■忘備録
-
数量化 I 類による分析の例
http://www.weblio.jp/content/%E6%95%B0%E9%87%8F%E5%8C%96+I+%E9%A1%9E%E3%81%AB%E3%82%88%E3%82%8B%E5%88%86%E6%9E%90%E3%81%AE%E4%BE%8B
- 単相関と偏相関
- ある事例
-
- （ｘ１、ｘ２に与えられたカテゴリースコアに基づいて計算された）相関係数数行列
-
- 単相関 偏相関
- ｙ～ｘ１ 0.89 0.92
- y～ｘ２ 0.34 0.56
- x1～x2 0.11
- 重相関係数=0.93
- 決定係数＝寄与率＝重相関係数^2 ＝0.86
-
- アイスクリーム店の売上と気温（向後先生の例）
-
- 単相関 偏相関
- 売上と最高気温 0.87 0.97
- 売上と最低気温 0.30 -0.89※
- 最高気温と最低気温 0.7
- ※気温が低いと晴れているからマイナス
- 類似性の分析方法
-
-
量的×量的： 単相関係数＝ピアソンの相関係数（いわゆる相関係数）
-
量的×質的： 相関比
-
-
方法１
-
-
相関比が0.3以上なら説明変数として採用 cf.目的変数に対し
-
0.3以下であっても無相関検定で有意であればOK
-
方法２
-
-
方法３
-
-
質的×質的： 独立係数＝クラメールの独立係数＝クラメールの関連係数
-
-
説明変数同士の相関については、独立性の検定（χ２検定）を行う
-
（参考）分散分析とは？
-
- 音楽を聴きながら試験勉強した群（A群）
- 何も聞かずに試験勉強した群（B群）
- 仮説：A群の方が試験の得点が大きい
- F統計量＝要因によって生じる差／要因では説明できない差（誤差）
-
論文に何を書くか
-
-
目的変数～各説明変数 単相関係数、偏相関係数の大きさ
-
各説明変数の相関比の大きさ 無相関検定、平均値の差の検定
-
各説明変数間の 単相関係数、偏相関係数の大きさ
- 各説明変数間の独立性の検定
-
常に追いかけ続けるチャレンジ精神
-
「ある雨の日の情景」
-
-
みんなわかっているけどしかたないからカサをさしているのかも
-
そのようなことが世の中には多いかも
-
Excelで表示しているままコピーしたい
-
-
範囲を選択 →alt + ; →（右クリック）→コピー→（貼り付け先セルの選択）→貼り付け
-
Excelのピボットテーブルの更新
-
-
ピボットテーブル（クロス集計表）ないのセル（どれでもよい）を１つ選択
-
リボンの「ピボットテーブルツール」→オプション→データ→更新
- Excelでの呼び名l △直接入力 → ○セル参照
- Excelで経過時間を計算する
-
- 日単位での表示となる
-
- 時間単位にするには 24 をかける
- 分単位にするには 24×60= 1,440 をかける
- 秒単位にするには 1440×60＝ 86,400 をかける
■論文の構成
-
ヒートマップも示す（歩く経路の可視化）
-
GPSでの分析の可能性について探る
- 鳥かごと速度や分散の関係： ２番と 数~１０番あたりを比べる＝ 道の広さ等の影響
- （※２番は他のルートからの合流もあるが）
- （スーパーの前は速度が遅い？）
- （交差点手前のブロックでは速度調整がある（方向をふまえて計算）＝手前では平均は速いはず、分散は大きいはず）
- 人により環境条件の違いを見る（往路復路、雨の有無、人数、目標到着時刻の有無）
- ※表に整理する
- 雨だからゆっくり歩くという訳ではなさそう
- 雨の日は早く行こうとする人と、ゆっくり行こうとする人が交差するので混雑要因となる
- ３人だと遅れ１m/s程度となる（いずれの人についても）
- ※他のクロスが考えられるのか？
-
向きと同行者数のクロス 行きは同行者の有無で大きく速度が違うが、帰りはそれほどの差はない（No4はそうなっている）
■主に使うファイル
-
150000歩行分析＞151225通学路地図（OSM,2451).shp
-
150000歩行分析＞151231鳥かご（完成版）.shp =2451
■仮説と結果
-
（どの要因が大きいかを分析する）どうやる？
-
-
例えば、自分だけ急ぎと友人がいるとどうなるのか？ →これは出てこない
-
例えば、飴で急ぎだとどうなる？
-
人による違いを観察する
-
-
人ごとに、どの要因による違いが顕在化したかを表にまとめる
-
No19 の結果（「分析」シート）から
-
・行きの歩行速度は速い
-
-
そうとは限らない（あまり差はない）No19
-
- その通り
-
- 人により行きの方が速い＝程度の違いを描写しておく
- ・多人数で歩く方が遅い
-
- No19 → その通り。ただし、２人の方が３人よりも遅い場合もある
- No13 → １と２人はあまり変わらないが３人は遅い
-
・雨の方が遅い → その通り。雨はフランス庭園付近はより遅くなる？（仮説）
-
目標がある方が速い（No13)
■手順
①鳥かご（ポリゴン）を作る
- 道の上に等間隔の点を打つ （２点打ち→csvで保存→間の点を計算→描画）
- ポリゴンレイヤーを作成し、等間隔の点を利用して長方形のポリゴンを描画する
- ポリゴンにidをつける（正門を１番～ハックドラッグを１３番）
- 出力ファイル＝鳥かご（完成版）2451,shp
②軌跡→2451,CSV
③デリミテッドテキストファイルの読み込み
④名前を付けて保存 すなわち、CSV,2451→shp,2451
×②軌跡を2451に変換 ←× 時刻が日付レベルに下がってしまう
-
（通学路付近のデータだけを選択（地図上で選択しておく））
-
２４５１（平面直角）座標系
-
出力結果＝shpファイル
×③軌跡を鳥かごで切り取る
-
ベクター→空間演算ツール→交差（＝両方の属性が保存される）
-
出力結果＝shpファイル
⑤歩行軌跡（ポイント）がどの鳥かご（ポリゴン）に属するかを記録する
-
参考：町丁字と小学校区の空間的な統合
-
-
ベクター→データマネジメントツール→場所で属性を統合する
-
対象ベクタレイヤ： ポイント（軌跡） 町丁字重心
-
ベクターレイヤを結合する： ポリゴン（鳥かご） 小学校区
-
出力shpファイル名を指定
⑥CSVファイルを出力（お疲れ様でした） 2451-csv-鳥かご-shp → 2451-csv-鳥かご-csv
⑥Excel上で以下の操作を行う
-
timeのフィールをコピーし（time2)、時刻の書式で、秒単位までの時刻を表示
- timeフィールドをtime1とし、日付を表示
-
速度のフィールドを追加
（○標識点からの各ポイントまでの距離を出す）
ベクター→調査ツール→場所による選択
-
中の建物を選択する ＝ ポイントを指定
-
交差する地物が中にある ＝ ポリゴンを指定
-
それをshpファイルで保存する
-
⑤鳥かご別の速度の平均、標準偏差を出す
-
- （たしかに広い道では平均速度が大きい）→広さと平均速度の関係を求める
⑤歩行軌跡の方向を規定する
④の結果から、属性テーブル
■標準時から日本時間に変換する（UTC to JST)
-
GPSロガーの時刻はUTCとなっている
-
Excelで時差９時間を入れるフィールドを作り、9:00:00を各セルに入れる
-
書式はユーザ定義でｈ：ｍｍを選択
-
-
JST＝UTC+時差
■歩行の方向を検出
-
速度ベクトル（ｘ、ｙ）を考える
-
=ATAN2(x,y)*180/PI()
-
で-180～180が出る（+なら北、絶対値が９０°より大きいなら西ということ）
■研究の目的
-
歩行の様子の可視化 → 道幅による効果、混雑度による効果
-
女子大通りの２つの信号の間の歩道区間は、人々の合流・分流が少ないので、傾向が出やすい
■速度の様子
-
行の方が速い（○）
-
晴れの日の方が速い（△）→交差点では、飴の日の方が速くなるかもしれない（仮説）
-
単独の方が速い（○)
■加速度／速度の標準偏差
-
２秒毎に記録したので、２秒間の変化の記録となる
-
絶対値を使って変化の度合を調べることができる
-
ただし、GPSは、データの誤差があるので、それを拾っている可能性がある
-
分散も加速度と似た指標になっているはず。
-
（仮説）行きの方が急ぎがちなので、速度の変化も大きいであろう
→たしかにそうだけど、あまり変わらなかった？
■ヒートマップの作成
-
単バンド議事カラー、YIOrRd の色指定は以外と解りやすい 分類数は５でよい
■主な空間参照システム
-
3857＝WGS84/Pseudo Mercator：グーグルマップなど
-
4326＝WGS84＝GPSロガーなど
-
4612=JGD2000
-
2451＝平面直角座標系第ⅠX系
■グリニッジ時刻との差
■時刻の表示方法
-
date time型 →Excelでは、ユーザ設定、時刻、標準など切り替えて処理をしてみよう
■等距離線を描く
■標識点（大学真、ハック）からの距離をとり、速度を求める → 距離と速度の関係を表してみる