サンプルから特定の対象を除いて推定する

回帰に使用する変数で欠損値（NA）になっている対象は自動的に落ちます。が、使用しない変数でも欠損になっている対象を含みたくない時があります。その場合は以下のように部分集合の部分に記述します。数値変数でもNAというように再コード化した場合は「'」（シングル・クォーテーション）でくくってください。因子にした場合も同様です。

（追記）条件を複数にしたい時

「かつ」は以下のように「&」で結んでください。 ageは数値変数なので「''」で括る必要はありません。

mar != 'NA' & age <= 59

「または」は以下のように「|」で結んでください。キーボード右上「\」と同じキーです。

mar == '1' | mar == '2 '

データの保存

データを加工した場合、保存しないで終了すると、次回、再度加工する必要があるので、作業終了時にデータを保存してください。

「データ」→「アクティブデータセット」→「アクティブデータセットの保存…」と進み、任意のフォルダ、ファイル名で保存してください。次回起動時は「データ」→「データセットのロード…」で読み込むことができます。

偏相関係数

偏相関係数の計算と有意性の検定は①偏相関を指定し、②ペアワイズのp値にチェックを入れます。

リコード

例えば1～10の値を持つ変数ｘについて1～5を88、6～10を99にしたい場合。

「データ」→「アクティブデータセット内の変数の管理」→「変数の再コード化...」と進み「再コード化の方法を入力」のところに以下のように入力します。新しい変数名はyにしています。因子にしたくない時は「新しい変数を因子に変更」のチェックをはずしておきます。これで「OK」を押せば完了です。因子については次の欄をご覧ください。

ある値を欠損値にしたいときは「再コード化の方法を入力」のところに以下のように入力します。

99＝NA

因子とは？

因子は、質的変数のことです。例えば性別の変数は男性が1、女性が2になっていることが多いですが、数値自体に意味はありません。量的変数として解釈すると、女性が男性の2倍ということになりますが、何のことか意味がわからないでしょう。単に男女を識別するために1と2を使っているだけです。csvファイルでデータを読み込んだ場合、通常すべての変数が量的変数として認識されていますので、質的変数として扱いたい場合は因子に変換する必要があります。

そのためには以下のように「データ」→「アクティブデータセット内の変数の管理」→「数値変数を因子に変換...」と進みます。

そして、目的の変数（ここではstudy）を選択し、因子水準は「数値で」を選択、新しい変数名として「f_」をつけた変数名にします。新しい変数名を指定しないと上書きされるので注意です。

線形回帰と線形モデル

「統計量」→「モデルへの適合」と進むと「線形回帰」と「線形モデル」を選択することができます。

線形回帰は使用する変数をクリックで選択して回帰を行います。ただし因子（質的変数）を使用することができません。また、データ内の変数の数が多い（例えばJGSSを読み込んだ）場合、探すのに手間がかかります。

線形モデルはダブルクリックで変数を従属変数と独立変数に振り分けます。こちらは因子を使用することができます。また、変数名がわかっていれば自分で記述できるので、変数の数が多い場合は楽です。交差項を使った回帰など各種の拡張が可能です。