外国語教育メディア学会第54回全国研究大会ワークショップ「Rによる外国語教育データの分析と可視化の基本」
6 likes2,151 views
外国語教育メディア学会第54回全国研究大会ワークショップ「Rによる外国語教育データの分析と可視化の基本」用スライド
![コンソールで「＋」が出たら...
• 入力中に誤って[Enter] を押すと，
待機状態を示す「＋」が出る
• [STOP] ボタンでキャンセル
• [Esc] キーでキャンセル](https://image.slidesharecdn.com/slidesharelet2014fukuoka140804sakaue-140803053623-phpapp02/85/54-R-48-320.jpg)
![履歴機能と補完機能
•履歴: [↑][↓] の矢印キー
•補完: [Tab]キー](https://image.slidesharecdn.com/slidesharelet2014fukuoka140804sakaue-140803053623-phpapp02/85/54-R-49-320.jpg)
![行列の要素を取り出す
2行目を表示 → demo[2,]
2列目を表示 → demo[,2]
http://gyazo.com/6726084afd9e1cc4b03df85fe6bc0f29.png](https://image.slidesharecdn.com/slidesharelet2014fukuoka140804sakaue-140803053623-phpapp02/85/54-R-80-320.jpg)
![行列の要素を取り出す
2行目と4行目を表示
→ demo[c(2,4),]
2列目と4列目を表示
→ demo[, c(2,4)]](https://image.slidesharecdn.com/slidesharelet2014fukuoka140804sakaue-140803053623-phpapp02/85/54-R-81-320.jpg)
![1. let2014.csv を作業ディレクトリへ移動
• XLS/XLSX 形式のものは保存時に変換
• CSV ファイルの文字コードは UTF-8 に
2. > test <- read.csv(choose.files(), header = TRUE) #Win
# test <- read.csv(file.choose(), header = TRUE) #Mac
3.> test [Enter] で中身を確認
データの読込 その１](https://image.slidesharecdn.com/slidesharelet2014fukuoka140804sakaue-140803053623-phpapp02/85/54-R-97-320.jpg)
![1.let2014.xls を開いてマウスで範囲指定
2.> test2 <- read.delim("clipboard") で代入
!
3.> test2 [Enter] で中身を確認
データの読込 その２
Mac の場合: read.delim(pipe("pbpaste"))](https://image.slidesharecdn.com/slidesharelet2014fukuoka140804sakaue-140803053623-phpapp02/85/54-R-100-320.jpg)
![読み込んだら関数で処理
> table(test[,3])
•度数分布を確認する
> mean(test[,3])
•平均値を求める
3列目対象
3列目対象](https://image.slidesharecdn.com/slidesharelet2014fukuoka140804sakaue-140803053623-phpapp02/85/54-R-101-320.jpg)
![今度は折れ線グラフ
> quiz <- test[,c(3,4,5,6,7,8,9,10,11,12)]
# 小テストの得点だけを取り出す
> ID1<- as.numeric(quiz[2,])
# データの型変換（リストから数値へ）
> plot(ID1, type="l")
# 引数 type を l にして折れ線グラフに](https://image.slidesharecdn.com/slidesharelet2014fukuoka140804sakaue-140803053623-phpapp02/85/54-R-117-320.jpg)
![boxplot + beeswarm
> install.packages("beeswarm")
> library("beeswarm")
> PrePost <- test[,c("Pre",“Post")]
> boxplot(pretest, posttest, names=c("PRE", "POST"))
> beeswarm(PrePost, add=TRUE)](https://image.slidesharecdn.com/slidesharelet2014fukuoka140804sakaue-140803053623-phpapp02/85/54-R-123-320.jpg)
![事例: 接続詞“however”の生起位置の比較
文頭 文中 文末 合計
頻度 109 347 8 493
[文頭] However, ....
[文中] ..., however, ....
[文末] ..., however.](https://image.slidesharecdn.com/slidesharelet2014fukuoka140804sakaue-140803053623-phpapp02/85/54-R-138-320.jpg)
![4) 数値を求める
> length(nns_unlist)
[1] 70220 # Token
!
> nns_all <- table(nns_unlist)
# 単語一覧表の作成
!
> nns_type <- length(uniq_nns)
> nns_type
[1] 7579 # Type](https://image.slidesharecdn.com/slidesharelet2014fukuoka140804sakaue-140803053623-phpapp02/85/54-R-150-320.jpg)
![> length(grep("^And,?", nns_unlist, fixed = FALSE, value=TRUE))
[1] 175
> length(grep("^But,?", nns_unlist, fixed = FALSE, value=TRUE))
[1] 178
> length(grep("^and,?", nns_unlist, fixed = FALSE, value=TRUE))
[1] 1479
> length(grep("^but,?", nns_unlist, fixed = FALSE, value=TRUE))
[1] 260
R による and と but の検索](https://image.slidesharecdn.com/slidesharelet2014fukuoka140804sakaue-140803053623-phpapp02/85/54-R-156-320.jpg)
外国語教育メディア学会第54回全国研究大会ワークショップ「Rによる外国語教育データの分析と可視化の基本」
- 2. http://sakaue.info/let2014sakaue.zip 本日の資料 • ZIP ファイルを解凍し，Documents へ移動させてください 1) LET2014_FUKUOKA_120804_sakaue.pdf 2) let2014_codes.txt 3) let2014.csv 4) let2014.xls
- 6. 0. 自己紹介 •阪上 辰也 (SAKAUE, Tatsuya) • 所属: 外国語教育研究センター • 専門: 第二言語習得（関係節の習得） • Nagoya.R /SappoRo.R 元主催, HiRoshima.R 主催 • ID: sakaue にて • 詳しくは...
- 8. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
- 9. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
- 10. とは何か • 統計処理を目的とするプログラミング言語 • 無償＋オープンソースのソフトウェア • 作者：Ross Ihaka & Robert Gentleman (R & R) • Ross Ihaka and Robert Gentleman. R: A language for data analysis and graphics. Journal of Computational and Graphical Statistics, 5(3):299-314, 1996. • http://biostat.mc.vanderbilt.edu/twiki/pub/Main/JeffreyHorner/JCGSR.pdf
- 11. の何が良いのか •無償（IBM SPSS Statistics は約10万円で保守なし...） •統計処理の種類が豊富 •作図結果が美しい（簡素）
- 12. なぜ今 なのか • 学生指導・研究費節約 • 分析手法の明確化 • 可視化による傾向把握
- 13. の弱点 • 文字入力による操作 • プログラムを組む感覚を養成 • 確実に伝わるという利点も • 多方面の知識が必要 • 英語＋統計＋計算機 • 参考書籍がお高め...
- 14. Excel や SPSS は... •高価（気軽に使えない） •処理が信頼できず • Excel 使うな（奥村先生＠三重大） •作図結果が美しくない
- 15. の基本操作 ‐Install / Update / Uninstall‐
- 16. 1. http://www.r-project.org/ にアクセス 2. “download R”をクリック 3. JAPAN の中から１つを選ぶ 4. OS に応じたリンクをクリック のインストール
- 17. のインストール • Windows: : http://cran.ism.ac.jp/bin/windows/base/ •「Download R 3.1.1 for Windows」をクリック • Mac OS X:http://cran.ism.ac.jp/bin/macosx/ •「R-3.1.1-mavericks.pkg」をクリック
- 24. のアップデート 1. http://www.r-project.org/ にアクセス 2. 自分が使っているバージョンより 新しいものが出ているか確認 3. 新規にインストール用ファイルを ダウンロードしてインストール
- 25. のアップデート • セキュリティ上の問題がない限りは， むやみに更新しない • パッケージ（付加機能）の動作不良回避 • 新旧の共存は可能 • Windows/Mac: 別名でインストール • ただし何がどう共有されているかは不明
- 26. のアンインストール • Windows 7/8 • コンパネ→プログラムのアンインストール • Mac OS X • /Applications にある アイコンと /Library の中の Frameworks にある R. framework を削除（CleanApp 可）
- 27. の起動 • Windows 7/8 • START → Program → R → R 3.1.1 を選択 • Mac OS X • /Applications 内の をダブルクリック
- 28. 「コンソール」の表示を確認
- 29. の終了 • コンソールに「q()」と入力 • 今は「作業スペース」は保存しない • ウィンドウが消えれば終了
- 30. で困ったら... •まずは Web 検索! • seekR: http://seekr.jp/ • R SEEK:http://www.rseek.org/ • RjpWiki: http://www.okada.jp.org/RWiki/ • R-Tips:http://cse.naro.affrc.go.jp/takezawa/r-tips/r.html • 標準搭載の help(sth) でも確認可能
- 31. で困ったら... •参照資料は豊富にあります • R オンラインガイド（山口大学教育学部教育心理学コース） • R 言語入門（ドットインストール） • はじめての「R」（林真広 氏） • R による統計処理（青木繁伸先生＠群馬大学）
- 32. 概論まとめ • は統計ソフト •無償＋何でも統計＋美しく作図 •困ったら Web 検索!!
- 33. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
- 34. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
- 35. といえば 関数 が命
- 38. sqrt()：平方根 •> sqrt(2) •> sqrt(144) •> sqrt(104976)
- 40. 「関数(値)」が命 • には多数の関数がある •q() や help(sth) も関数 •必要な関数をしつこく実行
- 41. といえば 変数 も命
- 46. 変数の名前は“hako” •> hako <- c(1,2,3,4,5) •> hako • c() 関数：combine (cf. https://twitter.com/#!/sakaue/status/193708048030760960) • 値を１つにまとめる関数 • 逆に書いても（一応）OK
- 47. c()関数の“<-”は何？ hako <- c(1,2,3,4,5) の“<-”は 左向きの矢印（←） を表現 （入れ替えても動きます）
- 48. コンソールで「＋」が出たら... • 入力中に誤って[Enter] を押すと， 待機状態を示す「＋」が出る • [STOP] ボタンでキャンセル • [Esc] キーでキャンセル
- 49. 履歴機能と補完機能 •履歴: [↑][↓] の矢印キー •補完: [Tab]キー
- 52. もし変数がなかったら 何度も関数を 繰り返す羽目になる sqrt(1), sqrt(2) ... sqrt(5) log(1), log (2) ... log (5)
- 54. ここまでのまとめ • は「関数」と「変数」が命 • 関数を使って数値を処理 • q(), help(), sqrt(), log(), c() • 変数を使って一括処理！
- 55. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
- 56. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
- 57. Sub topics 1. 行列のおはなし 2. データフレーム 3. 外部データの読込
- 59. 実際のデータは 複数行あるはず
- 61. 表にすれば... 身長 体重 A 180 75 B 170 65 C 165 60 D 175 70 E 190 80
- 64. 1 2 3 4 5 6 7 8 9
- 65. 行
- 66. 1 2 3 4 5 6 7 8 9
- 67. 1 2 3 4 5 6 7 8 9
- 68. 1 2 3 4 5 6 7 8 9
- 69. 列
- 70. 1 2 3 4 5 6 7 8 9
- 71. 1 2 3 4 5 6 7 8 9
- 72. 1 2 3 4 5 6 7 8 9
- 75. matrix() 関数 •行列を作る関数 •matrix(要素, 行の数, 列の数) •デフォでは列方向に配置
- 76. このようなデータなら 身長 体重 A 180 75 B 170 65 C 165 60 D 175 70 E 190 80
- 77. karada <- matrix(c(180, 170, 165, 175, 190, 75, 65, 60, 70, 80), 5, 2) 行列を作ってみる 1. c() 関数で、数値を連結 2. matrix() 関数で、行列に変換 • 「5行で2列」にするという指定をする 3. karada という名の変数に代入
- 80. 行列の要素を取り出す 2行目を表示 → demo[2,] 2列目を表示 → demo[,2] http://gyazo.com/6726084afd9e1cc4b03df85fe6bc0f29.png
- 83. 行列まとめ • 横方向が行、縦方向が列 • デフォルトでの数値の並びに注意 • 必要な要素を適宜取り出して値を確認
- 84. Sub topics 1. 行列のおはなし 2. データフレーム 3. 外部データの読込
- 85. データフレームとは • いろんなデータを突っ込んだもの • いろんな＝質的データ＋量的データ • 突っ込む＝一緒に並んでいること
- 86. 名前 血液型 身長 体重 坂本 B 175 65 高橋 B 177 70 阿部 B 174 75 長野 A 179 70 松本 O 170 60 データフレームとは
- 87. データフレームとは • Excel の WS とほぼ同じイメージ • 既存データの読込＞自力で作る • data.frame() 関数が使える
- 90. 1. 行列のおはなし 2. データフレーム 3. 外部データの読込 Sub topics
- 94. 作業ディレクトリの設定 • Windows：ファイル → ディレクトリの変更 • “My Documents”にファイル移動 • Mac OS X：環境設定 → 一般（起動） • ホームディレクトリにファイル移動 • Linux：up to you...
- 95. 作業ディレクトリの設定 • コンソールからの確認・設定も可能 • getwd()関数：現在の設定を確認 • > getwd() • setwd()関数：現在の設定を変更 • > setwd("/Users/sakaue/Desktop/") • 実行注意!!
- 96. データの読込 その１ • read.csv() 関数 • CSV 形式のファイルを読み込む • CSV: Comma Separated Value
- 97. 1. let2014.csv を作業ディレクトリへ移動 • XLS/XLSX 形式のものは保存時に変換 • CSV ファイルの文字コードは UTF-8 に 2. > test <- read.csv(choose.files(), header = TRUE) #Win # test <- read.csv(file.choose(), header = TRUE) #Mac 3.> test [Enter] で中身を確認 データの読込 その１
- 99. データの読込 その２ • read.delim() 関数 • 表形式のデータ読み込む • delim: delimiter（区切り文字）
- 100. 1.let2014.xls を開いてマウスで範囲指定 2.> test2 <- read.delim("clipboard") で代入 ! 3.> test2 [Enter] で中身を確認 データの読込 その２ Mac の場合: read.delim(pipe("pbpaste"))
- 102. 外部データの読込 • 作業ディレクトリの設定に注意 • CSV 形式に変換後，read.csv()関数で読込 • 必要な行 or 列を指定して処理
- 105. たった2段階 Excel や SPSS ではこうはいかない
- 106. • ヒストグラム • 散布図 • 棒グラフ • 折れ線グラフ • 箱ひげ図 作成できる図の種類
- 108. まずはヒストグラム > pretest <- (test$Pre) > hist(pretest)
- 110. 続いて散布図 > pretest <- (test$Pre) > posttest <- (test$Post) > plot(pretest, posttest) > plot(pretest,posttest, ylim=c(0,100),xlim=c(0,100))
- 112. 続いて箱ひげ図 > pretest <- (test$Pre) > posttest <- (test$Post) > boxplot(pretest, posttest, names=c("PRE", "POST"))
- 113. 箱ひげ図 > boxplot(pretest, posttest, names=c("Pre", "Post"), horizontal=T)
- 114. 箱ひげ図 > boxplot(pretest, posttest, names=c("Pre", "Post"), horizontal=T, ylim=c(0,100))
- 115. 箱ひげ図 > boxplot(pretest, posttest, names=c("Pre", "Post"), horizontal=T, ylim=c(0,100), col="blue")
- 116. 箱ひげ図 ! > boxplot(pretest, posttest, names=c("Pre", "Post"), horizontal=T, ylim=c(0,100), col="blue", xlab="SCORE", ylab="TEST", main="BOXPLOT")
- 117. 今度は折れ線グラフ > quiz <- test[,c(3,4,5,6,7,8,9,10,11,12)] # 小テストの得点だけを取り出す > ID1<- as.numeric(quiz[2,]) # データの型変換（リストから数値へ） > plot(ID1, type="l") # 引数 type を l にして折れ線グラフに
- 118. > barplot(ID1) # 10本並んだ棒グラフ > barplot(ID1, col=rainbow(5)) # 引数 col を rainbow(5) にして5色使用 > barplot(ID1, col=rainbow(5), horiz=T) # 引数 horiz を T にして水平に並べる 最後は棒グラフ (1)
- 119. 最後は棒グラフ (2) > barplot(ID1, col=rainbow(5), horiz=T, names=c("W1", "W2", "W3", "W4", "W5", "W6", "W7", "W8", "W9", "W10"), main="QUIZ") # 10本並んだ棒グラフ。項目名やタイトルを追記。
- 120. 可視化の発展編 violin plot と beeswarm ―分布をより分かりやすく捉えるために―
- 121. violin plot ≒ boxplot+hist > install.packages("vioplot") > library("vioplot") > vioplot(pretest,posttest, names=c("Pre","Post"))
- 123. boxplot + beeswarm > install.packages("beeswarm") > library("beeswarm") > PrePost <- test[,c("Pre",“Post")] > boxplot(pretest, posttest, names=c("PRE", "POST")) > beeswarm(PrePost, add=TRUE)
- 125. グラフの保存方法 > pdf() # pdf デバイスを開く() > plot(pretest, posttest) # プロットし出力 > dev.off() # デバイスを閉じる ★慣れないうちは画面上のメニューから選ぶのが無難
- 127. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
- 128. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
- 131. で「t 検定」
- 132. t 検定 • ２つのグループの平均値の差の検定 するのに使う手法 • R では t.test() であっさりと実行
- 133. • （例）事前・事後テストの平均値に差があるかどうか t 検定 > t.test(pretest, posttest, var.equal=TRUE)
- 134. > t.test(pretest, posttest,var.equal=TRUE) ! Two Sample t-test ! data: pretest and posttest t = -6.3551, df = 58, p-value = 3.516e-08 alternative hypothesis: true difference in means is not equal to 0 # 両側検定 95 percent confidence interval: # 信頼区間 -28.35969 -14.77364 sample estimates: mean of x mean of y 51.33333 72.90000 t 検定
- 136. で「カイ二乗検定」
- 137. カイ二乗検定 • 独立性の検定のために使う • （例）数学が好き嫌いと統計の好き嫌いの間に有意 な連関があるか • （例）あるコーパス中の表現Aと表現Bの頻度の差 • ざっくり言えば，期待度数と観測度数のズレ が偶然出ちゃったかどうかを調べる
- 138. 事例: 接続詞“however”の生起位置の比較 文頭 文中 文末 合計 頻度 109 347 8 493 [文頭] However, .... [文中] ..., however, .... [文末] ..., however.
- 139. > freq <- c(109,347,8) > chisq.test(freq,correct=FALSE) ! Chi-squared test for given probabilities ! data: freq X-squared = 391.7371, df = 2, p-value < 2.2e-16 ! # 手作業なら，カイ二乗分布表の自由度2のところを確認する # http://homepage2.nifty.com/nandemoarchive/toukei_kiso/t_F_chi.htm 生起位置の比較のためにカイ二乗検定を実行
- 140. • 差がありそうかなさそうかを判断するため に各種検定を行う • 平均値の差の検定：t 検定・分散分析 • 独立性の検定 ：カイ二乗検定 • 数行のコマンドであっさり検定! • データ準備の手間は多少かかるかも... で検定のまとめ
- 142. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
- 143. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
- 144. Sub topics 1.言語データ処理の流れ 2.R による and と but の検索 3.パッケージ利用によるデータ処理
- 145. Sub topics 1.言語データ処理の流れ 2.R による and と but の検索 3.パッケージ利用によるデータ処理
- 146. 言語データ処理の流れ 1) データを読み込む 2) データを分解する 3) データを える 4) 数値を求める 5) データを保存する
- 147. 1) データを読み込む > nns <- scan("nns_raw.txt", what="character") ! Read 62959 items
- 148. 2) データを分解する > nns_list <- strsplit(nns, " ") # スペースでデータをリスト化 # 干し柿状態(?) ! > nns_unlist <- unlist(nns_list) # リストされたデータをバラバラに分解
- 149. 3) データを える > sort_nns <- sort(nns_unlist) # データの並び替え ! > uniq_nns <- unique(sort_nns) # 並び替えたデータをまとめる
- 150. 4) 数値を求める > length(nns_unlist) [1] 70220 # Token ! > nns_all <- table(nns_unlist) # 単語一覧表の作成 ! > nns_type <- length(uniq_nns) > nns_type [1] 7579 # Type
- 151. 5) データを保存する > write.table(nns_all, file="freq.txt", sep="t") ! # freq.txt という名で列をタブ区切りにして保存
- 152. Sub topics 1.言語データ処理の流れ 2.R による and と but の検索 3.パッケージ利用によるデータ処理
- 153. Sub topics 1.言語データ処理の流れ 2.R による and と but の検索 3.パッケージ利用によるデータ処理
- 154. R による and と but の検索 •grep 関数・length 関数 • grep() : 文字列マッチング • length(): 要素数のカウント
- 155. > grep("^And,?", nns_unlist, fixed = FALSE, value=TRUE) > grep("^But,?", nns_unlist, fixed = FALSE, value=TRUE) ! # ヒットした要素を表示 # 正規表現の ^ をつけておき，3文字を含む文字列（underst”and”）を除外 # fixed=FALSE で拡張正規表現を利用，value=TRUE で要素表示 ! > length(grep("^And,?", nns_unlist, fixed = FALSE, value=TRUE)) > length(grep("^But,?", nns_unlist, fixed = FALSE, value=TRUE)) ! # ヒット数だけを表示 R による and と but の検索
- 156. > length(grep("^And,?", nns_unlist, fixed = FALSE, value=TRUE)) [1] 175 > length(grep("^But,?", nns_unlist, fixed = FALSE, value=TRUE)) [1] 178 > length(grep("^and,?", nns_unlist, fixed = FALSE, value=TRUE)) [1] 1479 > length(grep("^but,?", nns_unlist, fixed = FALSE, value=TRUE)) [1] 260 R による and と but の検索
- 157. > barplot(freq, names=c("And", "and", "But", "but"), horiz=T, las=1) R による and と but の検索
- 158. • R で基本的な検索・分析ならば... 1) データを strsplit() ＋ unlist() して 2) grep() と length() でカウント 3) barplot() などで視覚化 4) chisq.test() などで検定 R による and と but の検索
- 159. Sub topics 1.言語データ処理の流れ 2.R による and と but の検索 3.パッケージ利用によるデータ処理
- 160. Sub topics 1.言語データ処理の流れ 2.R による and と but の検索 3.パッケージ利用によるデータ処理
- 161. Packageとは? • ある処理・機能に特化したプログラム • base（基本パッケージ）だけでも 1,000 以上 • 特殊な処理を行う際は，別の package を追加 • 言語処理に特化したものもある（ex. RMeCab）
- 162. i) tm: Text Mining Package • http://tm.r-forge.r-project.org/ • http://cran.r-project.org/web/packages/tm/tm.pdf ii) corpora • http://www.stefan-evert.de/SIGIL/sigil_R/ • http://cran.r-project.org/web/packages/corpora/corpora.pdf iii)LanguageR • http://www.sfs.uni-tuebingen.de/~hbaayen/software.html • http://cran.r-project.org/web/packages/languageR/languageR.pdf 言語処理に特化した packages
- 164. RMeCabとは • 石田 基広氏が開発したパッケージ • R から MeCab を呼び出して日本語 のテキストを解析させる • 解析結果をも R で出力してくれる 素晴らしいプログラム
- 165. デモ一覧 •RMeCabText() : ファイル解析 •RMeCabFreq() : 頻度集計 •Ngram() : N-gram 解析 •collocate() : 共起関係の分析
- 166. おわりに
- 167. • すべての処理・分析が R のみで完結 • <-> Concordancer + Editor + Excel (+ UNIX) + R • プログラミングの基礎養成に有効 • --> Python, Perl, ... どこでも使える • 作図が美しい（＋Mac ならフォントも） • Excel の作図はオモチャ のススメ
- 168. • データの取り扱い方に用心する • Excel に任せっきりとしない • データの処理過程をはっきりさせる • Excel に任せっきりにしない • データの分布をよく観察する • Excel に任せっきりにしない のススメ
- 169. 参考文献
- 170. 参考文献（続）
- 171. 参考文献（続）
- 172. One more thing...
- 173. で困りに困ったら... •代替手段もあります… • HAD（清水裕士先生＠広島大学） • MacR（今尾康裕先生＠大阪大学） •langtest.jp（水本篤先生＠関西大学）
- 174. Enjoy ! twitter: @sakaue ! e-mail: tsakaue<AT>hiroshima-u.ac.jp