさく的てきデータ解析かいせき」を参照さんしょう

データセットをクリーニングすると、次つぎに解析かいせきに移うつることができる。解析かいせき者しゃは、取得しゅとくしたデータに含ふくまれるメッセージを理解りかいし始はじめるために、探索たんさく的てきデータ解析かいせきと呼よばれるさまざまな手法しゅほうを適用てきようすることができる[30]。データ探索たんさくの過程かていで、データのクリーニングを追加ついかしたり、データへの要求ようきゅうを追加ついかすることもある。その結果けっか、本節ほんぶしの冒頭ぼうとうで説明せつめいしたような反復はんぷく的てきな段階だんかいが開始かいしされる[31]。データの理解りかいを助たすけるために、平均へいきん値ちや中央ちゅうおう値ちなどの記述きじゅつ統計とうけい量りょう（英語えいご版ばん）を作成さくせいすることもある[32][33]。データ可視かし化かもその一ひとつであり、解析かいせき者しゃはデータを図表ずひょう化かし、考察こうさつをして、データ内ないのメッセージについてさらなる洞察どうさつを得えることができる[13]。

モデリングとアルゴリズム[編集へんしゅう]

変数へんすう間あいだの関係かんけいを特定とくていするために、数式すうしきまたはモデル（アルゴリズムと呼よばれる）をデータに適用てきようする場合ばあいがある。たとえば、相関そうかん関係かんけいや因果いんが関係かんけいを使用しようする[34][35]。一般いっぱん論ろんとして、モデルは、データセット内ないに含ふくまれる他ほかの変数へんすうに基もとづいて特定とくていの変数へんすうを評価ひょうかするために開発かいはつされ、実装じっそうされたモデルの精度せいどに応おうじて多少たしょうの残余ざんよ誤差ごさ（英語えいご版ばん）が生しょうじる（たとえば、データ = モデル + 誤差ごさ）[36][11]。

推測すいそく統計とうけいには、特定とくていの変数へんすう間あいだの関係かんけいを測定そくていする手法しゅほうの利用りようが含ふくまれる[37]。たとえば、広告こうこくの変化へんか（独立どくりつ変数へんすう X）が、売上うりあげ（従属じゅうぞく変数へんすう Y）が変動へんどうする説明せつめいを与あたえるかどうかをモデル化かするのに、回帰かいき分析ぶんせきを用もちいることがある[38]。数学すうがくの用語ようごでは、Y（売上うりあげ高だか）はX（広告こうこく）の関数かんすうである[39]。たとえば、モデルを「Y = aX + b + 誤差ごさ」と記述きじゅつすることができ、X の所与しょよの範囲はんいに対たいして Y を予測よそくするときの誤差ごさを最小さいしょう化かするように a と b が設計せっけいされる[40]。また、解析かいせき者しゃは、解析かいせきを単純たんじゅん化かし、結果けっかを伝達でんたつすることを目的もくてきに、記述きじゅつ的てきデータ解析かいせきのためのモデル構築こうちくを試こころみることもある[11]。

データプロダクト[編集へんしゅう]

データプロダクト（data product）は、データの入力にゅうりょくから出力しゅつりょくを生成せいせいし、環境かんきょうにフィードバックするコンピュータ・アプリケーションである[41]。モデルやアルゴリズムに基もとづいている場合ばあいもある。たとえば、顧客こきゃくの購入こうにゅう履歴りれきデータを分析ぶんせきし、その結果けっかを利用りようして、顧客こきゃくに有益ゆうえきさをもたらすような別べつの購入こうにゅうを勧すすめるアプリケーションがあげられる[42][13]。

コミュニケーション[編集へんしゅう]

データ可視かし化かは、データ解析かいせき後ごの結果けっかを理解りかいするのに役立やくだつ[43]。
詳細しょうさいは「データ可視かし化か」を参照さんしょう

データの解析かいせき後ごは、解析かいせき結果けっかの利用りよう者しゃからの要求ようきゅうに応こたえるために、さまざまな書式しょしきで報告ほうこくされることがある[44]。利用りよう者しゃからフィードバックがなされ、その結果けっか、追加ついかの分析ぶんせきが行おこなわれることもある。このように、分析ぶんせきサイクルの大だい部分ぶぶんは反復はんぷく的てきである[13]。

解析かいせき者しゃは、解析かいせき結果けっかを伝つたえるやり方かたを決きめる際さい、メッセージをより明確めいかくかつ効率こうりつ的てきに報告ほうこく先さきに伝達でんたつするために、さまざまなデータ可視かし化か手法しゅほうの導入どうにゅうを検討けんとうすることができる[45]。データ可視かし化かは、情報じょうほうディスプレイ（表ひょうやグラフなどのグラフィクス）を用もちいて、データに含ふくまれる重要じゅうようなメッセージを伝達でんたつする[46]。表ひょうは、特定とくていの数値すうちに着目ちゃくもくしたり照会しょうかいできる重要じゅうようなツールであり、一方いっぽう、チャート（棒ぼうグラフや折おれ線せんグラフなど）は、データに含ふくまれる定量ていりょう的てきなメッセージを説明せつめいするのに役立やくだつ場合ばあいがある[47]。

定量ていりょう的てきメッセージ[編集へんしゅう]

詳細しょうさいは「データ可視かし化か」を参照さんしょう
米国べいこく連邦れんぽう政府せいふの歳出さいしゅつと歳入さいにゅうの時とき系列けいれつ推移すいいを示しめす折おれ線せんグラフ。
ある時点じてんで測定そくていされた2つの変数へんすう（インフレ率りつと失業しつぎょう率りつ）の相関そうかん関係かんけいを示しめす散布さんぷ図ず。

ステファン・フュー（Stephen Few）は、利用りよう者しゃが一連いちれんのデータから理解りかいしようとする、あるいは伝つたえようとする8種類しゅるいの定量ていりょう的てきメッセージと、そのメッセージの伝達でんたつを助たすけるために使用しようされる関連かんれんグラフについて述のべた[48]。要求ようきゅうを指定していする顧客こきゃくとデータ解析かいせきを行おこなう解析かいせき者しゃは、プロセスの推移すいいでこれらのメッセージを検討けんとうすることができる[49]。

  1. 時どき系列けいれつ： 10年間ねんかんの失業しつぎょう率りつなど、ある期間きかんにわたって一ひとつの変数へんすうを捉とらえる。トレンドを示しめすために折おれ線せんグラフを使用しようすることもある[50]。
  2. ランキング： データは、カテゴリで細分さいぶん化かされ、昇順しょうじゅんまたは降順こうじゅんでランク付づけされる。たとえば、ある期間きかんの営業えいぎょう担当たんとう者しゃ（カテゴリに対応たいおう）が、販売はんばい実績じっせき（尺度しゃくどに対応たいおう）でランク付づけされる[51]。営業えいぎょう担当たんとう者しゃ間あいだの比較ひかくを示しめすために棒ささげグラフを使用しようすることがある[52]。
  3. 部分ぶぶん対たい全体ぜんたい： カテゴリ別べつに細分さいぶん化かした量りょうを、全体ぜんたいに対たいする比率ひりつ（100%中なかの割合わりあい）で測定そくていする。円えんグラフや棒ぼうグラフで、市場いちばにおける競合きょうごう他社たしゃのシェアなど、比率ひりつを比較ひかくして示しめすことができる[53]。
  4. 偏差へんさ値ち： カテゴリごとに細分さいぶん化かしたものを、ある基準きじゅんに対たいして比較ひかくする。たとえば、ある期間きかんのビジネスにおける幾いくつかの部門ぶもんの経費けいひについて予算よさんと実績じっせきを比較ひかくする場合ばあいである。棒ぼうグラフは、実際じっさいの金額きんがくと基準きじゅん金額きんがくの比較ひかくを示しめすことができる[54]。
  5. 度数どすう分布ぶんぷ： たとえば、株式かぶしき市場いちばの利益りえきが0～10%、11～20%などの間隔かんかくの間あいだにある年としの数かずなど、所与しょよの間隔かんかくに対たいする特定とくていの変数へんすうの観察かんさつ数すうを示しめす。棒ぼうグラフの一種いっしゅであるヒストグラムがこの分析ぶんせきに用もちいられることがある[55]。
  6. 相関そうかん： 2つの変数へんすう (X, Y) で表あらわされる観測かんそく結果けっかを比較ひかくし、それらが同おなじ方向ほうこう、または反対はんたい方向ほうこうに動うごく傾向けいこうがあるかを判断はんだんする。たとえば、月つき度どサンプルについて、失業しつぎょう率りつ(X)とインフレ率りつ(Y)をプロットする。このメッセージには通常つうじょう、散布さんぷ図ずが使用しようされる[56]。
  7. 名目めいもく上じょうの比較ひかく： 商品しょうひんコード別べつの販売はんばい量りょうなど、カテゴリ別べつに細分さいぶん化かしたものを順不同じゅんふどうで比較ひかくする。この比較ひかくには棒ぼうグラフが用もちいられる[57]。
  8. 地理ちり的てきまたは地理ちり的てき空間くうかん： 州しゅうごとの失業しつぎょう率りつや建物たてものの階かい毎ごとの人数にんずうなど、地図ちずや配置はいちを横断おうだんして変数へんすうを比較ひかくする。カルトグラムが、典型てんけい的てきなグラフィックとして使用しようされる[58][59]。

定量ていりょうデータの解析かいせき手法しゅほう[編集へんしゅう]

「問題もんだい解決かいけつ」も参照さんしょう

著者ちょしゃのジョナサン・クーメイ（Jonathan Koomey）は、定量ていりょうデータを理解りかいするための一連いちれんのベストプラクティスを推奨すいしょうしている[60]。これらは次つぎのとおりである。

  • 解析かいせきを行おこなう前まえに、生なまデータに異常いじょうがないかをチェックする。
  • 重要じゅうような計算けいさんを再さい実行じっこうする。たとえば、計算けいさん式しきに基もとづくデータ列れつを検証けんしょうする。
  • 総計そうけいが小計しょうけいの合計ごうけいであることを確認かくにんする。
  • 時間じかん経過けいかに伴ともなう比率ひりつなど、予測よそく可能かのうな形かたちで関連かんれんすべき数値すうち間あいだの関係かんけいを確認かくにんする。
  • 数字すうじを正規せいき化かして比較ひかくを容易よういにする。たとえば、1人ひとり当あたりの金額きんがく、GDPとの比較ひかく、または指標しひょう値ちとして基準きじゅん年ねんと比較ひかくして分析ぶんせきする。
  • 自己じこ資本しほん利益りえき率りつに対たいするデュポン分析ぶんせき（英語えいご版ばん）のように、結果けっかを導みちびいた要因よういんを分析ぶんせきし、問題もんだいを構成こうせい要素ようそに分解ぶんかいする[25]。

解析かいせき者しゃは通常つうじょう、調査ちょうさ対象たいしょうとなる変数へんすうについて、平均へいきん、中央ちゅうおう値ち、標準ひょうじゅん偏差へんさなどの記述きじゅつ統計とうけい量りょうを求もとめる[61]。また、個々ここの値ねが平均へいきん値ちの周囲しゅういにどのように集あつまっているかを確認かくにんするために、主要しゅよう変数へんすうの分布ぶんぷを分析ぶんせきすることもある[62]。

データ分析ぶんせきに使用しようされるMECE原則げんそくの図解ずかい。

マッキンゼー・アンド・カンパニーのコンサルタントは、定量ていりょう的てきな問題もんだいを構成こうせい要素ようそに分解ぶんかいする手法しゅほうをMECE原則げんそくと名付なづけた。各層かくそうは、その構成こうせい要素ようそに分解ぶんかいすることができる[63]。各々おのおのの部分ぶぶん構成こうせい要素ようそは互たがいに排他はいた的てき（英語えいご版ばん）であり、合あわせるとその上位じょうい層そうにならなければならない[64]。この関係かんけいは「相互そうごに排他はいた的てきな項目こうもくによる完全かんぜんな全体ぜんたい集合しゅうごう」またはMECE（Mutually Exclusive and Collectively Exhaustive）と呼よばれる。たとえば、利益りえきの定義ていぎは、総そう収入しゅうにゅうと総そう費用ひように分解ぶんかいすることができる[65]。そして総そう収入しゅうにゅうは、部門ぶもんA、B、Cの収入しゅうにゅう（これらは互たがいに排他はいた的てき）によって分析ぶんせきでき、総そう収入しゅうにゅうに加算かさんされる（余あますところなくまとまる）べきである[66]。

解析かいせき者しゃは、特定とくていの分析ぶんせき上じょうの問題もんだいを解決かいけつするために、ロバスト統計とうけい量りょうを使用しようすることがある[67]。解析かいせき者しゃは、真しんの状態じょうたいに関かんする特定とくていの仮説かせつを立たて、その状態じょうたいが真しんであるか偽にせであるかを判断はんだんするために、データが収集しゅうしゅうされて仮説かせつ検定けんていが行おこなわれる[68][69]。たとえば、「失業しつぎょうはインフレに影響えいきょうしない」という仮説かせつが考かんがえられる。これはフィリップス曲線きょくせんと呼よばれる経済けいざい学がくの概念がいねんに関連かんれんしている[70]。仮説かせつ検定けんていでは、データが仮説かせつを支持しじするか棄却ききゃくするかに関かんする第だい一種いっしゅ過誤かごと第だい二に種しゅ過誤かごの可能かのう性せいを検討けんとうする[71][72]。

回帰かいき分析ぶんせきは、独立どくりつ変数へんすう X が従属じゅうぞく変数へんすう Y にどの程度ていど影響えいきょうするかを解析かいせき者しゃが判断はんだんするときに使用しようされる。たとえば「失業しつぎょう率りつの変化へんか X はインフレ率りつ Y にどの程度ていど影響えいきょうするか」[73]。これは、Y が X の関数かんすうであるように、データをモデル化かまたは直線ちょくせんや曲線きょくせんの方程式ほうていしきを適合てきごうさせようとするものである[74][75]。

必要ひつよう条件じょうけん分析ぶんせき（NCA）は、解析かいせき者しゃが独立どくりつ変数へんすう X が変数へんすう Y をどの程度ていどまで許容きょようするかを決定けっていするときに使用しようすることがある。たとえば「特定とくていのインフレ率りつ（Y）に必要ひつような特定とくていの失業しつぎょう率りつ（X）はどの程度ていどか?」[73]。重じゅう回帰かいき分析ぶんせきが、各かく X 変数へんすうが結果けっかを生成せいせいし、X が相互そうごに補償ほしょうできる（それらは十分じゅうぶんであるが必要ひつようではない）加法かほう論理ろんりを用もちいるのに対たいし[76]、必要ひつよう条件じょうけん分析ぶんせき（NCA）は、1つまたは複数ふくすうの X 変数へんすうが結果けっかの存在そんざいを可能かのうにするが、それを生成せいせいしないかもしれない（それらは必要ひつようだが十分じゅうぶんではない）必要ひつよう論理ろんりを用もちいる。それぞれの単一たんいつ必要ひつよう条件じょうけんは存在そんざいしなければならず、補償ほしょうは不可能ふかのうである[77]。

データ利用りよう者しゃの分析ぶんせき活動かつどう[編集へんしゅう]

データ利用りよう者しゃは、上述じょうじゅつの一般いっぱん的てきなメッセージングとは対照たいしょう的てきに、データセット内ないで特定とくていのデータポイントに関心かんしんを抱いだくことがある。このような利用りよう者しゃによる低てい水準すいじゅんな分析ぶんせき活動かつどうを次つぎの表ひょうに示しめす。この分類ぶんるい法ほうはまた、値ねの取得しゅとく、データポイントの発見はっけん、データポイントの配置はいちという3つの活動かつどうの柱はしらによって整理せいりすることができる[78][79][80][81]。

# 作業さぎょう 概要がいよう 概念的がいねんてきな要約ようやく 事例じれい
1 値ねの取とり出だし 特定とくていの事例じれいの集合しゅうごうが与あたえられたとき、それらの事例じれいの属性ぞくせいを見みつける。 データ事例じれい{A, B, C, ...}の属性ぞくせい{X, Y, Z, ...}の値ねは何なにか? - フォードモンデオの1ガロンあたりの走行そうこう距離きょりは?

- 映画えいが「風ふうと共ともに去さりぬ」の上映じょうえい時間じかんは?

2 選別せんべつ 属性ぞくせい値ちに関かんする具体ぐたい的てきな条件じょうけんが与あたえられ、その条件じょうけんを満みたすデータ事例じれいを見みつけ出だす。 条件じょうけん{A, B, C...}を満みたすデータ事例じれいはどれか? - どのケロッグのシリアルが食物しょくもつ繊維せんいを豊富ほうふに含ふくむか?

- どのコメディーが受賞じゅしょうしたことがあるか?

- どの株式かぶしきがS&P 500で目標もくひょう未ひつじ達たちであったか?

3 導出どうしゅつ値ちの計算けいさん データ事例じれいの集合しゅうごうが与あたえられたとき、それらデータ事例じれいの集計しゅうけい数値すうち表現ひょうげんを計算けいさんする。 与あたえられたデータ事例じれいの集合しゅうごうSに対たいする集計しゅうけい関数かんすうFの値ねはなにか? - ポスト・シリアルの平均へいきんカロリーはどのくらいか?

- 全すべての店舗てんぽの総そう収入しゅうにゅうを合計ごうけいするといくらか?

- 自動車じどうしゃメーカーは何なん社しゃあるか?

4 極きょく値ちの検索けんさく ある属性ぞくせいの値ねが、データセット内ないの範囲はんい内ないで極きょく値ちを持もつデータ事例じれいを探さがす。 属性ぞくせいAに関かんする上位じょうい/下位かいN個このデータ事例じれいはどれか?

- 燃費ねんぴ（MPG）が最もっとも優すぐれた車くるまは何なにか?

- 最もっとも多おおくの賞しょうを受賞じゅしょうした監督かんとく・映画えいがはどれか?

- マーベル・スタジオで、最もっとも公開こうかい日びの新あたらしい映画えいがはどれか?

5 並ならび替がえ データ事例じれいの集合しゅうごうが与あたえられたとき、ある順序じゅんじょ尺度しゃくどに従したがってランク付づけする。 データ事例じれいの集合しゅうごうSを、属性ぞくせいAの値ねに基もとづいて並ならべ替かえるとどのような順序じゅんじょになるか? - 自動車じどうしゃを重量じゅうりょうで並ならび替がえよ。

- シリアル食品しょくひんをカロリーによってランク付づけせよ。

6 範囲はんいの決定けってい データ事例じれいの集合しゅうごうと関心かんしんがある属性ぞくせいが指定していされたとき、集合しゅうごう内ないの値ねの範囲はんいを求もとめる。 データ事例じれいの集合しゅうごうSでの属性ぞくせいAの値ねの範囲はんいは? - フィルムの長ながさの範囲はんいはどれくらいか?

- 車くるまの馬力ばりきの範囲はんいはどれくらいか?

- このデータセットにはどういった女優じょゆうが含ふくまれているか?

7 分布ぶんぷの特徴とくちょうづけ データ事例じれいの集合しゅうごうと関心かんしんのある量的りょうてき属性ぞくせいが与あたえられたとき、その属性ぞくせいの集合しゅうごう全体ぜんたいでの値ねの分布ぶんぷを特徴とくちょうづける。 データ事例じれいの集合しゅうごうSにおける属性ぞくせいAの値ねはどのように分布ぶんぷしているか?

- シリアル食品しょくひん中ちゅうの炭水化物たんすいかぶつの分布ぶんぷはどのようであるか?

- 買かい物もの客きゃくの年齢ねんれいはどのように分布ぶんぷしているか?

8 異常いじょうの発見はっけん 与あたえられたデータ事例じれいの集合しゅうごうの中なかで、特定とくていの関係かんけいまたは期待きたいに関かんする異常いじょう値ち（統計とうけい的外まとはずれ値ちなど）を特定とくていする。 データ事例じれいの集合しゅうごうSにおいて、どのデータ事例じれいが予期よきしない/例外れいがい的てきな値ねであるか? - 馬力ばりきと加速度かそくどの関係かんけいに例外れいがいはあるか?

- タンパク質たんぱくしつの含有がんゆう量りょうについて外はずれ値ちはあるか?

9 クラスター データ事例じれいの集合しゅうごうの中なかで、類似るいじした属性ぞくせい値ちのクラスター（集団しゅうだん）を見みつける。 データ事例じれいの集合しゅうごうSの中なかで、属性ぞくせい値ち{X, Y, Z, ...}が類似るいじしているデータ事例じれいはどれか？

- 類似るいじの脂肪しぼう分ぶん/カロリー/糖分とうぶんを含ふくむシリアル食品しょくひんのグループはあるか?

- 典型てんけい的てきなフィルム長ちょうのクラスターはあるか?

10 相関そうかん データ事例じれいの集合しゅうごうの中なかで、2つの属性ぞくせいの値ねの間あいだで有用ゆうような関係かんけいを決定けっていする。 与あたえられたデータ事例じれいの集合しゅうごうSにおける属性ぞくせいXとYの相関そうかんは? - 炭水化物たんすいかぶつと脂肪しぼうの間あいだには相関そうかんがあるか?

- 原産げんさん国こくと燃費ねんぴ（MPG）の間あいだには相関そうかんがあるか?

- 性別せいべつによって支払しはらい方法ほうほうの好このみは異ことなるか?

- フィルム長ちょうが年としとともに長ながくなる傾向けいこうはあるか?

11 文脈ぶんみゃくの理解りかい[81] データ事例じれいの集合しゅうごうが与あたえられたとき、利用りよう者しゃに対たいするデータの文脈ぶんみゃく上じょうの関連かんれん性せいを見出みいだす。 データ事例じれいの集合しゅうごうSの中なかで、どのデータ事例じれいが現在げんざいの利用りよう者しゃの状況じょうきょうと関連かんれんしているか? - 現在げんざいのカロリー摂取せっしゅ量りょうに基もとづいた料理りょうりがあるレストランのグループはあるか?

効果こうか的てきな分析ぶんせきの障壁しょうへき[編集へんしゅう]

効果こうか的てきな分析ぶんせきを阻はばむ障壁しょうへきは、データ解析かいせきを行おこなう解析かいせき者しゃの間あいだにだけでなく、顧客こきゃくどうしの間あいだにも存在そんざいする可能かのう性せいがある。事実じじつと意見いけんを区別くべつすること、認知にんちバイアス、および数学すうがく的てきな基礎きそ知識ちしきの不足ふそくはすべて、健全けんぜんなデータ解析かいせきに対たいする課題かだいである[82]。

事実じじつと意見いけんの混同こんどう[編集へんしゅう]

誰だれもが自分じぶんの意見いけんを言いう権利けんりをもつが、それは事実じじつに基もとづくものでなければならない。
ダニエル・パトリック・モイニハン

効果こうか的てきな分析ぶんせきにおいては、質問しつもんに答こたえたり、結論けつろんや正式せいしきな意見いけんを裏付うらづけたり、仮説かせつを検証けんしょうするために、関連かんれんする事実じじつを入手にゅうしゅする必要ひつようがある[83][84]。事実じじつの定義ていぎは「反証はんしょうできないこと」であり、分析ぶんせきに関かかわるすべての人ひとがその事実じじつに同意どういできるという意味いみである[85]。たとえば、2010年ねん8月がつ、米国べいこく議会ぎかい予算よさん局きょく（英語えいご版ばん）（CBO）は、2001年ねんと2003年ねんのブッシュ減税げんぜいを2011年ねん-2020年ねんまでの期間きかんに延長えんちょうすると、約やく3兆ちょう3千せん億おくドルの国家こっか債務さいむが追加ついかされると試算しさんした[86]。誰だれもがCBOの報告ほうこくを調しらべることができ、実際じっさいそうだと同意どういするはずである。これは事実じじつである。人ひとがCBOに賛成さんせいするか反対はんたいするかは、その人ひと自身じしんの意見いけんである[87]。

別べつの例れいとして、公開こうかい会社かいしゃの監査かんさ人じんは、上場じょうじょう企業きぎょうの財務諸表ざいむしょひょうが「すべての重要じゅうような点てんにおいて公正こうせいに記載きさいされている」かどうか正式せいしきな意見いけんを導みちびき出ださなければならない[88]。そのためには、事実じじつデータや証拠しょうこを広範こうはんに分析ぶんせきして、意見いけんを裏付うらづける必要ひつようがある。事実じじつから意見いけんへと飛躍ひやくするとき、その意見いけんが誤あやまっている可能かのう性せいは常つねにある[89]。

認知にんちバイアス[編集へんしゅう]

分析ぶんせきに悪影響あくえいきょうを及およぼしうる認知にんちバイアスにはさまざまなものがある。たとえば、確証かくしょうバイアスは、自分じぶんの先入観せんにゅうかんを確認かくにんする方法ほうほうで情報じょうほうを検索けんさくしたり、解釈かいしゃくしたりする傾向けいこうである[90]。さらに、自分じぶんの見解けんかいを支持しじしない情報じょうほうを信用しんようしないこともありうる[91]。

解析かいせき者しゃは、これらのバイアスを認識にんしきし、克服こくふくするための特別とくべつな訓練くんれんを受うけることができる[92]。CIAの元もとアナリストのリチャーズ・ホイヤーは、著書ちょしょ『情報じょうほう分析ぶんせきの心理しんり学がく（Psychology of Intelligence Analysis）』の中なかで、解析かいせき者しゃは自みずからの仮定かていと推論すいろんの連鎖れんさを明確めいかくに描写びょうしゃし、結論けつろんに関かかわる不ふ確実かくじつ性せいの程度ていどと原因げんいんを明記めいきすべきと述のべている[93]。彼かれは、代替だいたい案あんによる視点してんを表面ひょうめん化かさせ、議論ぎろんするための手順てじゅんを強調きょうちょうした[94]。

数学すうがく的てき基礎きそ知識ちしきの欠如けつじょ[編集へんしゅう]

有能ゆうのうな解析かいせき者しゃは、一般いっぱん的てきにさまざまな数値すうち技法ぎほうに精通せいつうしている。しかし、顧客こきゃくは数字すうじや数学すうがくの基礎きそに関かんする能力のうりょくを持もっていない場合ばあいがあり、そのような人々ひとびとは数学すうがく的てき非ひ識字しきじ[訳語やくご疑問ぎもん点てん]と呼よぶ[95]。またデータを伝つたえる人ひとが、意図いと的てきに悪わるい数値すうち的てき技法ぎほうを使つかって、誤解ごかいを招まねいたり間違まちがった伝達でんたつを引ひき起おこそうとする場合ばあいもある[96]。

たとえば、数値すうちが上昇じょうしょうしているか下降かこうしているかは重要じゅうような要素ようそではないことがある。より重要じゅうようなことは、経済けいざい規模きぼ（GDP）に対たいする政府せいふの歳入さいにゅうや歳出さいしゅつの規模きぼ、あるいは企業きぎょうの財務諸表ざいむしょひょうにおける収益しゅうえきに対たいする費用ひようの額がくなど、他たの数値すうちとの相対そうたい的てきな比較ひかくかもしれない[97]。このような数値すうち的てき技法ぎほうは、正規せいき化かまたは再さいスケール化かと呼よばれる[25]。インフレ調整ちょうせい（実質じっしつデータと名目めいもくデータの比較ひかく）や、人口じんこう増加ぞうかや人口じんこう動態どうたいを考慮こうりょするかにかかわらず、解析かいせき者しゃが採用さいようするこのような手法しゅほうは数多かずおおく存在そんざいする[98]。解析かいせき者しゃは、本節ほんぶしの冒頭ぼうとうで説明せつめいしたさまざま定量ていりょう的てきメッセージに対処たいしょするために、さまざまな手法しゅほうを適用てきようしている[99]。

また、解析かいせき者しゃはさまざまな仮定かていやシナリオの下したでデータを解析かいせきすることもある。たとえば、解析かいせき者しゃが財務諸表ざいむしょひょう分析ぶんせきを行おこなう場合ばあい、将来しょうらいのキャッシュフローを推定すいていするために、さまざまな仮定かていの下したで財務諸表ざいむしょひょうを作つくり直なおし、それをある金利きんりに基もとづいて現在げんざい価値かちに割わり戻もどして、企業きぎょうや株式かぶしきの評価ひょうかを下くだすことがよくある[100][101]。同様どうように、CBOは、さまざまな政策せいさくオプションが政府せいふの歳入さいにゅう、歳出さいしゅつ、赤字あかじに及およぼす影響えいきょうを分析ぶんせきし、主要しゅような指標しひょうについて代替だいたい的てきな将来しょうらいシナリオを作成さくせいする[102]。

その他たの話題わだい[編集へんしゅう]

スマートビルディング[編集へんしゅう]

建物たてもののエネルギー消費しょうひ量りょうを予測よそくするために、データ解析かいせきの手法しゅほうが用もちいることができる[103]。スマートビルディングを実現じつげんするために、データ解析かいせきプロセスのさまざまな段階だんかいが実行じっこうされる。スマートビルディングでは、暖房だんぼう、換気かんき、空調くうちょう、照明しょうめい、セキュリティなどのビル管理かんりおよび制御せいぎょ業務ぎょうむが、ビル利用りよう者しゃのニーズを模倣もほうしてエネルギーや時間じかんのような資源しげんが最適さいてき化かすることで自動的じどうてきに行おこなわれる[104]。

アナリティクスとビジネスインテリジェンス[編集へんしゅう]

詳細しょうさいは「解析かいせき」を参照さんしょう

解析かいせき（アナリティクス、analytics）とは「意思いし決定けっていや行動こうどうを推進すいしんするために、データ、統計とうけい的てきおよび定量ていりょう的てき分析ぶんせき、説明せつめい的てきおよび予測よそく的てきモデル、事実じじつに基もとづくマネジメントを広範こうはんに活用かつようすること」である。これはビジネスインテリジェンスのサブセットであり、データを使用しようしてビジネス業績ぎょうせきを理解りかいおよび分析ぶんせきし、意思いし決定けっていを促進そくしんする一連いちれんの技術ぎじゅつとプロセスである[105] 。

教育きょういく[編集へんしゅう]

データ可視かし化か利用りよう者しゃの分析ぶんせき活動かつどう

教育きょういく活動かつどうでは、ほとんどの教育きょういく関係かんけい者しゃが学生がくせいのデータを分析ぶんせきする目的もくてきでデータシステム（英語えいご版ばん）にアクセスしている[106]。これらのデータシステムは、教育きょういく者しゃによるデータ分析ぶんせきの精度せいどを高たかめるために、店頭てんとうデータ形式けいしき（英語えいご版ばん）で教育きょういく者しゃにデータを提示ていじする（埋込うめこみラベル、補足ほそく文書ぶんしょ、ヘルプシステム、主要しゅようパッケージ/表示ひょうじ、内容ないよう決定けってい）[107]。

専門せんもん的てき注記ちゅうき[編集へんしゅう]

この節ふしには、実務じつむ家かの助たすけになるようなかなり専門せんもん的てきな説明せつめいが含ふくまれているが、ウィキペディアの記事きじの一般いっぱん的てきな範囲はんいを超こえている[108]。

初期しょきデータ解析かいせき[編集へんしゅう]

初期しょきデータ解析かいせきと本ほん解析かいせきの段階だんかいの間あいだで最もっとも重要じゅうような違ちがいは、初期しょきデータ解析かいせきでは、本来ほんらいの調査ちょうさ課題かだいに答こたえるための分析ぶんせきを控ひかえることである[109]。初期しょきデータ解析かいせきの段階だんかいは、次つぎの4つの質問しつもんによって導みちびかれる[110]。

データの品質ひんしつ[編集へんしゅう]

データの品質ひんしつは、できるだけ早はやい段階だんかいでチェックする必要ひつようがある。データの品質ひんしつは、さまざまな種類しゅるいの分析ぶんせきを用もちいて、いくつかの方法ほうほうで評価ひょうかすることができる。頻度ひんどカウント、記述きじゅつ統計とうけい（平均へいきん、標準ひょうじゅん偏差へんさ、中央ちゅうおう値ち）、正規せいき性せい（歪いびつ度ど、尖とんが度たび、頻度ひんどヒストグラム）、普通ふつうの代入だいにゅう法ほう（欠かけ測はかデータの補完ほかん）を要ようする[111]。

  • 極端きょくたんな観測かんそく値ちの分析ぶんせき： データ内ないに含ふくまれる範囲はんい外がいの観測かんそく値ちを分析ぶんせきして、分布ぶんぷを乱みだすように見みえるかどうかを確認かくにんする[112]。
  • コーディングスキームの違ちがいの比較ひかくと修正しゅうせい： 変数へんすうは、データセット外部がいぶにある変数へんすうのコーディングスキームと比較ひかくされ、コーディングスキームが比較ひかくできない場合ばあいはできる限かぎり修正しゅうせいする[113]。
  • 共通きょうつう法ほう分散ぶんさん（英語えいご版ばん）（CMV）の確認かくにん。

初期しょきデータ解析かいせき段階だんかいにおいて、データの品質ひんしつを評価ひょうかするために用もちいる解析かいせき手法しゅほうの選択せんたくは、本ほん解析かいせき段階だんかいで実施じっしされる解析かいせきに依存いぞんする[114]。

測定そくていの品質ひんしつ[編集へんしゅう]

計測けいそく機器ききの品質ひんしつは、それが研究けんきゅうの焦点しょうてんまたは研究けんきゅう課題かだいではない場合ばあい、初期しょきデータ解析かいせき段階だんかいでのみチェックされるべきである[115][116]。測定そくてい器きの構造こうぞうが文献ぶんけんで報告ほうこくされている構造こうぞうと一致いっちしているかどうかを確認かくにんする必要ひつようがある。

測定そくてい品質ひんしつを評価ひょうかする方法ほうほうは2つある。

初期しょき変換へんかん[編集へんしゅう]

データおよび測定そくてい値ちの品質ひんしつを評価ひょうかした後のち、欠損けっそんデータの入力にゅうりょく、または1つ以上いじょうの変数へんすうの初期しょき変換へんかんを行おこなうかを決定けっていすることがあるが、これは本ほん解析かいせき段階だんかいで行おこなうことも可能かのうである[119]。考かんがえられそうな変数へんすうの変換へんかんを次つぎにあげる[120]。

  • 平方根へいほうこん変換へんかん（分布ぶんぷが正規せいき分布ぶんぷから中なか程度ていどにずれている場合ばあい）
  • 対数たいすう変換へんかん（分布ぶんぷが正規せいき分布ぶんぷとかなりの程度ていどで異ことなる場合ばあい）
  • 逆ぎゃく変換へんかん（分布ぶんぷが正規せいき分布ぶんぷと著いちじるしく異ことなる場合ばあい）
  • カテゴリ化か（順序じゅんじょ数すう／二に項こう）（分布ぶんぷが正規せいき分布ぶんぷと大幅おおはばに異ことなり、どの変換へんかんも役やくにたない場合ばあい）

研究けんきゅうの実施じっしは、研究けんきゅう設計せっけいの意図いとを満みたしていたか？[編集へんしゅう]

たとえば、結果けっか変数へんすうと独立どくりつ変数へんすうがグループ内ないとグループ間あいだで均等きんとうに分散ぶんさんしているかどうかなど、無む作為さくい化か手順てじゅんが成功せいこうしたかどうかを確認かくにんする必要ひつようがある[121]。

無む作為さくい化か手順てじゅんを必要ひつようとしない、あるいは使用しようしない研究けんきゅうの場合ばあい、たとえば、対象たいしょうの母集団ぼしゅうだんのすべてのサブグループが標本ひょうほんに反映はんえいされているかどうかを確認かくにんすることによって、非ひ無作為むさくい抽出ちゅうしゅつの成否せいひを確認かくにんする必要ひつようがある[122]。

チェックすべきその他たの可能かのう性せいのあるデータの歪ゆがみは次つぎのとおりである。

データ標本ひょうほんの特徴とくちょう[編集へんしゅう]

どんな報告ほうこく書しょや論文ろんぶんでも、標本ひょうほんの構造こうぞうを正確せいかくに記述きじゅつする必要ひつようがある[124][125]。

特とくに、本ほん解析かいせき段階だんかいでサブグループ分析ぶんせきを行おこなう場合ばあいは、標本ひょうほんの構造こうぞう（特とくにサブグループのサイズ）を正確せいかくに決定けっていすることが重要じゅうようである[126]。

データ標本ひょうほんの特性とくせいは、以下いかを確認かくにんすることによって評価ひょうかできる。

  • 重要じゅうような変数へんすうの基本きほん統計とうけい量りょう
  • 散布さんぷ図ず
  • 相関そうかんと関連かんれん性せい
  • クロス集計しゅうけい[127]

初期しょきデータ解析かいせきの最終さいしゅう段階だんかい[編集へんしゅう]

最終さいしゅう段階だんかいでは、初期しょきデータ解析かいせきの結果けっかを文書ぶんしょ化かし、必要ひつようで、望のぞましく、可能かのうな是正ぜせい措置そちを講こうじる[128]。

また、本ほんデータ解析かいせきの当初とうしょの計画けいかくは、より詳細しょうさいに指定していするか書かき直なおすことがあり、そうすべきである[129][130]。

そのためには、本ほんデータ解析かいせきに関かんするいくつかの決定けっていを行おこなうことができ、また行おこなうべきである。

  • 非ひ正規せいき型がたの場合ばあい： 変数へんすう変換へんかん（英語えいご版ばん）か、変数へんすうのカテゴリ化か（順序じゅんじょ変数へんすう／二に項こう変数へんすう）か、分析ぶんせき手法しゅほうの修正しゅうせいのいずれかをすべきか？
  • 欠かけ測はかデータの場合ばあい： 欠かけ測はかデータを無視むしまたは補完ほかんするか、どの補完ほかん手法しゅほうを使つかうべきか？
  • 外はずれ値ちの場合ばあい： ロバスト解析かいせき技術ぎじゅつを用もちいるべきか？
  • 項目こうもくが尺度しゃくどに合あわない場合ばあい： 項目こうもくを省略しょうりゃくして測定そくてい器きを適合てきごうさせるべきか、それとも他たの測定そくてい器き（その測定そくてい器きの）との比較ひかく可能かのう性せいを確保かくほすべきか？
  • サブグループが小ちいさい（小ちいさすぎる）場合ばあい： グループ間あいだ差さに関かんする仮説かせつを取とり下さげるべきか、正確せいかくな検定けんていやブートストラップ法ほうのような小ちいさな標本ひょうほん化か技術ぎじゅつを用もちいるべきか？
  • 無む作為さくい化か手順てじゅんに欠陥けっかんがあると思おもわれる場合ばあい： 傾向けいこうスコアを計算けいさんし、それを本ほん解析かいせきに共きょう変量へんりょうとして含ふくめることができるか、またそうすべきか？[131]

解析かいせき方法ほうほう[編集へんしゅう]

初期しょきデータ解析かいせき段階だんかいで、いくつかの解析かいせきを行おこなうことができる[132]。

  • 単たん変量へんりょう統計とうけい（単一たんいつ変数へんすう）
  • 二に変量へんりょう関連かんれん性せい（相関そうかん関係かんけい）
  • グラフィカル手法しゅほう（散布さんぷ図ず）

それぞれの変数へんすうの測定そくていレベルに対たいして特別とくべつな統計とうけい手法しゅほうが利用りようできるので、解析かいせきにおいては変数へんすうの測定そくていレベルを考慮こうりょすることが重要じゅうようである[133]。

  • 名目めいもく変数へんすうと順序じゅんじょ変数へんすう
    • 度数どすうカウント（数量すうりょうとパーセンテージ）
    • 関連かんれん
      • 周しゅう行こう（クロス集計しゅうけい）
      • 階層かいそう的てき対数たいすう線形せんけい分析ぶんせき（最大さいだい8変数へんすうに制限せいげんされる）
      • 対数たいすう線形せんけい分析ぶんせき（関連かんれんする/重要じゅうような変数へんすうと考かんがえられる交絡因子いんしを特定とくていするため）
    • 正確せいかくな検定けんていまたはブートストラップ（サブグループが小ちいさい場合ばあい）
    • 新あたらしい変数へんすうの計算けいさん
  • 連続れんぞく変数へんすう
    • 分布ぶんぷ
      • 統計とうけい量りょう（平均へいきんや中央ちゅうおう値ち、標準ひょうじゅん偏差へんさ、分散ぶんさん、歪ひずみ度ど、尖とんが度たび）
      • 幹みき葉は表示ひょうじ
      • 箱はこひげ図ず（箱はこ型がたプロット）

非線形ひせんけい解析かいせき[編集へんしゅう]

非線形ひせんけいシステムからデータを記録きろくする場合ばあい、しばしば非線形ひせんけい解析かいせきが必要ひつようとなる。非線形ひせんけいシステムは、分岐ぶんき、カオス、高調こうちょう波は、副ふく高調こうちょう波は（英語えいご版ばん）など、単純たんじゅんな線形せんけい手法しゅほうでは解析かいせきできない複雑ふくざつな動的どうてき効果こうかを示しめすことがある。非線形ひせんけいデータ解析かいせきは、非線形ひせんけいシステム同定どうてい（英語えいご版ばん）と密接みっせつに関係かんけいしている[134]。

本ほんデータ解析かいせき[編集へんしゅう]

本ほん解析かいせき段階だんかいでは、研究けんきゅう課題かだいに答こたえるための分析ぶんせき、および研究けんきゅう報告ほうこく書しょの初稿しょこうを書かくために必要ひつようなその他たの関連かんれんする分析ぶんせきを行おこなう[135]。

探索たんさく的てきアプローチと確認かくにん的てきアプローチ[編集へんしゅう]

本ほん解析かいせき段階だんかいでは、探索たんさく的てきアプローチと確認かくにん的てきアプローチのいずれかを採用さいようすることができる。通常つうじょうは、データを収集しゅうしゅうする前まえにアプローチを決定けっていする[136]。探索たんさく的てき分析ぶんせきでは、データを分析ぶんせきする前まえに明確めいかくな仮説かせつを立たてず、データを適切てきせつに説明せつめいするモデルを探さがしてデータを検索けんさくする[137]。一方いっぽう、確認かくにん的てき分析ぶんせきでは、データに関かんする明確めいかくな仮説かせつが検証けんしょうされる[138]。

探索たんさく的てきデータ解析かいせきは、慎重しんちょうに解釈かいしゃくする必要ひつようがある。一いち度どに複数ふくすうのモデルを検定けんていする場合ばあい、そのうちの少すくなくとも1つが有意ゆういであることを見みいだす可能かのう性せいが高たかくなるが、これは第だい一種いっしゅ過誤かごによるものである可能かのう性せいがある[139]。複数ふくすうのモデルを検定けんていする際さいには、（たとえばボンフェローニ補正ほせいで）常つねに有意ゆうい水準すいじゅんを調整ちょうせいすることが重要じゅうようである[140]。また、同おなじデータセットを用もちいて探索たんさく的てき分析ぶんせきに続つづいて確認かくにん的てき分析ぶんせきを行おこなうべきではない[141]。探索たんさく的てき分析ぶんせきは、理論りろんのアイデアを見みつけるために用もちいるが、その理論りろんを検証けんしょうするためのものではない[141]。あるデータセットで探索たんさく的てきにモデルが見みつかったとき、同おなじデータセットで確認かくにん的てき分析ぶんせきを行おこなうと、確認かくにん的てき分析ぶんせきの結果けっかが、最初さいしょの探索たんさく的てきモデルがもたらした第だい一種いっしゅ過誤かごと同おなじ誤あやまりを意味いみする可能かのう性せいがある[141]。したがって、その確認かくにん的てき分析ぶんせきは、元もとの探索たんさく的てき分析ぶんせきよりも有益ゆうえきとはならない[142]。

結果けっかの安定あんてい性せい[編集へんしゅう]

解析かいせき結果けっかがどの程度ていど一般いっぱん化かできるかについて、何なんらかの指標しひょうを持もつことは重要じゅうようである[143]。これを確認かくにんするのは難むずかしいことが多おおいが、結果けっかの安定あんてい性せいを見みることは可能かのうである。結果けっかが信頼しんらいできるか？再現さいげん性せいはあるか？、これを確たしかめるには、主おもに2つの方法ほうほうがある[144]。

  • 交差こうさ検証けんしょう（クロスバリデーション）： データを複数ふくすうの部分ぶぶんに分割ぶんかつすることで、そのデータの一部いちぶに基もとづく分析ぶんせき（適合てきごうモデルなど）が、データの別べつの部分ぶぶんにも一般いっぱん化かするかどうかを確認かくにんすることができる[145]。ただし、データ内ないに相関そうかんがある場合ばあい（たとえば、パネルデータ）、交差こうさ検証けんしょうは一般いっぱんに不適ふてきである[146]。そのため、他たの検証けんしょう方法ほうほうが必要ひつようになることもある。このトピックの詳細しょうさいについては、統計とうけい的てきモデル検査けんさ（英語えいご版ばん）を参照さんしょうのこと[147]。
  • 感度かんど分析ぶんせき（英語えいご版ばん）： グローバルパラメータを（系統けいとう的てきに）変化へんかさせたときの系けいまたはモデルの挙動きょどうを調しらべる手法しゅほう。その方法ほうほうの1つはブートストラップ法ほうである[148]。

データ解析かいせきのフリーソフトウェア[編集へんしゅう]

データ解析かいせきのための代表だいひょう的てきなフリーソフトを次つぎにあげる。

  • ELKI（英語えいご版ばん） - データマイニング指向しこうの可視かし化か機能きのうを備そなえたJavaによるデータマイニングフレームワーク。
  • KNIME（英語えいご版ばん）- Konstanz Information Miner、ユーザーフレンドリーで包括ほうかつ的てきなデータ分析ぶんせきフレームワーク。
  • Orange - 対話たいわ的てきなデータ可視かし化か、統計とうけいデータ解析かいせき、データマイニング、機械きかい学習がくしゅうの手法しゅほうを備そなえたビジュアルプログラミングツール。
  • Pandas - Python言語げんごによるデータ解析かいせきのためのライブラリ。
  • PAW（英語えいご版ばん）- CERNで開発かいはつされたFORTRAN/Cデータ解析かいせきフレームワーク。
  • R - 統計とうけい計算けいさんとグラフィックスのためのプログラミング言語げんごとソフトウェア環境かんきょう[149]。
  • ROOT - CERNで開発かいはつされたC++データ解析かいせきフレームワーク。
  • SciPy - データ解析かいせきのためのPythonライブラリ。
  • Julia - 数値すうち解析かいせきや計算けいさん科学かがくに適てきしたプログラミング言語げんご。

国際こくさいデータ解析かいせきコンテスト[編集へんしゅう]

さまざまな企業きぎょうや団体だんたいがデータ解析かいせきコンテストを開催かいさいし、研究けんきゅう者しゃがデータを活用かつようしたり、データ解析かいせきによる特定とくていの課題かだいを解決かいけつしたりすることを奨励しょうれいしている[150][151]。よく知しられた国際こくさいデータ解析かいせきコンテストの例れいに次つぎがある[152]。

脚注きゃくちゅう[編集へんしゅう]

出典しゅってん[編集へんしゅう]

  1. ^ a b “Transforming Unstructured Data into Useful Information”, Big Data, Mining, and Analytics (Auerbach Publications): pp. 227–246, (2014-03-12), doi:10.1201/b16666-14, ISBN 978-0-429-09529-0, https://doi.org/10.1201/b16666-14 2021年ねん5月がつ29日にち閲覧えつらん。 
  2. ^ “The Multiple Facets of Correlation Functions”, Data Analysis Techniques for Physical Scientists (Cambridge University Press): pp. 526–576, (2017), doi:10.1017/9781108241922.013, ISBN 978-1-108-41678-8, https://doi.org/10.1017/9781108241922.013 2021年ねん5月がつ29日にち閲覧えつらん。 
  3. ^ Xia, B. S., & Gong, P. (2015). Review of business intelligence through data analysis. Benchmarking, 21(2), 300-311. doi:10.1108/BIJ-08-2012-0050
  4. ^ Exploring Data Analysis
  5. ^ “Data Coding and Exploratory Analysis (EDA) Rules for Data Coding Exploratory Data Analysis (EDA) Statistical Assumptions”, SPSS for Intermediate Statistics (Routledge): pp. 42–67, (2004-08-16), doi:10.4324/9781410611420-6, ISBN 978-1-4106-1142-0, https://doi.org/10.4324/9781410611420-6 2021年ねん5月がつ29日にち閲覧えつらん。 
  6. ^ “New European ICT call focuses on PICs, lasers, data transfer”. SPIE Professional. (2014-10-01). doi:10.1117/2.4201410.10. ISSN 1994-4403. https://doi.org/10.1117/2.4201410.10. 
  7. ^ Samandar, Petersson; Svantesson, Sofia (2017). Skapandet av förtroende inom eWOM : En studie av profilbildens effekt ur ett könsperspektiv. Högskolan i Gävle, Företagsekonomi. OCLC 1233454128 
  8. ^ Goodnight, James (2011-01-13). “The forecast for predictive analytics: hot and getting hotter”. Statistical Analysis and Data Mining: The ASA Data Science Journal 4 (1): 9–10. doi:10.1002/sam.10106. ISSN 1932-1864. https://doi.org/10.1002/sam.10106. 
  9. ^ Sherman, Rick (4 November 2014). Business intelligence guidebook: from data integration to analytics. Amsterdam. ISBN 978-0-12-411528-6. OCLC 894555128. https://www.worldcat.org/oclc/894555128 
  10. ^ Field, John (2009), “Dividing listening into its components”, Listening in the Language Classroom (Cambridge: Cambridge University Press): pp. 96–109, doi:10.1017/cbo9780511575945.008, ISBN 978-0-511-57594-5, https://doi.org/10.1017/cbo9780511575945.008 2021年ねん5月がつ29日にち閲覧えつらん。 
  11. ^ a b c Judd, Charles; McCleland, Gary (1989). Data Analysis. Harcourt Brace Jovanovich. ISBN 0-15-516765-0 
  12. ^ John Tukey-The Future of Data Analysis-July 1961
  13. ^ a b c d e f g Doing Data Science. O'Reilly Media. (2013). ISBN 978-1-449-35865-5 
  14. ^ “USE OF THE DATA”, Handbook of Petroleum Product Analysis (Hoboken, NJ: John Wiley & Sons, Inc): pp. 296–303, (2015-02-06), doi:10.1002/9781118986370.ch18, ISBN 978-1-118-98637-0, https://doi.org/10.1002/9781118986370.ch18 2021年ねん5月がつ29日にち閲覧えつらん。 
  15. ^ Ainsworth, Penne (20 May 2019). Introduction to accounting : an integrated approach. ISBN 978-1-119-60014-5. OCLC 1097366032 
  16. ^ Margo, Robert A. (2000). Wages and labor markets in the United States, 1820-1860. University of Chicago Press. ISBN 0-226-50507-3. OCLC 41285104 
  17. ^ Olusola, Johnson Adedeji; Shote, Adebola Adekunle; Ouigmane, Abdellah; Isaifan, Rima J. (7 May 2021). “Table 1: Data type and sources of data collected for this research.”. PeerJ 9: e11387. doi:10.7717/peerj.11387/table-1. https://doi.org/10.7717/peerj.11387/table-1 2021年ねん5月がつ29日にち閲覧えつらん。. 
  18. ^ MacPherson, Derek (2019-10-16), “Information Technology Analysts' Perspectives”, Data Strategy in Colleges and Universities (Routledge): pp. 168–183, doi:10.4324/9780429437564-12, ISBN 978-0-429-43756-4, https://doi.org/10.4324/9780429437564-12 2021年ねん5月がつ29日にち閲覧えつらん。 
  19. ^ Nelson, Stephen L. (2014). Excel data analysis for dummies. Wiley. ISBN 978-1-118-89810-9. OCLC 877772392 
  20. ^ Figure 3—source data 1. Raw and processed values obtained through qPCR.. (30 August 2017). doi:10.7554/elife.28468.029. https://doi.org/10.7554/elife.28468.029 2021年ねん5月がつ29日にち閲覧えつらん。. 
  21. ^ a b Bohannon, John (2016-02-24). “Many surveys, about one in five, may contain fraudulent data”. Science. doi:10.1126/science.aaf4104. ISSN 0036-8075. 
  22. ^ Jeannie Scruggs, Garber; Gross, Monty; Slonim, Anthony D. (2010). Avoiding common nursing errors. Wolters Kluwer Health/Lippincott Williams & Wilkins. ISBN 978-1-60547-087-0. OCLC 338288678 
  23. ^ “Data Cleaning”. Microsoft Research. 2013年ねん10月がつ26日にち閲覧えつらん。
  24. ^ Hancock, R.G.V.; Carter, Tristan (February 2010). “How reliable are our published archaeometric analyses? Effects of analytical techniques through time on the elemental analysis of obsidians”. Journal of Archaeological Science 37 (2): 243–250. doi:10.1016/j.jas.2009.10.004. ISSN 0305-4403. https://doi.org/10.1016/j.jas.2009.10.004. 
  25. ^ a b c Perceptual Edge-Jonathan Koomey-Best practices for understanding quantitative data-February 14, 2006
  26. ^ Peleg, Roni; Avdalimov, Angelika; Freud, Tamar (2011-03-23). “Providing cell phone numbers and email addresses to Patients: the physician's perspective”. BMC Research Notes 4 (1): 76. doi:10.1186/1756-0500-4-76. ISSN 1756-0500. PMC 3076270. PMID 21426591. https://doi.org/10.1186/1756-0500-4-76. 
  27. ^ Goodman, Lenn Evan (1998). Judaism, human rights, and human values. Oxford University Press. ISBN 0-585-24568-1. OCLC 45733915 
  28. ^ Hanzo, Lajos. Blind joint maximum likelihood channel estimation and data detection for single-input multiple-output systems. doi:10.1049/iet-tv.44.786. https://doi.org/10.1049/iet-tv.44.786 2021年ねん5月がつ29日にち閲覧えつらん。. 
  29. ^ Hellerstein, Joseph (27 February 2008). “Quantitative Data Cleaning for Large Databases”. EECS Computer Science Division: 3. http://db.cs.berkeley.edu/jmh/papers/cleaning-unece.pdf 2013年ねん10月がつ26日にち閲覧えつらん。. 
  30. ^ Davis, Steve; Pettengill, James B.; Luo, Yan; Payne, Justin; Shpuntoff, Al; Rand, Hugh; Strain, Errol (26 August 2015). “CFSAN SNP Pipeline: An automated method for constructing SNP matrices from next-generation sequence data”. PeerJ Computer Science 1: e20. doi:10.7717/peerj-cs.20/supp-1. https://doi.org/10.7717/peerj-cs.20/supp-1 2021年ねん5月がつ31日にち閲覧えつらん。. 
  31. ^ “FTC requests additional data”. Pump Industry Analyst 1999 (48): 12. (December 1999). doi:10.1016/s1359-6128(99)90509-8. ISSN 1359-6128. https://doi.org/10.1016/s1359-6128(99)90509-8. 
  32. ^ Exploring your Data with Data Visualization & Descriptive Statistics: Common Descriptive Statistics for Quantitative Data. (2017). doi:10.4135/9781529732795. https://doi.org/10.4135/9781529732795. 
  33. ^ Murray, Daniel G. (2013). Tableau your data! : fast and easy visual analysis with Tableau Software. J. Wiley & Sons. ISBN 978-1-118-61204-0. OCLC 873810654 
  34. ^ Ben-Ari, Mordechai (2012), “First-Order Logic: Formulas, Models, Tableaux”, Mathematical Logic for Computer Science (London: Springer London): pp. 131–154, doi:10.1007/978-1-4471-4129-7_7, ISBN 978-1-4471-4128-0, https://doi.org/10.1007/978-1-4471-4129-7_7 2021年ねん5月がつ31日にち閲覧えつらん。 
  35. ^ Sosa, Ernest (2011). Causation. Oxford Univ. Press. ISBN 978-0-19-875094-9. OCLC 767569031 
  36. ^ Evans, Michelle V.; Dallas, Tad A.; Han, Barbara A.; Murdock, Courtney C.; Drake, John M. (28 February 2017). “Figure 2. Variable importance by permutation, averaged over 25 models.”. eLife 6: e22053. doi:10.7554/elife.22053.004. https://doi.org/10.7554/elife.22053.004 2021年ねん5月がつ31日にち閲覧えつらん。. 
  37. ^ Watson, Kevin; Halperin, Israel; Aguilera-Castells, Joan; Iacono, Antonio Dello (12 November 2020). “Table 3: Descriptive (mean ± SD), inferential (95% CI) and qualitative statistics (ES) of all variables between self-selected and predetermined conditions.”. PeerJ 8: e10361. doi:10.7717/peerj.10361/table-3. https://doi.org/10.7717/peerj.10361/table-3 2021年ねん5月がつ31日にち閲覧えつらん。. 
  38. ^ Cortés-Molino, Álvaro; Aulló-Maestro, Isabel; Fernandez-Luque, Ismael; Flores-Moya, Antonio; Carreira, José A.; Salvo, A. Enrique (22 October 2020). “Table 3: Best regression models between LIDAR data (independent variable) and field-based Forestereo data (dependent variable), used to map spatial distribution of the main forest structure variables.”. PeerJ 8: e10158. doi:10.7717/peerj.10158/table-3. https://doi.org/10.7717/peerj.10158/table-3 2021年ねん5月がつ31日にち閲覧えつらん。. 
  39. ^ International Sales Terms, Beck/Hart, (2014), doi:10.5040/9781472561671.ch-003, ISBN 978-1-4725-6167-1, https://doi.org/10.5040/9781472561671.ch-003 2021年ねん5月がつ31日にち閲覧えつらん。 
  40. ^ Nwabueze, JC (2008-05-21). “Performances of estimators of linear model with auto-correlated error terms when the independent variable is normal”. Journal of the Nigerian Association of Mathematical Physics 9 (1). doi:10.4314/jonamp.v9i1.40071. ISSN 1116-4336. https://doi.org/10.4314/jonamp.v9i1.40071. 
  41. ^ Conway, Steve (2012-07-04). “A Cautionary Note on Data Inputs and Visual Outputs in Social Network Analysis”. British Journal of Management 25 (1): 102–117. doi:10.1111/j.1467-8551.2012.00835.x. hdl:2381/36068. ISSN 1045-3172. https://doi.org/10.1111/j.1467-8551.2012.00835.x. 
  42. ^ “Customer Purchases and Other Repeated Events”, Data Analysis Using SQL and Excel® (Indianapolis, Indiana: John Wiley & Sons, Inc.): pp. 367–420, (2016-01-29), doi:10.1002/9781119183419.ch8, ISBN 978-1-119-18341-9, https://doi.org/10.1002/9781119183419.ch8 2021年ねん5月がつ31日にち閲覧えつらん。 
  43. ^ Grandjean, Martin (2014). “La connaissance est un réseau”. Les Cahiers du Numérique 10 (3): 37–54. doi:10.3166/lcn.10.3.37-54. http://www.martingrandjean.ch/wp-content/uploads/2015/02/Grandjean-2014-Connaissance-reseau.pdf. 
  44. ^ Data requirements for semiconductor die. Exchange data formats and data dictionary, BSI British Standards, doi:10.3403/02271298, https://doi.org/10.3403/02271298 2021年ねん5月がつ31日にち閲覧えつらん。 
  45. ^ Yee, D. (1985-04-01). “How to Communicate Your Message to an Audience Effectively”. The Gerontologist 25 (2): 209. doi:10.1093/geront/25.2.209. ISSN 0016-9013. https://doi.org/10.1093/geront/25.2.209. 
  46. ^ Bemowska-Kałabun, Olga; Wąsowicz, Paweł; Napora-Rutkowski, Łukasz; Nowak-Życzyńska, Zuzanna; Wierzbicka, Małgorzata (11 June 2019). Supplemental Information 1: Raw data for charts and tables. doi:10.7287/peerj.preprints.27793v1/supp-1. https://doi.org/10.7287/peerj.preprints.27793v1/supp-1 2021年ねん5月がつ31日にち閲覧えつらん。. 
  47. ^ Visualizing Data About UK Museums: Bar Charts, Line Charts and Heat Maps. (2021). doi:10.4135/9781529768749. ISBN 9781529768749. https://doi.org/10.4135/9781529768749 
  48. ^ Tunqui Neira, José Manuel (2019-09-19). Thank you for your review. Please find in the attached pdf file a detailed response to the points you raised.. doi:10.5194/hess-2019-325-ac2. https://doi.org/10.5194/hess-2019-325-ac2 2021年ねん6月がつ1日にち閲覧えつらん。. 
  49. ^ Brackett, John W. (1989), “Performing Requirements Analysis Project Courses for External Customers”, Issues in Software Engineering Education (New York, NY: Springer New York): pp. 276–285, doi:10.1007/978-1-4613-9614-7_20, ISBN 978-1-4613-9616-1, https://doi.org/10.1007/978-1-4613-9614-7_20 2021年ねん6月がつ3日にち閲覧えつらん。 
  50. ^ Wyckhuys, Kris A. G.; Wongtiem, Prapit; Rauf, Aunu; Thancharoen, Anchana; Heimpel, George E.; Le, Nhung T. T.; Fanani, Muhammad Zainal; Gurr, Geoff M. et al. (19 October 2018). “Figure 2: Bi-monthly mealybug population fluctuations in southern Vietnam, over a 2-year time period.”. PeerJ 6: e5796. doi:10.7717/peerj.5796/fig-2. https://doi.org/10.7717/peerj.5796/fig-2 2021年ねん6月がつ3日にち閲覧えつらん。. 
  51. ^ Riehl, Emily (2014), “A sampling of 2-categorical aspects of quasi-category theory”, Categorical Homotopy Theory (Cambridge: Cambridge University Press): pp. 318–336, doi:10.1017/cbo9781107261457.019, ISBN 978-1-107-26145-7, https://doi.org/10.1017/cbo9781107261457.019 2021年ねん6月がつ3日にち閲覧えつらん。 
  52. ^ “X-BAR CHART”, SpringerReference (Berlin/Heidelberg: Springer-Verlag), (2011), doi:10.1007/springerreference_7402, https://doi.org/10.1007/springerreference_7402 2021年ねん6月がつ3日にち閲覧えつらん。 
  53. ^ Chart C5.3. Percentage of 15-19 year-olds not in education, by labour market status (2012). doi:10.1787/888933119055. https://doi.org/10.1787/888933119055 2021年ねん6月がつ3日にち閲覧えつらん。. 
  54. ^ Chart 7: Households: final consumption expenditure versus actual individual consumption. doi:10.1787/665527077310. https://doi.org/10.1787/665527077310 2021年ねん6月がつ3日にち閲覧えつらん。. 
  55. ^ Chao, Luke H.; Jang, Jaebong; Johnson, Adam; Nguyen, Anthony; Gray, Nathanael S.; Yang, Priscilla L.; Harrison, Stephen C. (12 July 2018). “Figure 4. Frequency of hemifusion (measured as DiD fluorescence dequenching) as a function of number of bound Alexa-fluor-555/3-110-22 molecules.”. eLife 7: e36461. doi:10.7554/elife.36461.006. https://doi.org/10.7554/elife.36461.006 2021年ねん6月がつ3日にち閲覧えつらん。. 
  56. ^ Garnier, Elodie M.; Fouret, Nastasia; Descoins, Médéric (3 February 2020). “Table 2: Graph comparison between Scatter plot, Violin + Scatter plot, Heatmap and ViSiElse graph.”. PeerJ 8: e8341. doi:10.7717/peerj.8341/table-2. https://doi.org/10.7717/peerj.8341/table-2 2021年ねん6月がつ3日にち閲覧えつらん。. 
  57. ^ Product comparison chart: Wearables. (2009). doi:10.1037/e539162010-006. https://doi.org/10.1037/e539162010-006 2021年ねん6月がつ3日にち閲覧えつらん。. 
  58. ^ Stephen Few-Perceptual Edge-Selecting the Right Graph for Your Message-2004
  59. ^ Stephen Few-Perceptual Edge-Graph Selection Matrix
  60. ^ Recommended Best Practices. (2008-10-01). doi:10.14217/9781848590151-8-en. https://doi.org/10.14217/9781848590151-8-en 2021年ねん6月がつ3日にち閲覧えつらん。. 
  61. ^ Hobold, Edilson; Pires-Lopes, Vitor; Gómez-Campos, Rossana; Arruda, Miguel de; Andruske, Cynthia Lee; Pacheco-Carrillo, Jaime; Cossio-Bolaños, Marco Antonio (30 November 2017). “Table 1: Descriptive statistics (mean ± standard-deviation) for somatic variables and physical fitness ítems for males and females.”. PeerJ 5: e4032. doi:10.7717/peerj.4032/table-1. https://doi.org/10.7717/peerj.4032/table-1 2021年ねん6月がつ3日にち閲覧えつらん。. 
  62. ^ Ablin, Jacob N.; Zohar, Ada H.; Zaraya-Blum, Reut; Buskila, Dan (13 September 2016). “Table 2: Cluster analysis presenting mean values of psychological variables per cluster group.”. PeerJ 4: e2421. doi:10.7717/peerj.2421/table-2. https://doi.org/10.7717/peerj.2421/table-2 2021年ねん6月がつ3日にち閲覧えつらん。. 
  63. ^ “Consultants Employed by McKinsey & Company”, Organizational Behavior 5 (Routledge): pp. 77–82, (2008-07-30), doi:10.4324/9781315701974-15, ISBN 978-1-315-70197-4, https://doi.org/10.4324/9781315701974-15 2021年ねん6月がつ3日にち閲覧えつらん。 
  64. ^ Antiphanes (2007), Olson, S. Douglas, ed., “H6 Antiphanes fr.172.1-4, from Women Who Looked Like Each Other or Men Who Looked Like Each Other”, Broken Laughter: Select Fragments of Greek Comedy (Oxford University Press), doi:10.1093/oseo/instance.00232915, ISBN 978-0-19-928785-7, https://doi.org/10.1093/oseo/instance.00232915 2021年ねん6月がつ3日にち閲覧えつらん。 
  65. ^ Carey, Malachy (November 1981). “On Mutually Exclusive and Collectively Exhaustive Properties of Demand Functions”. Economica 48 (192): 407–415. doi:10.2307/2553697. ISSN 0013-0427. JSTOR 2553697. https://doi.org/10.2307/2553697. 
  66. ^ Total tax revenue. doi:10.1787/352874835867. https://doi.org/10.1787/352874835867 2021年ねん6月がつ3日にち閲覧えつらん。. 
  67. ^ “Dual-use car may solve transportation problems”. Chemical & Engineering News Archive 46 (24): 44. (1968-06-03). doi:10.1021/cen-v046n024.p044. ISSN 0009-2347. https://doi.org/10.1021/cen-v046n024.p044. 
  68. ^ Heckman (1978). “Simple Statistical Models for Discrete Panel Data Developed and Applied to Test the Hypothesis of True State Dependence against the Hypothesis of Spurious State Dependence”. Annales de l'inséé (30/31): 227–269. doi:10.2307/20075292. ISSN 0019-0209. JSTOR 20075292. https://doi.org/10.2307/20075292. 
  69. ^ Koontz, Dean (2017). False Memory. Headline Book Publishing. ISBN 978-1-4722-4830-5. OCLC 966253202 
  70. ^ Munday, Stephen C. R. (1996), “Unemployment, Inflation and the Phillips Curve”, Current Developments in Economics (London: Macmillan Education UK): pp. 186–218, doi:10.1007/978-1-349-24986-2_11, ISBN 978-0-333-64444-7, https://doi.org/10.1007/978-1-349-24986-2_11 2021年ねん6月がつ3日にち閲覧えつらん。 
  71. ^ Louangrath, Paul I. (2013). “Alpha and Beta Tests for Type I and Type II Inferential Errors Determination in Hypothesis Testing”. SSRN Electronic Journal. doi:10.2139/ssrn.2332756. ISSN 1556-5068. https://doi.org/10.2139/ssrn.2332756. 
  72. ^ Walko, Ann M. (2006). Rejecting the second generation hypothesis : maintaining Estonian ethnicity in Lakewood, New Jersey. AMS Press. ISBN 0-404-19454-0. OCLC 467107876 
  73. ^ a b Yanamandra, Venkataramana (September 2015). “Exchange rate changes and inflation in India: What is the extent of exchange rate pass-through to imports?”. Economic Analysis and Policy 47: 57–68. doi:10.1016/j.eap.2015.07.004. ISSN 0313-5926. https://doi.org/10.1016/j.eap.2015.07.004. 
  74. ^ Mudiyanselage, Nawarathna; Nawarathna, Pubudu Manoj. Characterization of epigenetic changes and their connection to gene expression abnormalities in clear cell renal cell carcinoma. OCLC 1190697848 
  75. ^ Moreno Delgado, David; Møller, Thor C.; Ster, Jeanne; Giraldo, Jesús; Maurel, Damien; Rovira, Xavier; Scholler, Pauline; Zwier, Jurriaan M. et al. (29 June 2017). “Appendix 1—figure 5. Curve data included in Appendix 1—table 4 (solid points) and the theoretical curve by using the Hill equation parameters of Appendix 1—table 5 (curve line).”. eLife 6: e25233. doi:10.7554/elife.25233.027. https://doi.org/10.7554/elife.25233.027 2021年ねん6月がつ3日にち閲覧えつらん。. 
  76. ^ Feinmann, Jane. How Can Engineers and Journalists Help Each Other?. doi:10.1049/iet-tv.48.859. https://doi.org/10.1049/iet-tv.48.859 2021年ねん6月がつ3日にち閲覧えつらん。. 
  77. ^ Dul, Jan (2015). “Necessary Condition Analysis (NCA): Logic and Methodology of 'Necessary But Not Sufficient' Causality”. SSRN Electronic Journal. doi:10.2139/ssrn.2588480. hdl:1765/77890. ISSN 1556-5068. https://doi.org/10.2139/ssrn.2588480. 
  78. ^ Robert Amar, James Eagan, and John Stasko (2005) "Low-Level Components of Analytic Activity in Information Visualization"
  79. ^ William Newman (1994) "A Preliminary Analysis of the Products of HCI Research, Using Pro Forma Abstracts"
  80. ^ Mary Shaw (2002) "What Makes Good Research in Software Engineering?"
  81. ^ a b Yavari, Ali; Jayaraman, Prem Prakash; Georgakopoulos, Dimitrios; Nepal, Surya (2017). ConTaaS: An Approach to Internet-Scale Contextualisation for Developing Efficient Internet of Things Applications. Proceedings of the 50th Hawaii International Conference on System Sciences (2017). HICSS50. doi:10.24251/HICSS.2017.715. hdl:10125/41879. ISBN 9780998133102. https://scholarspace.manoa.hawaii.edu/handle/10125/41879 2017年ねん5月がつ24日にち閲覧えつらん。 
  82. ^ “Connectivity tool transfers data among database and statistical products”. Computational Statistics & Data Analysis 8 (2): 224. (July 1989). doi:10.1016/0167-9473(89)90021-2. ISSN 0167-9473. https://doi.org/10.1016/0167-9473(89)90021-2. 
  83. ^ “Information relevant to your job”, Obtaining Information for Effective Management (Routledge): pp. 48–54, (2007-07-11), doi:10.4324/9780080544304-16, ISBN 978-0-08-054430-4, https://doi.org/10.4324/9780080544304-16 2021年ねん6月がつ3日にち閲覧えつらん。 
  84. ^ Lehmann, E. L. (2010). Testing statistical hypotheses. Springer. ISBN 978-1-4419-3178-8. OCLC 757477004 
  85. ^ Fielding, Henry (2008-08-14), “Consisting partly of facts, and partly of observations upon them”, Tom Jones (Oxford University Press), doi:10.1093/owc/9780199536993.003.0193, ISBN 978-0-19-953699-3, https://doi.org/10.1093/owc/9780199536993.003.0193 2021年ねん6月がつ3日にち閲覧えつらん。 
  86. ^ “Congressional Budget Office-The Budget and Economic Outlook-August 2010-Table 1.7 on Page 24” (PDF) (2010年ねん8月がつ18日にち). 2011年ねん3月がつ31日にち閲覧えつらん。
  87. ^ “Students' sense of belonging, by immigrant background”. PISA 2015 Results (Volume III). PISA. (2017-04-19). doi:10.1787/9789264273856-table125-en. ISBN 9789264273818. ISSN 1996-3777. https://doi.org/10.1787/9789264273856-table125-en. 
  88. ^ Gordon, Roger (March 1990). Do Publicly Traded Corporations Act in the Public Interest?. Cambridge, MA. doi:10.3386/w3303. https://doi.org/10.3386/w3303. 
  89. ^ Minardi, Margot (2010-09-24), “Facts and Opinion”, Making Slavery History (Oxford University Press): pp. 13–42, doi:10.1093/acprof:oso/9780195379372.003.0003, ISBN 978-0-19-537937-2, https://doi.org/10.1093/acprof:oso/9780195379372.003.0003 2021年ねん6月がつ3日にち閲覧えつらん。 
  90. ^ Rivard, Jillian R. Confirmation bias in witness interviewing: Can interviewers ignore their preconceptions? (Thesis). Florida International University. doi:10.25148/etd.fi14071109。
  91. ^ Papineau, David (1988), “Does the Sociology of Science Discredit Science?”, Relativism and Realism in Science (Dordrecht: Springer Netherlands): pp. 37–57, doi:10.1007/978-94-009-2877-0_2, ISBN 978-94-010-7795-8, https://doi.org/10.1007/978-94-009-2877-0_2 2021年ねん6月がつ3日にち閲覧えつらん。 
  92. ^ Bromme, Rainer; Hesse, Friedrich W.; Spada, Hans, eds (2005). Barriers and Biases in Computer-Mediated Knowledge Communication. doi:10.1007/b105100. ISBN 978-0-387-24317-7. https://doi.org/10.1007/b105100 
  93. ^ Heuer, Richards (2019-06-10). Heuer, Richards J. ed. Quantitative Approaches to Political Intelligence. doi:10.4324/9780429303647. ISBN 9780429303647. https://doi.org/10.4324/9780429303647 
  94. ^ Richards J. Heuer, Jr.. “Psychology of Intelligence Analysis”. cia.gov. 2022年ねん1月がつ30日にち閲覧えつらん。
  95. ^ Figure 6.7. Differences in literacy scores across OECD countries generally mirror those in numeracy. doi:10.1787/888934081549. https://doi.org/10.1787/888934081549 2021年ねん6月がつ3日にち閲覧えつらん。. 
  96. ^ Bloomberg-Barry Ritholz-Bad Math that Passes for Insight-October 28, 2014
  97. ^ Gusnaini, Nuriska; Andesto, Rony; Ermawati (2020-12-15). “The Effect of Regional Government Size, Legislative Size, Number of Population, and Intergovernmental Revenue on The Financial Statements Disclosure”. European Journal of Business and Management Research 5 (6). doi:10.24018/ejbmr.2020.5.6.651. ISSN 2507-1076. https://doi.org/10.24018/ejbmr.2020.5.6.651. 
  98. ^ Linsey, Julie S.; Becker, Blake (2011), “Effectiveness of Brainwriting Techniques: Comparing Nominal Groups to Real Teams”, Design Creativity 2010 (London: Springer London): pp. 165–171, doi:10.1007/978-0-85729-224-7_22, ISBN 978-0-85729-223-0, https://doi.org/10.1007/978-0-85729-224-7_22 2021年ねん6月がつ3日にち閲覧えつらん。 
  99. ^ Lyon, J. (April 2006). Purported Responsible Address in E-Mail Messages. doi:10.17487/rfc4407. https://doi.org/10.17487/rfc4407. 
  100. ^ Stock, Eugene (10 June 2017). The History of the Church Missionary Society Its Environment, its Men and its Work. ISBN 978-3-337-18120-8. OCLC 1189626777 
  101. ^ Gross, William H. (July 1979). “Coupon Valuation and Interest Rate Cycles”. Financial Analysts Journal 35 (4): 68–71. doi:10.2469/faj.v35.n4.68. ISSN 0015-198X. https://doi.org/10.2469/faj.v35.n4.68. 
  102. ^ 25. General government total outlays. doi:10.1787/888932348795. https://doi.org/10.1787/888932348795 2021年ねん6月がつ3日にち閲覧えつらん。. 
  103. ^ González-Vidal, Aurora; Moreno-Cano, Victoria (2016). “Towards energy efficiency smart buildings models based on intelligent data analytics”. Procedia Computer Science 83 (Elsevier): 994–999. doi:10.1016/j.procs.2016.04.213. 
  104. ^ “Low-Energy Air Conditioning and Lighting Control”, Building Energy Management Systems (Routledge): pp. 406–439, (2013-07-04), doi:10.4324/9780203477342-18, ISBN 978-0-203-47734-2, https://doi.org/10.4324/9780203477342-18 2021年ねん6月がつ3日にち閲覧えつらん。 
  105. ^ Davenport, Thomas; Harris, Jeanne (2007). Competing on Analytics. O'Reilly. ISBN 978-1-4221-0332-6 
  106. ^ Aarons, D. (2009). Report finds states on course to build pupil-data systems. Education Week, 29(13), 6.
  107. ^ Rankin, J. (2013, March 28). How data Systems & reports can either fight or propagate the data analysis error epidemic, and how educator leaders can help. Archived 2019-03-26 at the Wayback Machine. Presentation conducted from Technology Information Center for Administrative Leadership (TICAL) School Leadership Summit.
  108. ^ Brödermann, Eckart J. (2018), “Article 2.2.1 (Scope of the Section)”, Commercial Law (Nomos Verlagsgesellschaft mbH & Co. KG): pp. 525, doi:10.5771/9783845276564-525, ISBN 978-3-8452-7656-4, https://doi.org/10.5771/9783845276564-525 2021年ねん6月がつ3日にち閲覧えつらん。 
  109. ^ Jaech, J.L. (1960-04-21). Analysis of dimensional distortion data from initial 24 quality certification tubes. doi:10.2172/10170345. https://doi.org/10.2172/10170345. 
  110. ^ Adèr 2008a, p. 337.
  111. ^ Kjell, Oscar N. E.; Thompson, Sam (19 December 2013). “Descriptive statistics indicating the mean, standard deviation and frequency of missing values for each condition (N = number of participants), and for the dependent variables (DV)”. PeerJ 1: e231. doi:10.7717/peerj.231/table-1. https://doi.org/10.7717/peerj.231/table-1 2021年ねん6月がつ3日にち閲覧えつらん。. 
  112. ^ Practice for Dealing With Outlying Observations, ASTM International, doi:10.1520/e0178-16a, https://doi.org/10.1520/e0178-16a 2021年ねん6月がつ3日にち閲覧えつらん。 
  113. ^ “Alternative Coding Schemes for Dummy Variables”, Regression with Dummy Variables (2455 Teller Road, Newbury Park California 91320 United States of America: SAGE Publications, Inc.): pp. 64–75, (1993), doi:10.4135/9781412985628.n5, ISBN 978-0-8039-5128-0, https://doi.org/10.4135/9781412985628.n5 2021年ねん6月がつ3日にち閲覧えつらん。 
  114. ^ Adèr 2008a, pp. 338–341.
  115. ^ Danilyuk, P. M. (July 1960). “Computing the displacement of the initial contour of gears when they are checked by means of balls”. Measurement Techniques 3 (7): 585–587. doi:10.1007/bf00977716. ISSN 0543-1972. https://doi.org/10.1007/bf00977716. 
  116. ^ Newman, Isadore (1998). Qualitative-quantitative research methodology : exploring the interactive continuum. Southern Illinois University Press. ISBN 0-585-17889-5. OCLC 44962443 
  117. ^ Terwilliger, James S.; Lele, Kaustubh (June 1979). “Some Relationships Among Internal Consistency, Reproducibility, and Homogeneity”. Journal of Educational Measurement 16 (2): 101–108. doi:10.1111/j.1745-3984.1979.tb00091.x. ISSN 0022-0655. https://doi.org/10.1111/j.1745-3984.1979.tb00091.x. 
  118. ^ Adèr 2008a, pp. 341–342.
  119. ^ Adèr 2008a, p. 344.
  120. ^ Tabachnick & Fidell, 2007, p. 87-88.
  121. ^ Tchakarova, Kalina (October 2020). “2020/31 Comparing job descriptions is insufficient for checking whether work is equally valuable (BG)”. European Employment Law Cases 5 (3): 168–170. doi:10.5553/eelc/187791072020005003006. ISSN 1877-9107. https://doi.org/10.5553/eelc/187791072020005003006. 
  122. ^ Random sampling and randomization procedures, BSI British Standards, doi:10.3403/30137438, https://doi.org/10.3403/30137438 2021年ねん6月がつ3日にち閲覧えつらん。 
  123. ^ Adèr 2008a, pp. 344–345.
  124. ^ Sandberg, Margareta (June 2006). “Acupuncture Procedures Must be Accurately Described”. Acupuncture in Medicine 24 (2): 92–94. doi:10.1136/aim.24.2.92. ISSN 0964-5284. PMID 16783285. https://doi.org/10.1136/aim.24.2.92. 
  125. ^ Jaarsma, C.F.. Verkeer in een landelijk gebied: waarnemingen en analyse van het verkeer in zuidwest Friesland en ontwikkeling van een verkeersmodel. OCLC 1016575584 
  126. ^ Foth, Christian; Hedrick, Brandon P.; Ezcurra, Martin D. (18 January 2016). “Figure 4: Centroid size regression analyses for the main sample.”. PeerJ 4: e1589. doi:10.7717/peerj.1589/fig-4. https://doi.org/10.7717/peerj.1589/fig-4 2021年ねん6月がつ3日にち閲覧えつらん。. 
  127. ^ Adèr 2008a, p. 345.
  128. ^ “The Final Years (1975-84)”, The Road Not Taken (Boydell & Brewer): pp. 853–922, (2018-06-18), doi:10.2307/j.ctv6cfncp.26, ISBN 978-1-57647-332-0, https://doi.org/10.2307/j.ctv6cfncp.26 2021年ねん6月がつ3日にち閲覧えつらん。 
  129. ^ Fitzmaurice, Kathryn (17 March 2015). Destiny, rewritten. ISBN 978-0-06-162503-9. OCLC 905090570 
  130. ^ Supplementary file 4. Raw data and R-based analyses. (7 March 2017). doi:10.7554/elife.24102.023. https://doi.org/10.7554/elife.24102.023 2021年ねん6月がつ3日にち閲覧えつらん。. 
  131. ^ Adèr 2008a, pp. 345–346.
  132. ^ Adèr 2008a, pp. 346–347.
  133. ^ Adèr 2008a, pp. 349–353.
  134. ^ Billings S.A. "Nonlinear System Identification: NARMAX Methods in the Time, Frequency, and Spatio-Temporal Domains". Wiley, 2013
  135. ^ Adèr 2008b, p. 363.
  136. ^ “Exploratory Data Analysis”, Python® for R Users (Hoboken, NJ, USA: John Wiley & Sons, Inc.): pp. 119–138, (2017-10-13), doi:10.1002/9781119126805.ch4, hdl:11380/971504, ISBN 978-1-119-12680-5, https://doi.org/10.1002/9781119126805.ch4 2021年ねん6月がつ3日にち閲覧えつらん。 
  137. ^ “Engaging in Exploratory Data Analysis, Visualization, and Hypothesis Testing”, Spatial Analysis (CRC Press): pp. 106–139, (2015-07-28), doi:10.1201/b18808-8, ISBN 978-0-429-06936-9, https://doi.org/10.1201/b18808-8 2021年ねん6月がつ3日にち閲覧えつらん。 
  138. ^ “Hypotheses About Categories”, Starting Statistics: A Short, Clear Guide (1 Oliver's Yard, 55 City Road, London EC1Y 1SP United Kingdom: SAGE Publications Ltd): pp. 138–151, (2010), doi:10.4135/9781446287873.n14, ISBN 978-1-84920-098-1, https://doi.org/10.4135/9781446287873.n14 2021年ねん6月がつ3日にち閲覧えつらん。 
  139. ^ Sordo, Rachele Del; Sidoni, Angelo (December 2008). “MIB-1 Cell Membrane Reactivity: A Finding That Should be Interpreted Carefully”. Applied Immunohistochemistry & Molecular Morphology 16 (6): 568. doi:10.1097/pai.0b013e31817af2cf. ISSN 1541-2016. PMID 18800001. https://doi.org/10.1097/pai.0b013e31817af2cf. 
  140. ^ Liquet, Benoit; Riou, Jérémie (2013-06-08). “Correction of the significance level when attempting multiple transformations of an explanatory variable in generalized linear models”. BMC Medical Research Methodology 13 (1): 75. doi:10.1186/1471-2288-13-75. ISSN 1471-2288. PMC 3699399. PMID 23758852. https://doi.org/10.1186/1471-2288-13-75. 
  141. ^ a b c Mcardle, John J. (2008). Some ethical issues in confirmatory versus exploratory analysis. doi:10.1037/e503312008-001. https://doi.org/10.1037/e503312008-001 2021年ねん6月がつ3日にち閲覧えつらん。. 
  142. ^ Adèr 2008b, pp. 361–362.
  143. ^ Adèr 2008b, pp. 361–371.
  144. ^ Truswell IV, William H., ed. (2009), “3 The Facelift: A Guide for Safe, Reliable, and Reproducible Results”, Surgical Facial Rejuvenation (Stuttgart: Georg Thieme Verlag), doi:10.1055/b-0034-73436, ISBN 978-1-58890-491-1, https://doi.org/10.1055/b-0034-73436 2021年ねん6月がつ3日にち閲覧えつらん。 
  145. ^ Supplementary file 1. Cross-validation schema.. (6 December 2018). doi:10.7554/elife.40224.014. https://doi.org/10.7554/elife.40224.014 2021年ねん6月がつ3日にち閲覧えつらん。. 
  146. ^ Hsiao, Cheng (2014), “Cross-Sectionally Dependent Panel Data”, Analysis of Panel Data (Cambridge: Cambridge University Press): pp. 327–368, doi:10.1017/cbo9781139839327.012, ISBN 978-1-139-83932-7, https://doi.org/10.1017/cbo9781139839327.012 2021年ねん6月がつ3日にち閲覧えつらん。 
  147. ^ Hjorth, J.S. Urban (2017-10-19), “Cross validation”, Computer Intensive Statistical Methods (Chapman and Hall/CRC): pp. 24–56, doi:10.1201/9781315140056-3, ISBN 978-1-315-14005-6, https://doi.org/10.1201/9781315140056-3 2021年ねん6月がつ3日にち閲覧えつらん。 
  148. ^ Sheikholeslami, Razi; Razavi, Saman; Haghnegahdar, Amin (2019-10-10). “What should we do when a model crashes? Recommendations for global sensitivity analysis of Earth and environmental systems models”. Geoscientific Model Development 12 (10): 4275–4296. Bibcode: 2019GMD....12.4275S. doi:10.5194/gmd-12-4275-2019. ISSN 1991-9603. https://doi.org/10.5194/gmd-12-4275-2019. 
  149. ^ Wiley, Matt; Wiley, Joshua F. (2019), “Multivariate Data Visualization”, Advanced R Statistical Programming and Data Models (Berkeley, CA: Apress): pp. 33–59, doi:10.1007/978-1-4842-2872-2_2, ISBN 978-1-4842-2871-5, https://doi.org/10.1007/978-1-4842-2872-2_2 2021年ねん6月がつ3日にち閲覧えつらん。 
  150. ^ Orduna-Malea, Enrique; Alonso-Arroyo, Adolfo (2018), “A cybermetric analysis model to measure private companies”, Cybermetric Techniques to Evaluate Organizations Using Web-Based Data (Elsevier): pp. 63–76, doi:10.1016/b978-0-08-101877-4.00003-x, ISBN 978-0-08-101877-4, https://doi.org/10.1016/b978-0-08-101877-4.00003-x 2021年ねん6月がつ3日にち閲覧えつらん。 
  151. ^ Leen, A.R.. The consumer in Austrian economics and the Austrian perspective on consumer policy. ISBN 90-5808-102-8. OCLC 1016689036 
  152. ^ “Examples of Survival Data Analysis”, Statistical Methods for Survival Data Analysis, Wiley Series in Probability and Statistics, Hoboken, NJ, USA: John Wiley & Sons, Inc., (2003-06-30), pp. 19–63, doi:10.1002/0471458546.ch3, ISBN 978-0-471-45854-8, https://doi.org/10.1002/0471458546.ch3 2021年ねん6月がつ3日にち閲覧えつらん。 
  153. ^ “The machine learning community takes on the Higgs”. Symmetry Magazine. (2014年ねん7月がつ15日にち). http://www.symmetrymagazine.org/article/july-2014/the-machine-learning-community-takes-on-the-higgs/ 2015年ねん1月がつ14日にち閲覧えつらん。 
  154. ^ Nehme, Jean (2016年ねん9月がつ29日にち). “LTPP International Data Analysis Contest”. Federal Highway Administration. 2017年ねん10月がつ22日にち閲覧えつらん。
  155. ^ “Data.Gov:Long-Term Pavement Performance (LTPP)” (2016年ねん5月がつ26日にち). 2017年ねん11月がつ10日とおか閲覧えつらん。

参考さんこう文献ぶんけん[編集へんしゅう]

  • Adèr, Herman J. (2008a). “Chapter 14: Phases and initial steps in data analysis”. Advising on research methods : a consultant's companion. Huizen, Netherlands: Johannes van Kessel Pub. pp. 333–356. ISBN 9789079418015. OCLC 905799857 
  • Adèr, Herman J. (2008b). “Chapter 15: The main analysis phase”. Advising on research methods : a consultant's companion. Huizen, Netherlands: Johannes van Kessel Pub. pp. 357–386. ISBN 9789079418015. OCLC 905799857 
  • Tabachnick, B.G. & Fidell, L.S. (2007). Chapter 4: Cleaning up your act. Screening data prior to analysis. In B.G. Tabachnick & L.S. Fidell (Eds.), Using Multivariate Statistics, Fifth Edition (pp. 60–116). Boston: Pearson Education, Inc. / Allyn and Bacon.

推薦すいせん文献ぶんけん[編集へんしゅう]

ウィキバーシティにデータ解析かいせきに関かんする学習がくしゅう教材きょうざいがあります。
  • Adèr, H.J. & Mellenbergh, G.J. (with contributions by D.J. Hand) (2008). Advising on Research Methods: A Consultant's Companion. Huizen, the Netherlands: Johannes van Kessel Publishing. ISBN 978-90-79418-01-5（英語えいご）
  • Chambers, John M.; Cleveland, William S.; Kleiner, Beat; Tukey, Paul A. (1983). Graphical Methods for Data Analysis, Wadsworth/Duxbury Press. ISBN 0-534-98052-X（英語えいご）
  • Fandango, Armando (2017). Python Data Analysis, 2nd Edition. Packt Publishers. ISBN 978-1787127487（英語えいご）
  • Juran, Joseph M.; Godfrey, A. Blanton (1999). Juran's Quality Handbook, 5th Edition. New York: McGraw Hill. ISBN 0-07-034003-X（英語えいご）
  • Lewis-Beck, Michael S. (1995). Data Analysis: an Introduction, Sage Publications Inc, ISBN 0-8039-5772-6（英語えいご）
  • NIST/SEMATECH (2008) Handbook of Statistical Methods,（英語えいご）
  • Pyzdek, T, (2003). Quality Engineering Handbook, ISBN 0-8247-4614-7（英語えいご）
  • Richard Veryard (1984). Pragmatic Data Analysis. Oxford : Blackwell Scientific Publications. ISBN 0-632-01311-7（英語えいご）
  • Tabachnick, B.G.; Fidell, L.S. (2007). Using Multivariate Statistics, 5th Edition. Boston: Pearson Education, Inc. / Allyn and Bacon, ISBN 978-0-205-45938-4（英語えいご）

関連かんれん項目こうもく[編集へんしゅう]

「https://ja.wikipedia.org/w/index.php?title=データ解析かいせき&oldid=94650979」から取得しゅとく