DS04_1c
Hayashi Atsuhiro
2020/10/20
0. 先週のショート課題とアンケートから
-
Moodleの提出ファイルの上限容量を増やしていただけると提出しやすいので助かります。
- 上限の8M(デフォルト)にしてありますが、足りませんか? これ以上増やす方法があるのかしらん?
- 課題提出の期日を延ばして欲しいです。
-
他のオンライン講義では課題の提出期限を一週間以内に定めているものもあるため、できれば課題の提出期限を長くして頂きたいです。
- 2日間では足りない? 何時が良いですか? 日曜日夜/月曜日朝ぐらいなら良いですか? 先週お伝えしたように最大2時間取っていただければと思っています。ただ、時間は週によって異なるかもしれませんが。
- リモート講義のため、フィードバックをかけようとすると、次週がベターではないか? 1週間設けてしまうと、次週の回答は不可能になる。
-
Rの「console」の一部をback spaceキーやdeleteキーで消せないのはなぜでしょうか。
- Console画面の右上に薄く「ほうき」マークが有る。 それをクリックするとConsole画面がクリアーされます。
-
できればで良いのですが、少し発展的な自主課題のようなものがあると最終レポートの作成に役立つのかなと思います。
- 自分の集めたデータで試してみるのも一案か。
- 今週の[演習]は結構やりがいがあるように思う。
-
欠損値のある 2変数の相関係数の表示ができなかった点 / 項目b で記した相関係数の表示について知りたい
- 後述
データを再確認
# データの読み込み
Student20a<-read.csv("StudAll20a.csv", skip=6, header=TRUE, na.strings="NA")
dim(Student20a)## [1] 415 8colnames(Student20a)## [1] "Sex" "Height" "Weight" "Chest" "Residence"
## [6] "Remittance" "Carrier" "Fee"Student20a[1:5,]## Sex Height Weight Chest Residence Remittance Carrier Fee
## 1 F 145.0 38 NA 自宅生 10000 <NA> NA
## 2 F 146.7 41 85 自宅生 10000 Vodafone 6000
## 3 F 148.0 42 NA 自宅生 50000 <NA> NA
## 4 F 148.0 43 80 自宅生 50000 DoCoMo 4000
## 5 F 148.9 NA NA 自宅生 60000 <NA> NA1. 欠損値を含んだデータに対する相関係数の計算方法
# 相関係数
cor(Student20a$Height, Student20a$Weight) # 欠損値を含んでいると計算できない## [1] NA# 相関係数
cor(Student20a$Height, Student20a$Weight, use="pairwise.complete.obs" ) # 欠損値を含んでいるサンプルは除外## [1] 0.6877805cor(Student20a[2:4], use="pairwise.complete.obs" ) # 欠損値を含んでいるサンプルを除外(変量ごとに)## Height Weight Chest
## Height 1.0000000 0.6877805 0.2480534
## Weight 0.6877805 1.0000000 0.4171629
## Chest 0.2480534 0.4171629 1.0000000cor(Student20a[2:4], use="complete.obs" ) # 欠損値を含んでいるサンプルは除外(サンプルごとに)## Height Weight Chest
## Height 1.0000000 0.7018552 0.2480534
## Weight 0.7018552 1.0000000 0.4171629
## Chest 0.2480534 0.4171629 1.0000000plot(Student20a[2:4]) # 散布図行列(変量ごとに欠損値を除外して描画してくれる)
[参考1] 欠損値を含んだサンプルを除外(完全データのみにする)
dim(Student20a) # 全体データのサイズ## [1] 415 8na.omit(Student20a) # NAを含んだサンプルを除外(サンプルごとに)## Sex Height Weight Chest Residence Remittance Carrier Fee
## 2 F 146.7 41.0 85 自宅生 10000 Vodafone 6000
## 4 F 148.0 43.0 80 自宅生 50000 DoCoMo 4000
## 11 F 152.0 35.0 77 自宅生 60000 DoCoMo 2000
## 23 F 154.4 44.0 75 自宅生 9000 au 2000
## 28 F 156.0 42.0 85 自宅生 0 DoCoMo 15000
## 30 F 156.0 46.0 82 自宅生 10000 Vodafone 7000
## 33 F 156.0 50.0 82 自宅生 40000 Vodafone 10000
## 40 F 156.5 45.0 80 下宿生 60000 au 10000
## 51 F 158.0 50.0 85 自宅生 30000 DoCoMo 10000
## 54 F 159.0 49.0 85 自宅生 0 DoCoMo 10000
## 65 F 160.0 50.0 83 下宿生 150000 DoCoMo 12000
## 66 F 160.0 50.0 85 自宅生 20000 Vodafone 5000
## 68 F 160.0 53.0 84 自宅生 25000 DoCoMo 3000
## 77 F 160.2 57.2 85 下宿生 75000 DoCoMo 9000
## 86 F 162.0 45.5 85 下宿生 55000 au 5000
## 122 F 165.0 54.0 84 下宿生 50000 Vodafone 10000
## 123 M 165.0 55.0 90 自宅生 10000 DoCoMo 7000
## 133 F 166.0 47.0 75 自宅生 30000 J-PHONE 8000
## 149 F 167.0 53.0 85 自宅生 50000 au 13000
## 295 M 173.8 69.6 90 自宅生 30000 DoCoMo 13000
## 303 M 174.0 63.0 92 自宅生 30000 au 3000
## 330 M 176.0 57.0 85 自宅生 20000 au 3000
## 346 M 177.0 66.0 87 下宿生 40000 DoCoMo 6000
## 352 M 178.0 59.0 78 自宅生 0 Vodafone 10000
## 354 M 178.0 66.0 95 自宅生 30000 au 3000
## 376 M 180.0 64.0 90 下宿生 60000 au 10000
## 379 M 180.0 70.0 94 下宿生 70000 au 5000dim(na.omit(Student20a)) # NAを含んだサンプルを除外したサイズ(上述のcomplete.obsに相当)## [1] 27 8plot(na.omit(Student20a)[2:4]) # 散布図行列(欠損値を除外して描画してくれる)
[参考2] 欠損値を含んでいるデータを変量ごとに除外
前項との違いを確認・意識せよ。 抽出にはやや手の混んだ式を使う必要があるのが玉に瑕。
is.na(Student20a$Height) # 身長が欠損値の者にTRUEを返す## [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [13] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [25] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [37] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [49] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [61] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [73] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [85] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [97] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [109] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [121] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [133] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [145] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [157] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [169] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [181] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [193] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [205] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [217] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [229] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [241] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [253] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [265] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [277] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [289] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [301] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [313] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [325] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [337] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [349] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [361] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [373] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [385] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [397] FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [409] TRUE TRUE TRUE TRUE TRUE TRUE TRUEis.na(Student20a$Weight) # 体重が欠損値の者にTRUEを返す## [1] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [13] FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE FALSE
## [25] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
## [37] TRUE TRUE TRUE FALSE TRUE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
## [49] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE TRUE TRUE FALSE
## [61] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [73] TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUE
## [85] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [97] TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [109] FALSE TRUE FALSE FALSE FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE
## [121] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
## [133] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
## [145] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [157] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
## [169] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [181] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [193] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
## [205] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [217] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
## [229] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [241] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
## [253] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [265] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [277] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [289] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [301] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [313] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [325] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [337] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [349] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [361] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [373] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [385] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [397] FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [409] TRUE TRUE TRUE TRUE TRUE TRUE TRUEtmp<- is.na(Student20a$Height) | is.na(Student20a$Weight) # 身長か体重の少なくともどちらかが欠損値の者(|はOrの演算子)
!tmp # 身長と体重の両方が報告されている者(!はNotの演算子)## [1] TRUE TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [13] TRUE TRUE TRUE TRUE TRUE TRUE FALSE FALSE TRUE TRUE TRUE TRUE
## [25] TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE
## [37] FALSE FALSE FALSE TRUE FALSE TRUE TRUE TRUE TRUE FALSE TRUE TRUE
## [49] TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE FALSE FALSE TRUE
## [61] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [73] FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE
## [85] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [97] FALSE FALSE FALSE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [109] TRUE FALSE TRUE TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE
## [121] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE
## [133] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE TRUE
## [145] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [157] TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE
## [169] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [181] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [193] TRUE TRUE TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE TRUE
## [205] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [217] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE
## [229] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [241] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE TRUE TRUE TRUE
## [253] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [265] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [277] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [289] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [301] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [313] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [325] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [337] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [349] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [361] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [373] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [385] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [397] TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [409] FALSE FALSE FALSE FALSE FALSE FALSE FALSEStudent20a[!tmp,] # 身長と体重の両方が報告されている者のデータ## Sex Height Weight Chest Residence Remittance Carrier Fee
## 1 F 145.0 38.0 NA 自宅生 10000 <NA> NA
## 2 F 146.7 41.0 85.0 自宅生 10000 Vodafone 6000
## 3 F 148.0 42.0 NA 自宅生 50000 <NA> NA
## 4 F 148.0 43.0 80.0 自宅生 50000 DoCoMo 4000
## 6 F 149.0 45.0 NA 下宿生 60000 <NA> NA
## 7 F 150.0 46.0 86.0 <NA> 40000 <NA> NA
## 8 F 151.0 45.0 NA 自宅生 20000 docomo 5000
## 9 F 151.0 50.0 NA 下宿生 60000 J-PHONE NA
## 10 F 151.7 41.5 80.0 自宅生 35000 <NA> NA
## 11 F 152.0 35.0 77.0 自宅生 60000 DoCoMo 2000
## 12 F 152.0 43.0 NA 自宅生 20000 au 3500
## 13 F 152.0 44.0 NA <NA> 45000 DoCoMo 4000
## 14 F 153.0 41.0 NA 自宅生 125000 No NA
## 15 F 153.0 42.0 NA 下宿生 0 Vodafone 1000
## 16 F 153.0 46.5 87.0 下宿生 10000 <NA> NA
## 17 F 153.0 50.0 NA 下宿生 70000 DoCoMo 10000
## 18 F 153.0 55.0 78.0 自宅生 30000 <NA> NA
## 21 F 153.5 46.0 NA 自宅生 30000 J-PHONE 8000
## 22 F 154.0 46.0 NA <NA> NA <NA> NA
## 23 F 154.4 44.0 75.0 自宅生 9000 au 2000
## 24 F 155.0 48.0 83.0 下宿生 180000 <NA> NA
## 25 F 155.0 48.0 NA 下宿生 60000 DoCoMo NA
## 26 F 155.0 51.0 NA 下宿生 70000 <NA> 10000
## 28 F 156.0 42.0 85.0 自宅生 0 DoCoMo 15000
## 29 F 156.0 42.0 NA 自宅生 35000 <NA> 7000
## 30 F 156.0 46.0 82.0 自宅生 10000 Vodafone 7000
## 31 F 156.0 48.0 70.0 自宅生 30000 <NA> NA
## 32 F 156.0 49.0 85.0 自宅生 25000 <NA> NA
## 33 F 156.0 50.0 82.0 自宅生 40000 Vodafone 10000
## 34 F 156.0 50.0 NA 自宅生 45000 DoCoMo 5000
## 35 M 156.0 61.0 90.0 自宅生 0 <NA> NA
## 40 F 156.5 45.0 80.0 下宿生 60000 au 10000
## 42 F 157.0 43.0 NA 自宅生 20000 <NA> NA
## 43 M 157.0 48.0 NA 自宅生 30000 Vodafone 5000
## 44 F 157.0 53.0 84.0 自宅生 30000 <NA> NA
## 45 F 157.0 57.0 NA 自宅生 NA <NA> NA
## 47 F 158.0 45.5 NA 自宅生 NA DoCoMo 10000
## 48 F 158.0 46.0 80.0 <NA> 27500 Willcom 3000
## 49 F 158.0 49.0 85.0 自宅生 0 <NA> NA
## 50 F 158.0 49.0 NA 下宿生 100000 DoCoMo 8000
## 51 F 158.0 50.0 85.0 自宅生 30000 DoCoMo 10000
## 53 F 159.0 49.0 83.0 <NA> 80000 DoCoMo 12000
## 54 F 159.0 49.0 85.0 自宅生 0 DoCoMo 10000
## 55 F 159.0 49.0 88.0 自宅生 30000 <NA> NA
## 56 F 159.0 52.0 NA 自宅生 50000 <NA> NA
## 57 F 159.0 60.0 NA 下宿生 50000 <NA> 5000
## 60 F 159.5 47.0 80.0 自宅生 60000 <NA> 25000
## 61 F 160.0 45.0 NA 自宅生 0 <NA> 5000
## 62 F 160.0 45.0 NA 自宅生 0 DoCoMo 5000
## 63 M 160.0 48.0 76.0 自宅生 5000 No NA
## 64 M 160.0 48.0 NA 下宿生 20000 <NA> NA
## 65 F 160.0 50.0 83.0 下宿生 150000 DoCoMo 12000
## 66 F 160.0 50.0 85.0 自宅生 20000 Vodafone 5000
## 67 F 160.0 50.0 89.0 自宅生 65000 <NA> NA
## 68 F 160.0 53.0 84.0 自宅生 25000 DoCoMo 3000
## 69 M 160.0 55.0 NA 自宅生 25000 <NA> NA
## 70 M 160.0 55.0 NA 下宿生 65000 <NA> NA
## 71 M 160.0 55.0 NA 自宅生 30000 au 500
## 72 F 160.0 59.0 88.0 下宿生 100000 <NA> NA
## 77 F 160.2 57.2 85.0 下宿生 75000 DoCoMo 9000
## 78 F 160.4 54.0 NA 下宿生 80000 <NA> NA
## 79 F 161.0 53.0 80.0 <NA> 20000 <NA> 10000
## 80 M 161.0 53.0 NA 自宅生 35000 au 5000
## 85 F 161.5 47.0 NA 自宅生 20000 DoCoMo 8000
## 86 F 162.0 45.5 85.0 下宿生 55000 au 5000
## 87 F 162.0 47.0 83.0 自宅生 200000 <NA> NA
## 88 F 162.0 51.0 NA <NA> 60000 DDIp 6000
## 89 F 162.0 52.0 86.0 自宅生 30000 <NA> NA
## 90 F 162.0 52.0 NA 自宅生 20000 <NA> NA
## 91 F 162.0 52.0 NA 自宅生 30000 Vodafone 2000
## 92 F 162.0 53.0 NA <NA> NA <NA> NA
## 93 <NA> 162.0 54.0 NA 下宿生 80000 OCN 2000
## 94 <NA> 162.0 55.0 NA 下宿生 NA <NA> NA
## 95 M 162.0 60.0 NA 自宅生 80000 <NA> NA
## 96 M 162.0 62.0 100.0 自宅生 0 <NA> NA
## 100 M 163.0 46.0 80.0 自宅生 50000 <NA> NA
## 101 M 163.0 51.0 82.0 自宅生 10000 <NA> NA
## 102 M 163.0 51.0 NA 下宿生 75000 <NA> NA
## 103 F 163.0 52.0 NA 自宅生 30000 <NA> NA
## 104 F 163.0 52.0 NA 自宅生 20000 <NA> NA
## 105 <NA> 163.0 52.0 NA 自宅生 NA <NA> NA
## 106 F 163.0 55.0 90.0 自宅生 100000 J-PHONE NA
## 107 M 163.0 60.0 78.0 <NA> 80000 <NA> NA
## 108 M 163.0 62.0 NA 自宅生 25000 <NA> NA
## 109 <NA> 163.0 65.0 88.5 自宅生 0 <NA> 9000
## 111 F 164.0 51.0 83.0 自宅生 70000 <NA> NA
## 112 F 164.0 51.0 85.0 自宅生 40000 <NA> NA
## 113 M 164.0 62.5 NA 自宅生 35000 <NA> NA
## 114 M 164.0 64.0 NA 自宅生 0 DoCoMo 5000
## 118 F 165.0 47.8 NA <NA> 60000 au 2404
## 119 F 165.0 48.0 NA 下宿生 0 <NA> NA
## 120 F 165.0 48.0 NA 下宿生 80000 softbank NA
## 121 M 165.0 53.0 NA <NA> NA DoCoMo 5000
## 122 F 165.0 54.0 84.0 下宿生 50000 Vodafone 10000
## 123 M 165.0 55.0 90.0 自宅生 10000 DoCoMo 7000
## 124 M 165.0 55.0 NA 自宅生 4000 No NA
## 125 M 165.0 55.0 NA 下宿生 50000 au 5000
## 126 <NA> 165.0 55.0 NA 下宿生 70000 <NA> NA
## 127 F 165.0 58.0 85.0 <NA> 50000 DoCoMo 10000
## 128 <NA> 165.0 61.0 84.0 自宅生 0 <NA> 8500
## 129 M 165.0 64.0 NA 自宅生 0 <NA> NA
## 130 M 165.0 65.0 NA 自宅生 25000 DoCoMo 10000
## 131 M 165.0 78.0 NA 下宿生 0 <NA> 2098
## 133 F 166.0 47.0 75.0 自宅生 30000 J-PHONE 8000
## 134 F 166.0 48.0 82.0 <NA> 50000 <NA> NA
## 135 F 166.0 48.0 82.0 下宿生 300000 <NA> NA
## 136 F 166.0 48.0 NA 下宿生 20000 DoCoMo 4000
## 137 F 166.0 50.0 NA <NA> NA <NA> 10000
## 138 F 166.0 52.0 NA <NA> 0 <NA> NA
## 139 M 166.0 54.0 NA 自宅生 0 <NA> NA
## 140 M 166.0 55.0 85.0 <NA> 100000 <NA> NA
## 141 M 166.0 57.0 NA 下宿生 100000 DoCoMo 20000
## 142 M 166.0 60.0 88.0 下宿生 150000 <NA> NA
## 144 M 166.5 52.0 NA 下宿生 0 DoCoMo 10000
## 145 M 166.8 55.3 NA 自宅生 0 <NA> NA
## 146 M 167.0 48.0 NA 自宅生 0 J-PHONE 5000
## 147 M 167.0 52.0 NA 下宿生 160000 <NA> NA
## 148 <NA> 167.0 52.0 NA 自宅生 80000 <NA> 5000
## 149 F 167.0 53.0 85.0 自宅生 50000 au 13000
## 150 F 167.0 53.0 85.0 下宿生 130000 <NA> NA
## 151 <NA> 167.0 53.5 NA 自宅生 80000 <NA> 8000
## 152 F 167.0 54.0 NA 自宅生 20000 <NA> NA
## 153 M 167.0 54.0 NA 自宅生 10000 docomo 7500
## 154 <NA> 167.0 55.0 85.0 自宅生 0 <NA> 5000
## 155 M 167.0 55.0 NA 自宅生 10000 <NA> NA
## 156 <NA> 167.0 55.0 NA 自宅生 0 <NA> 10000
## 157 M 167.0 56.0 NA 自宅生 30000 <NA> NA
## 158 M 167.0 56.0 NA <NA> 50000 DoCoMo 8000
## 159 M 167.0 58.0 NA 下宿生 20000 DoCoMo 10000
## 160 M 167.0 58.0 NA 下宿生 0 <NA> NA
## 161 M 167.0 60.0 94.0 自宅生 NA <NA> NA
## 162 M 167.0 65.0 92.0 <NA> 78000 <NA> NA
## 163 M 167.0 65.0 96.0 自宅生 30000 <NA> NA
## 165 <NA> 167.5 48.0 NA 自宅生 0 <NA> 3000
## 166 <NA> 168.0 50.0 NA 自宅生 0 <NA> 4000
## 167 M 168.0 52.0 NA 下宿生 NA <NA> NA
## 168 M 168.0 53.0 NA 自宅生 30000 <NA> NA
## 169 M 168.0 54.0 56.0 <NA> 40000 <NA> NA
## 170 M 168.0 55.0 NA 自宅生 0 Vodafone 5000
## 171 M 168.0 55.0 NA 自宅生 30000 Vodafone 4000
## 172 F 168.0 55.0 NA 下宿生 30000 au 5000
## 173 <NA> 168.0 56.0 86.0 自宅生 20000 UQ-mobile 2140
## 174 M 168.0 57.0 NA 下宿生 100000 <NA> NA
## 175 M 168.0 57.0 NA 下宿生 30000 DoCoMo 1000
## 176 M 168.0 58.0 88.0 下宿生 15000 <NA> NA
## 177 <NA> 168.0 60.0 NA 自宅生 23000 J-PHONE 10000
## 178 M 168.0 62.0 80.0 下宿生 120000 <NA> NA
## 179 M 168.0 62.0 NA 自宅生 0 <NA> NA
## 180 M 168.0 63.0 NA 自宅生 10000 DoCoMo 3500
## 181 M 168.0 65.0 85.0 <NA> NA <NA> NA
## 182 M 168.0 65.0 104.0 下宿生 60000 au NA
## 183 M 168.0 74.0 NA 下宿生 120000 DDIp 15000
## 184 M 168.0 75.0 NA 下宿生 150000 <NA> NA
## 185 M 168.5 51.5 NA 自宅生 35000 <NA> NA
## 186 M 168.5 59.0 NA 下宿生 80000 <NA> NA
## 187 M 168.6 57.2 NA 自宅生 7000 <NA> NA
## 188 M 168.9 55.5 NA 自宅生 30000 <NA> NA
## 189 M 169.0 54.0 NA 下宿生 150000 <NA> NA
## 190 M 169.0 56.0 75.0 自宅生 50000 <NA> NA
## 191 M 169.0 59.0 NA <NA> 0 DoCoMo 3000
## 192 <NA> 169.0 60.0 30.5 下宿生 70000 <NA> 9000
## 193 M 169.0 62.0 NA 自宅生 30000 au 4000
## 194 M 169.0 66.0 NA 自宅生 0 <NA> NA
## 195 M 169.0 69.0 90.0 <NA> NA <NA> NA
## 196 <NA> 169.3 63.0 80.0 自宅生 0 <NA> 5000
## 197 M 169.3 88.5 94.0 自宅生 0 <NA> NA
## 199 M 170.0 52.0 NA 自宅生 30000 <NA> NA
## 200 M 170.0 55.0 70.0 <NA> 50000 J-PHONE 7000
## 201 <NA> 170.0 55.0 92.0 自宅生 0 <NA> 5500
## 202 M 170.0 55.0 NA 自宅生 30000 DoCoMo 8000
## 203 M 170.0 56.0 NA 自宅生 20000 au 5000
## 204 M 170.0 58.0 88.0 下宿生 163000 <NA> NA
## 205 M 170.0 58.0 NA 自宅生 0 <NA> 6000
## 206 M 170.0 58.0 NA <NA> NA <NA> NA
## 207 <NA> 170.0 60.0 80.0 自宅生 80000 <NA> 2000
## 208 M 170.0 60.0 84.0 下宿生 120000 <NA> NA
## 209 M 170.0 60.0 90.0 自宅生 0 <NA> NA
## 210 M 170.0 60.0 NA 自宅生 20000 <NA> NA
## 211 M 170.0 60.0 NA 自宅生 0 <NA> NA
## 212 M 170.0 60.0 NA 自宅生 30000 DoCoMo 5000
## 213 M 170.0 63.0 90.0 自宅生 30000 <NA> NA
## 214 M 170.0 63.0 90.0 <NA> 0 au 2500
## 215 M 170.0 63.0 96.0 自宅生 30000 <NA> NA
## 216 M 170.0 63.0 NA 自宅生 30000 docomo 7000
## 217 <NA> 170.0 64.0 89.0 自宅生 0 <NA> 3278
## 218 M 170.0 64.0 NA 下宿生 40000 Vodafone 3000
## 219 <NA> 170.0 64.0 NA 自宅生 0 <NA> 5300
## 220 <NA> 170.0 65.0 80.0 下宿生 105000 <NA> 3000
## 221 M 170.0 65.0 85.0 自宅生 60000 <NA> NA
## 222 M 170.0 65.0 NA 自宅生 30000 <NA> NA
## 223 <NA> 170.0 68.0 90.0 自宅生 80000 <NA> 3000
## 224 M 170.0 68.0 NA 自宅生 25000 <NA> NA
## 225 <NA> 170.0 70.0 NA 自宅生 NA <NA> 1750
## 226 M 170.0 74.0 90.0 自宅生 0 <NA> NA
## 227 M 170.0 78.0 NA <NA> 45000 Vodafone+Willcom 10000
## 229 M 170.1 56.4 NA 下宿生 20000 J-PHONE 30000
## 230 M 170.2 61.9 NA 自宅生 20000 <NA> NA
## 231 M 170.4 64.3 NA 自宅生 20000 DoCoMo 3300
## 232 M 171.0 50.0 NA <NA> 70000 <NA> NA
## 233 M 171.0 53.0 NA 自宅生 30000 vodafone 3000
## 234 M 171.0 54.0 NA 下宿生 80000 DoCoMo 6000
## 235 M 171.0 56.0 89.0 自宅生 65000 <NA> NA
## 236 M 171.0 56.0 NA <NA> NA <NA> NA
## 237 M 171.0 56.5 NA 下宿生 100000 <NA> NA
## 238 M 171.0 57.0 NA 自宅生 0 <NA> NA
## 239 M 171.0 60.0 NA 下宿生 100000 <NA> NA
## 240 M 171.0 60.0 NA 下宿生 120000 docomo NA
## 241 M 171.0 61.3 NA 下宿生 165000 <NA> NA
## 242 M 171.0 62.0 90.0 自宅生 0 <NA> NA
## 243 M 171.0 62.0 NA 下宿生 120000 <NA> NA
## 244 M 171.0 62.0 NA 自宅生 NA Vodafone 2000
## 245 M 171.0 65.0 NA 下宿生 40000 <NA> NA
## 246 M 171.0 66.0 NA 下宿生 80000 <NA> NA
## 247 M 171.0 70.0 89.0 自宅生 60000 <NA> NA
## 248 M 171.0 71.0 NA 下宿生 160000 <NA> NA
## 250 M 171.4 57.5 NA 自宅生 25000 <NA> NA
## 251 M 171.5 60.0 NA 自宅生 0 DoCoMo 4250
## 252 M 172.0 50.0 NA 自宅生 30000 au 5000
## 253 M 172.0 53.0 NA 下宿生 150000 <NA> NA
## 254 M 172.0 53.0 NA 下宿生 100000 J-PHONE NA
## 255 M 172.0 55.0 NA <NA> 20000 <NA> 5000
## 256 M 172.0 56.0 NA 下宿生 150000 <NA> NA
## 257 M 172.0 58.0 NA 下宿生 50000 <NA> NA
## 258 M 172.0 59.0 NA 自宅生 20000 <NA> NA
## 259 M 172.0 60.0 NA 下宿生 20000 au 7000
## 260 M 172.0 61.0 90.0 自宅生 25000 <NA> NA
## 261 M 172.0 61.5 NA 自宅生 30000 <NA> NA
## 262 M 172.0 62.0 89.0 下宿生 130000 <NA> NA
## 263 M 172.0 62.0 95.0 自宅生 15000 <NA> NA
## 264 M 172.0 62.0 NA 下宿生 30000 DoCoMo 8000
## 265 M 172.0 64.0 NA 下宿生 120000 <NA> NA
## 266 M 172.0 68.0 NA 下宿生 60000 docomo+willcom 10000
## 267 M 172.0 70.0 90.0 自宅生 30000 <NA> NA
## 268 M 172.0 70.0 NA 自宅生 20000 <NA> NA
## 269 M 172.0 72.0 89.0 下宿生 150000 <NA> NA
## 270 M 172.0 72.0 NA 下宿生 60000 au 3500
## 271 M 172.4 56.4 NA 自宅生 20000 <NA> NA
## 272 M 172.5 64.0 NA 下宿生 40000 <NA> 6000
## 273 <NA> 173.0 51.5 76.0 自宅生 0 <NA> 5500
## 274 M 173.0 55.0 NA 下宿生 120000 DoCoMo 10000
## 275 M 173.0 57.0 NA 自宅生 50000 <NA> NA
## 276 M 173.0 58.0 NA 下宿生 50000 KDDI 4000
## 277 M 173.0 60.0 87.0 下宿生 100000 <NA> NA
## 278 M 173.0 60.0 NA <NA> 50000 <NA> NA
## 279 M 173.0 60.0 NA 下宿生 200000 <NA> NA
## 280 M 173.0 60.0 NA 自宅生 20000 <NA> NA
## 281 M 173.0 60.0 NA 自宅生 0 au 4200
## 282 M 173.0 61.0 NA 下宿生 100000 <NA> NA
## 283 M 173.0 61.0 NA 自宅生 5000 DoCoMo 6500
## 284 M 173.0 62.0 NA <NA> 50000 Vodafone NA
## 285 M 173.0 63.0 NA 自宅生 50000 <NA> NA
## 286 M 173.0 65.0 NA 自宅生 20000 <NA> NA
## 287 M 173.0 68.0 93.0 <NA> 30000 au 350
## 288 M 173.0 68.0 NA 自宅生 30000 <NA> NA
## 289 M 173.0 69.0 NA 自宅生 60000 au 9000
## 290 M 173.0 71.0 100.0 下宿生 0 <NA> NA
## 291 <NA> 173.0 72.0 90.0 自宅生 0 <NA> 1500
## 292 M 173.0 84.0 46.0 下宿生 350000 <NA> NA
## 293 M 173.5 76.5 NA 下宿生 100000 <NA> NA
## 294 M 173.7 57.8 NA 下宿生 10000 J-PHONE 8000
## 295 M 173.8 69.6 90.0 自宅生 30000 DoCoMo 13000
## 296 M 174.0 54.0 NA 自宅生 20000 DoCoMo 5000
## 297 M 174.0 54.0 NA 自宅生 12000 DoCoMo 10000
## 298 M 174.0 60.0 90.0 自宅生 10000 <NA> NA
## 299 M 174.0 60.0 NA <NA> 30000 <NA> NA
## 300 M 174.0 60.0 NA 下宿生 160000 <NA> NA
## 301 M 174.0 61.0 NA 自宅生 20000 <NA> NA
## 302 M 174.0 62.0 NA <NA> NA <NA> NA
## 303 M 174.0 63.0 92.0 自宅生 30000 au 3000
## 304 M 174.0 65.5 NA 下宿生 50000 DoCoMo 9000
## 305 M 174.0 68.0 NA 下宿生 0 <NA> 9000
## 306 M 174.3 62.4 85.0 自宅生 20000 <NA> NA
## 307 M 175.0 50.0 NA 下宿生 100000 DoCoMo NA
## 308 M 175.0 53.0 NA 下宿生 150000 <NA> NA
## 309 M 175.0 53.0 NA <NA> 50000 DoCoMo 1500
## 310 <NA> 175.0 54.0 NA 下宿生 50000 <NA> NA
## 311 M 175.0 55.0 NA 自宅生 0 <NA> NA
## 312 M 175.0 57.0 NA 下宿生 70000 <NA> NA
## 313 <NA> 175.0 58.0 83.0 <NA> NA <NA> NA
## 314 <NA> 175.0 58.0 NA 下宿生 15000 <NA> 4500
## 315 M 175.0 60.0 80.0 自宅生 15000 <NA> NA
## 316 M 175.0 60.0 NA 自宅生 0 DoCoMo 5000
## 317 M 175.0 61.0 NA 自宅生 30000 <NA> NA
## 318 M 175.0 63.0 NA 自宅生 10000 <NA> NA
## 319 M 175.0 65.0 90.0 自宅生 NA <NA> NA
## 320 M 175.0 65.0 NA 下宿生 80000 <NA> NA
## 321 <NA> 175.0 66.0 NA 自宅生 15000 <NA> NA
## 322 M 175.0 67.0 NA 自宅生 45000 <NA> NA
## 323 <NA> 175.0 67.0 NA 下宿生 100000 <NA> 6000
## 324 M 175.0 68.0 80.0 <NA> 150000 au 15000
## 325 M 175.0 68.0 NA 自宅生 0 DoCoMo 20000
## 326 M 175.0 70.0 95.0 下宿生 50000 <NA> 8000
## 327 M 175.0 74.0 NA 自宅生 0 <NA> NA
## 328 M 175.0 77.0 95.0 下宿生 130000 <NA> NA
## 329 M 175.0 79.0 NA 自宅生 0 No 0
## 330 M 176.0 57.0 85.0 自宅生 20000 au 3000
## 331 M 176.0 58.0 NA 自宅生 NA <NA> NA
## 332 M 176.0 60.0 NA 下宿生 150000 <NA> NA
## 333 M 176.0 60.0 NA 自宅生 90000 Vodafone 10000
## 334 M 176.0 63.0 NA 自宅生 50000 <NA> NA
## 335 M 176.0 64.0 NA 下宿生 30000 DoCoMo 5000
## 336 M 176.0 66.0 NA 下宿生 100000 docomo 5500
## 337 M 176.0 67.0 83.0 下宿生 0 <NA> NA
## 338 M 176.5 56.0 NA 下宿生 0 DoCoMo 8500
## 339 M 176.5 78.0 96.0 自宅生 10000 <NA> NA
## 340 M 176.6 60.8 NA 自宅生 25000 DoCoMo NA
## 341 <NA> 176.6 62.3 88.0 自宅生 NA <NA> 5000
## 342 M 177.0 60.0 NA 自宅生 25000 au 2200
## 343 M 177.0 60.0 NA 自宅生 40000 Vodafone 5000
## 344 M 177.0 62.0 NA 自宅生 50000 au 5000
## 345 M 177.0 65.0 NA 下宿生 60000 <NA> NA
## 346 M 177.0 66.0 87.0 下宿生 40000 DoCoMo 6000
## 347 M 177.0 67.0 NA <NA> 4000 DoCoMo 8000
## 348 M 177.0 68.0 NA 下宿生 80000 <NA> NA
## 349 <NA> 177.0 70.0 86.0 自宅生 0 <NA> 5500
## 350 M 177.0 78.0 NA 自宅生 40000 <NA> NA
## 351 M 178.0 58.0 NA 自宅生 20000 <NA> NA
## 352 M 178.0 59.0 78.0 自宅生 0 Vodafone 10000
## 353 M 178.0 60.0 NA 自宅生 30000 <NA> NA
## 354 M 178.0 66.0 95.0 自宅生 30000 au 3000
## 355 M 178.0 67.0 NA 自宅生 0 <NA> NA
## 356 M 178.0 68.0 NA 自宅生 100000 DoCoMo 4000
## 357 <NA> 178.0 72.0 NA 下宿生 0 <NA> 10000
## 358 M 178.0 78.0 110.0 下宿生 50000 <NA> NA
## 359 <NA> 178.0 85.0 NA 自宅生 0 <NA> 23000
## 360 M 178.0 95.0 NA <NA> 1000 No NA
## 361 M 178.0 100.0 112.0 下宿生 60000 <NA> NA
## 362 M 178.7 71.2 95.0 <NA> 0 <NA> NA
## 363 <NA> 179.0 52.0 76.0 自宅生 0 <NA> 7000
## 364 M 179.0 60.0 85.0 自宅生 300000 <NA> NA
## 365 M 179.0 63.0 NA 自宅生 20000 au 5000
## 366 M 179.0 65.0 NA 自宅生 0 <NA> NA
## 367 M 179.0 66.0 NA <NA> 30000 <NA> NA
## 368 <NA> 179.0 87.0 102.0 自宅生 NA <NA> NA
## 369 M 179.1 74.2 NA <NA> 0 au 4000
## 370 M 179.9 63.0 NA 自宅生 30000 <NA> NA
## 371 M 179.9 70.0 NA 自宅生 15000 DoCoMo 700
## 372 <NA> 180.0 60.0 87.4 自宅生 0 <NA> 5000
## 373 <NA> 180.0 60.0 88.0 自宅生 NA <NA> 7700
## 374 <NA> 180.0 60.0 NA 自宅生 0 <NA> 2000
## 375 M 180.0 64.0 90.0 自宅生 35000 <NA> NA
## 376 M 180.0 64.0 90.0 下宿生 60000 au 10000
## 377 M 180.0 65.0 88.0 自宅生 30000 <NA> NA
## 378 M 180.0 65.0 NA 下宿生 100000 <NA> NA
## 379 M 180.0 70.0 94.0 下宿生 70000 au 5000
## 380 M 180.0 70.0 NA 自宅生 40000 au 4000
## 381 M 180.0 70.0 NA <NA> NA <NA> NA
## 382 M 180.0 70.0 NA 自宅生 40000 DoCoMo 6500
## 383 M 180.0 70.0 NA <NA> 5000 <NA> 3000
## 384 M 180.3 61.0 NA <NA> NA <NA> NA
## 385 M 180.5 55.0 82.0 自宅生 0 <NA> NA
## 386 M 181.0 60.0 80.0 下宿生 160000 <NA> NA
## 387 M 181.0 63.0 NA 自宅生 0 au 4000
## 388 <NA> 181.0 67.0 82.0 自宅生 0 <NA> NA
## 389 M 181.5 74.5 NA 下宿生 120000 au 3000
## 390 M 182.0 60.0 87.0 下宿生 100000 <NA> NA
## 391 M 182.0 64.0 NA 下宿生 0 <NA> NA
## 392 <NA> 182.0 65.0 NA 自宅生 0 <NA> 4500
## 393 M 182.0 70.0 90.0 下宿生 100000 <NA> NA
## 394 M 182.0 90.0 100.0 自宅生 40000 <NA> NA
## 395 M 183.0 61.0 NA 自宅生 100000 <NA> NA
## 396 M 184.0 65.0 NA 下宿生 140000 au 10000
## 397 M 184.0 68.0 85.0 <NA> 30000 <NA> NA
## 398 M 185.0 68.0 93.0 自宅生 0 <NA> NA
## 399 M 185.0 72.0 NA 自宅生 30000 <NA> 7000
## 400 M 186.0 82.0 NA 自宅生 0 <NA> NAdim(Student20a[!tmp,]) # 身長と体重の両方が報告されている者の人数(上述のpairwise.complete.obsに相当)## [1] 366 82. 条件による一部データの抽出
2.1. 一部データを抽出するには(欠損値を含むデータ)
# 仕送り額を観てみよう
summary(Student20a$Remittance)## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0 10000 30000 46640 65000 350000 34Student20a$Remittance## [1] 10000 10000 50000 50000 60000 60000 40000 20000 60000 35000
## [11] 60000 20000 45000 125000 0 10000 70000 30000 120000 50000
## [21] 30000 NA 9000 180000 60000 70000 20000 0 35000 10000
## [31] 30000 25000 40000 45000 0 30000 50000 NA 20000 60000
## [41] 20000 20000 30000 30000 NA 25000 NA 27500 0 100000
## [51] 30000 8000 80000 0 30000 50000 50000 150000 0 60000
## [61] 0 0 5000 20000 150000 20000 65000 25000 25000 65000
## [71] 30000 100000 43500 70000 0 60000 75000 80000 20000 35000
## [81] 25000 NA 50000 100000 20000 55000 200000 60000 30000 20000
## [91] 30000 NA 80000 NA 80000 0 0 30000 NA 50000
## [101] 10000 75000 30000 20000 NA 100000 80000 25000 0 40000
## [111] 70000 40000 35000 0 115000 30000 75000 60000 0 80000
## [121] NA 50000 10000 4000 50000 70000 50000 0 0 25000
## [131] 0 70000 30000 50000 300000 20000 NA 0 0 100000
## [141] 100000 150000 100000 0 0 0 160000 80000 50000 130000
## [151] 80000 20000 10000 0 10000 0 30000 50000 20000 0
## [161] NA 78000 30000 50000 0 0 NA 30000 40000 0
## [171] 30000 30000 20000 100000 30000 15000 23000 120000 0 10000
## [181] NA 60000 120000 150000 35000 80000 7000 30000 150000 50000
## [191] 0 70000 30000 0 NA 0 0 30000 30000 50000
## [201] 0 30000 20000 163000 0 NA 80000 120000 0 20000
## [211] 0 30000 30000 0 30000 30000 0 40000 0 105000
## [221] 60000 30000 80000 25000 NA 0 45000 30000 20000 20000
## [231] 20000 70000 30000 80000 65000 NA 100000 0 100000 120000
## [241] 165000 0 120000 NA 40000 80000 60000 160000 60000 25000
## [251] 0 30000 150000 100000 20000 150000 50000 20000 20000 25000
## [261] 30000 130000 15000 30000 120000 60000 30000 20000 150000 60000
## [271] 20000 40000 0 120000 50000 50000 100000 50000 200000 20000
## [281] 0 100000 5000 50000 50000 20000 30000 30000 60000 0
## [291] 0 350000 100000 10000 30000 20000 12000 10000 30000 160000
## [301] 20000 NA 30000 50000 0 20000 100000 150000 50000 50000
## [311] 0 70000 NA 15000 15000 0 30000 10000 NA 80000
## [321] 15000 45000 100000 150000 0 50000 0 130000 0 20000
## [331] NA 150000 90000 50000 30000 100000 0 0 10000 25000
## [341] NA 25000 40000 50000 60000 40000 4000 80000 0 40000
## [351] 20000 0 30000 30000 0 100000 0 50000 0 1000
## [361] 60000 0 0 300000 20000 0 30000 NA 0 30000
## [371] 15000 0 NA 0 35000 60000 30000 100000 70000 40000
## [381] NA 40000 5000 NA 0 160000 0 0 120000 100000
## [391] 0 0 100000 40000 100000 140000 30000 0 30000 0
## [401] 30000 20000 100000 NA 20000 0 NA NA 40000 30000
## [411] 50000 NA 100000 NA NA# 仕送り額が無回答(NA)の者を抽出
Remi_NA<-is.na(Student20a$Remittance) # 仕送り額がNAの者にTRUEを返す
Remi_NA## [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [13] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
## [25] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [37] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE TRUE FALSE
## [49] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [61] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [73] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
## [85] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE TRUE FALSE FALSE
## [97] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
## [109] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [121] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [133] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [145] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [157] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
## [169] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [181] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [193] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [205] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [217] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
## [229] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
## [241] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [253] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [265] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [277] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [289] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [301] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [313] TRUE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
## [325] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
## [337] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [349] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [361] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
## [373] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE TRUE
## [385] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [397] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE TRUE TRUE
## [409] FALSE FALSE FALSE TRUE FALSE TRUE TRUEStudent20a[Remi_NA,] # 抽出## Sex Height Weight Chest Residence Remittance Carrier Fee
## 22 F 154.0 46.0 NA <NA> NA <NA> NA
## 38 F 156.0 NA NA 下宿生 NA <NA> NA
## 45 F 157.0 57.0 NA 自宅生 NA <NA> NA
## 47 F 158.0 45.5 NA 自宅生 NA DoCoMo 10000
## 82 F 161.0 NA NA <NA> NA <NA> NA
## 92 F 162.0 53.0 NA <NA> NA <NA> NA
## 94 <NA> 162.0 55.0 NA 下宿生 NA <NA> NA
## 99 F 162.4 NA NA <NA> NA <NA> NA
## 105 <NA> 163.0 52.0 NA 自宅生 NA <NA> NA
## 121 M 165.0 53.0 NA <NA> NA DoCoMo 5000
## 137 F 166.0 50.0 NA <NA> NA <NA> 10000
## 161 M 167.0 60.0 94 自宅生 NA <NA> NA
## 167 M 168.0 52.0 NA 下宿生 NA <NA> NA
## 181 M 168.0 65.0 85 <NA> NA <NA> NA
## 195 M 169.0 69.0 90 <NA> NA <NA> NA
## 206 M 170.0 58.0 NA <NA> NA <NA> NA
## 225 <NA> 170.0 70.0 NA 自宅生 NA <NA> 1750
## 236 M 171.0 56.0 NA <NA> NA <NA> NA
## 244 M 171.0 62.0 NA 自宅生 NA Vodafone 2000
## 302 M 174.0 62.0 NA <NA> NA <NA> NA
## 313 <NA> 175.0 58.0 83 <NA> NA <NA> NA
## 319 M 175.0 65.0 90 自宅生 NA <NA> NA
## 331 M 176.0 58.0 NA 自宅生 NA <NA> NA
## 341 <NA> 176.6 62.3 88 自宅生 NA <NA> 5000
## 368 <NA> 179.0 87.0 102 自宅生 NA <NA> NA
## 373 <NA> 180.0 60.0 88 自宅生 NA <NA> 7700
## 381 M 180.0 70.0 NA <NA> NA <NA> NA
## 384 M 180.3 61.0 NA <NA> NA <NA> NA
## 404 M NA NA NA <NA> NA Vodafone NA
## 407 F NA NA NA <NA> NA <NA> NA
## 408 F NA NA NA 下宿生 NA <NA> NA
## 412 <NA> NA NA NA <NA> NA <NA> NA
## 414 <NA> NA NA NA <NA> NA <NA> NA
## 415 <NA> NA NA NA <NA> NA <NA> NA[演習] では、仕送り額を回答した者だけを抽出するにはどうすれば良いだろうか。
2.2. 一部データを抽出するには(ある値を超えたデータ)
先週のショート課題では身長以外の変量の分析をお願いした。 皆さんの中には小遣い額(Remittance)を分析してやや違和感というか驚かれた方もあるだろう。
summary(Student20a$Remittance)## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0 10000 30000 46640 65000 350000 34hist(Student20a$Remittance, right=FALSE,
breaks = seq(0,350000,25000), ylim = c(0,150),
main="Histgram of Remittance") # ヒストグラム
abline(h=seq(0,150,50), lty=3)
boxplot(Student20a$Remittance,
horizontal=T, main="boxplot of Remittance") # 箱ひげ図
abline(v=seq(0,350000,50000), lty=3)
35万円ももらっている者がいる。他にも25万円以上もらっている学生も複数いるではないか!! なんとリッチなことよ、と。
このようないわば「外れ値」に相当するものは、 記入ミスや入力ミスの可能性もあり個票に戻って精査する必要がある。 実はこの35万円と回答した学生は社会人学生であり、想像するに給与額を回答してくれたようであった。
もし、単なる入力ミスであればデータを修正する必要もあるであろう。
そこで、このように「外れ値」に対して我々が取るべき手段として少なくとも2通り考えられる。
2.3. 外れ値を欠損値として扱う(外れ値に欠損値を代入する)
外れ値は集計から除外するという意味で、欠損値(NA)を割り当てることがある。このことにより、データ自身は削除されないが当該変量だけは分析から除外されることになる。 処理前後で欠損データが増えたことを確認せよ。
# 仕送り額が25万円を超える者を抽出
Remi_Over25<-Student20a$Remittance > 250000
Remi_Over25## [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [13] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE NA FALSE FALSE
## [25] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [37] FALSE NA FALSE FALSE FALSE FALSE FALSE FALSE NA FALSE NA FALSE
## [49] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [61] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [73] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE NA FALSE FALSE
## [85] FALSE FALSE FALSE FALSE FALSE FALSE FALSE NA FALSE NA FALSE FALSE
## [97] FALSE FALSE NA FALSE FALSE FALSE FALSE FALSE NA FALSE FALSE FALSE
## [109] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [121] NA FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [133] FALSE FALSE TRUE FALSE NA FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [145] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [157] FALSE FALSE FALSE FALSE NA FALSE FALSE FALSE FALSE FALSE NA FALSE
## [169] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [181] NA FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [193] FALSE FALSE NA FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [205] FALSE NA FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [217] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE NA FALSE FALSE FALSE
## [229] FALSE FALSE FALSE FALSE FALSE FALSE FALSE NA FALSE FALSE FALSE FALSE
## [241] FALSE FALSE FALSE NA FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [253] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [265] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [277] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [289] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [301] FALSE NA FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [313] NA FALSE FALSE FALSE FALSE FALSE NA FALSE FALSE FALSE FALSE FALSE
## [325] FALSE FALSE FALSE FALSE FALSE FALSE NA FALSE FALSE FALSE FALSE FALSE
## [337] FALSE FALSE FALSE FALSE NA FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [349] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [361] FALSE FALSE FALSE TRUE FALSE FALSE FALSE NA FALSE FALSE FALSE FALSE
## [373] NA FALSE FALSE FALSE FALSE FALSE FALSE FALSE NA FALSE FALSE NA
## [385] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [397] FALSE FALSE FALSE FALSE FALSE FALSE FALSE NA FALSE FALSE NA NA
## [409] FALSE FALSE FALSE NA FALSE NA NAStudent20a$Remittance[Remi_Over25] # NAか25万を超える者のリスト## [1] NA NA NA NA NA NA NA NA NA NA
## [11] 300000 NA NA NA NA NA NA NA NA NA
## [21] 350000 NA NA NA NA NA 300000 NA NA NA
## [31] NA NA NA NA NA NA NAStudent20a[Remi_Over25,] # 対象者抽出## Sex Height Weight Chest Residence Remittance Carrier Fee
## NA <NA> NA NA NA <NA> NA <NA> NA
## NA.1 <NA> NA NA NA <NA> NA <NA> NA
## NA.2 <NA> NA NA NA <NA> NA <NA> NA
## NA.3 <NA> NA NA NA <NA> NA <NA> NA
## NA.4 <NA> NA NA NA <NA> NA <NA> NA
## NA.5 <NA> NA NA NA <NA> NA <NA> NA
## NA.6 <NA> NA NA NA <NA> NA <NA> NA
## NA.7 <NA> NA NA NA <NA> NA <NA> NA
## NA.8 <NA> NA NA NA <NA> NA <NA> NA
## NA.9 <NA> NA NA NA <NA> NA <NA> NA
## 135 F 166 48 82 下宿生 300000 <NA> NA
## NA.10 <NA> NA NA NA <NA> NA <NA> NA
## NA.11 <NA> NA NA NA <NA> NA <NA> NA
## NA.12 <NA> NA NA NA <NA> NA <NA> NA
## NA.13 <NA> NA NA NA <NA> NA <NA> NA
## NA.14 <NA> NA NA NA <NA> NA <NA> NA
## NA.15 <NA> NA NA NA <NA> NA <NA> NA
## NA.16 <NA> NA NA NA <NA> NA <NA> NA
## NA.17 <NA> NA NA NA <NA> NA <NA> NA
## NA.18 <NA> NA NA NA <NA> NA <NA> NA
## 292 M 173 84 46 下宿生 350000 <NA> NA
## NA.19 <NA> NA NA NA <NA> NA <NA> NA
## NA.20 <NA> NA NA NA <NA> NA <NA> NA
## NA.21 <NA> NA NA NA <NA> NA <NA> NA
## NA.22 <NA> NA NA NA <NA> NA <NA> NA
## NA.23 <NA> NA NA NA <NA> NA <NA> NA
## 364 M 179 60 85 自宅生 300000 <NA> NA
## NA.24 <NA> NA NA NA <NA> NA <NA> NA
## NA.25 <NA> NA NA NA <NA> NA <NA> NA
## NA.26 <NA> NA NA NA <NA> NA <NA> NA
## NA.27 <NA> NA NA NA <NA> NA <NA> NA
## NA.28 <NA> NA NA NA <NA> NA <NA> NA
## NA.29 <NA> NA NA NA <NA> NA <NA> NA
## NA.30 <NA> NA NA NA <NA> NA <NA> NA
## NA.31 <NA> NA NA NA <NA> NA <NA> NA
## NA.32 <NA> NA NA NA <NA> NA <NA> NA
## NA.33 <NA> NA NA NA <NA> NA <NA> NAStudent20b<-Student20a # 元データを壊したくないので
Student20b$Remittance[Remi_Over25]<-NA # NAを代入
Student20b$Remittance## [1] 10000 10000 50000 50000 60000 60000 40000 20000 60000 35000
## [11] 60000 20000 45000 125000 0 10000 70000 30000 120000 50000
## [21] 30000 NA 9000 180000 60000 70000 20000 0 35000 10000
## [31] 30000 25000 40000 45000 0 30000 50000 NA 20000 60000
## [41] 20000 20000 30000 30000 NA 25000 NA 27500 0 100000
## [51] 30000 8000 80000 0 30000 50000 50000 150000 0 60000
## [61] 0 0 5000 20000 150000 20000 65000 25000 25000 65000
## [71] 30000 100000 43500 70000 0 60000 75000 80000 20000 35000
## [81] 25000 NA 50000 100000 20000 55000 200000 60000 30000 20000
## [91] 30000 NA 80000 NA 80000 0 0 30000 NA 50000
## [101] 10000 75000 30000 20000 NA 100000 80000 25000 0 40000
## [111] 70000 40000 35000 0 115000 30000 75000 60000 0 80000
## [121] NA 50000 10000 4000 50000 70000 50000 0 0 25000
## [131] 0 70000 30000 50000 NA 20000 NA 0 0 100000
## [141] 100000 150000 100000 0 0 0 160000 80000 50000 130000
## [151] 80000 20000 10000 0 10000 0 30000 50000 20000 0
## [161] NA 78000 30000 50000 0 0 NA 30000 40000 0
## [171] 30000 30000 20000 100000 30000 15000 23000 120000 0 10000
## [181] NA 60000 120000 150000 35000 80000 7000 30000 150000 50000
## [191] 0 70000 30000 0 NA 0 0 30000 30000 50000
## [201] 0 30000 20000 163000 0 NA 80000 120000 0 20000
## [211] 0 30000 30000 0 30000 30000 0 40000 0 105000
## [221] 60000 30000 80000 25000 NA 0 45000 30000 20000 20000
## [231] 20000 70000 30000 80000 65000 NA 100000 0 100000 120000
## [241] 165000 0 120000 NA 40000 80000 60000 160000 60000 25000
## [251] 0 30000 150000 100000 20000 150000 50000 20000 20000 25000
## [261] 30000 130000 15000 30000 120000 60000 30000 20000 150000 60000
## [271] 20000 40000 0 120000 50000 50000 100000 50000 200000 20000
## [281] 0 100000 5000 50000 50000 20000 30000 30000 60000 0
## [291] 0 NA 100000 10000 30000 20000 12000 10000 30000 160000
## [301] 20000 NA 30000 50000 0 20000 100000 150000 50000 50000
## [311] 0 70000 NA 15000 15000 0 30000 10000 NA 80000
## [321] 15000 45000 100000 150000 0 50000 0 130000 0 20000
## [331] NA 150000 90000 50000 30000 100000 0 0 10000 25000
## [341] NA 25000 40000 50000 60000 40000 4000 80000 0 40000
## [351] 20000 0 30000 30000 0 100000 0 50000 0 1000
## [361] 60000 0 0 NA 20000 0 30000 NA 0 30000
## [371] 15000 0 NA 0 35000 60000 30000 100000 70000 40000
## [381] NA 40000 5000 NA 0 160000 0 0 120000 100000
## [391] 0 0 100000 40000 100000 140000 30000 0 30000 0
## [401] 30000 20000 100000 NA 20000 0 NA NA 40000 30000
## [411] 50000 NA 100000 NA NAsummary(Student20b$Remittance)## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0 10000 30000 44497 60000 200000 37boxplot(Student20b$Remittance,
horizontal=T, main="boxplot of Remittance") # 箱ひげ図
abline(v=seq(0,350000,50000), lty=3)
2.4.一部データを抽出するには(ある値以下のデータ)
一方で、一定の条件に合致しないものはデータから外してしまい、 以後の解析に用いない方法もある。 例えば今回の例であれば、25万円以下の者を抽出して、 新たな変数に割り当てている。こうすることで 毎回除外の式を書かなくても良くなり、式が読み易くなる。 処理前後でヒストグラムと箱ひげ図が変化したことを確認せよ。
# 仕送り額が25万円以下の者を抽出
Remi_Less25<-Student20a$Remittance <= 200000
Remi_Less25## [1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [13] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE NA TRUE TRUE
## [25] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [37] TRUE NA TRUE TRUE TRUE TRUE TRUE TRUE NA TRUE NA TRUE
## [49] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [61] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [73] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE NA TRUE TRUE
## [85] TRUE TRUE TRUE TRUE TRUE TRUE TRUE NA TRUE NA TRUE TRUE
## [97] TRUE TRUE NA TRUE TRUE TRUE TRUE TRUE NA TRUE TRUE TRUE
## [109] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [121] NA TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [133] TRUE TRUE FALSE TRUE NA TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [145] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [157] TRUE TRUE TRUE TRUE NA TRUE TRUE TRUE TRUE TRUE NA TRUE
## [169] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [181] NA TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [193] TRUE TRUE NA TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [205] TRUE NA TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [217] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE NA TRUE TRUE TRUE
## [229] TRUE TRUE TRUE TRUE TRUE TRUE TRUE NA TRUE TRUE TRUE TRUE
## [241] TRUE TRUE TRUE NA TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [253] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [265] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [277] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [289] TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [301] TRUE NA TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [313] NA TRUE TRUE TRUE TRUE TRUE NA TRUE TRUE TRUE TRUE TRUE
## [325] TRUE TRUE TRUE TRUE TRUE TRUE NA TRUE TRUE TRUE TRUE TRUE
## [337] TRUE TRUE TRUE TRUE NA TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [349] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [361] TRUE TRUE TRUE FALSE TRUE TRUE TRUE NA TRUE TRUE TRUE TRUE
## [373] NA TRUE TRUE TRUE TRUE TRUE TRUE TRUE NA TRUE TRUE NA
## [385] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [397] TRUE TRUE TRUE TRUE TRUE TRUE TRUE NA TRUE TRUE NA NA
## [409] TRUE TRUE TRUE NA TRUE NA NAStudent20a$Remittance[Remi_Less25] # 条件に合致する対象者の仕送り額## [1] 10000 10000 50000 50000 60000 60000 40000 20000 60000 35000
## [11] 60000 20000 45000 125000 0 10000 70000 30000 120000 50000
## [21] 30000 NA 9000 180000 60000 70000 20000 0 35000 10000
## [31] 30000 25000 40000 45000 0 30000 50000 NA 20000 60000
## [41] 20000 20000 30000 30000 NA 25000 NA 27500 0 100000
## [51] 30000 8000 80000 0 30000 50000 50000 150000 0 60000
## [61] 0 0 5000 20000 150000 20000 65000 25000 25000 65000
## [71] 30000 100000 43500 70000 0 60000 75000 80000 20000 35000
## [81] 25000 NA 50000 100000 20000 55000 200000 60000 30000 20000
## [91] 30000 NA 80000 NA 80000 0 0 30000 NA 50000
## [101] 10000 75000 30000 20000 NA 100000 80000 25000 0 40000
## [111] 70000 40000 35000 0 115000 30000 75000 60000 0 80000
## [121] NA 50000 10000 4000 50000 70000 50000 0 0 25000
## [131] 0 70000 30000 50000 20000 NA 0 0 100000 100000
## [141] 150000 100000 0 0 0 160000 80000 50000 130000 80000
## [151] 20000 10000 0 10000 0 30000 50000 20000 0 NA
## [161] 78000 30000 50000 0 0 NA 30000 40000 0 30000
## [171] 30000 20000 100000 30000 15000 23000 120000 0 10000 NA
## [181] 60000 120000 150000 35000 80000 7000 30000 150000 50000 0
## [191] 70000 30000 0 NA 0 0 30000 30000 50000 0
## [201] 30000 20000 163000 0 NA 80000 120000 0 20000 0
## [211] 30000 30000 0 30000 30000 0 40000 0 105000 60000
## [221] 30000 80000 25000 NA 0 45000 30000 20000 20000 20000
## [231] 70000 30000 80000 65000 NA 100000 0 100000 120000 165000
## [241] 0 120000 NA 40000 80000 60000 160000 60000 25000 0
## [251] 30000 150000 100000 20000 150000 50000 20000 20000 25000 30000
## [261] 130000 15000 30000 120000 60000 30000 20000 150000 60000 20000
## [271] 40000 0 120000 50000 50000 100000 50000 200000 20000 0
## [281] 100000 5000 50000 50000 20000 30000 30000 60000 0 0
## [291] 100000 10000 30000 20000 12000 10000 30000 160000 20000 NA
## [301] 30000 50000 0 20000 100000 150000 50000 50000 0 70000
## [311] NA 15000 15000 0 30000 10000 NA 80000 15000 45000
## [321] 100000 150000 0 50000 0 130000 0 20000 NA 150000
## [331] 90000 50000 30000 100000 0 0 10000 25000 NA 25000
## [341] 40000 50000 60000 40000 4000 80000 0 40000 20000 0
## [351] 30000 30000 0 100000 0 50000 0 1000 60000 0
## [361] 0 20000 0 30000 NA 0 30000 15000 0 NA
## [371] 0 35000 60000 30000 100000 70000 40000 NA 40000 5000
## [381] NA 0 160000 0 0 120000 100000 0 0 100000
## [391] 40000 100000 140000 30000 0 30000 0 30000 20000 100000
## [401] NA 20000 0 NA NA 40000 30000 50000 NA 100000
## [411] NA NAStudent20a[Remi_Less25,] # 条件に合致する対象者のサンプルの抽出## Sex Height Weight Chest Residence Remittance Carrier Fee
## 1 F 145.0 38.0 NA 自宅生 10000 <NA> NA
## 2 F 146.7 41.0 85.0 自宅生 10000 Vodafone 6000
## 3 F 148.0 42.0 NA 自宅生 50000 <NA> NA
## 4 F 148.0 43.0 80.0 自宅生 50000 DoCoMo 4000
## 5 F 148.9 NA NA 自宅生 60000 <NA> NA
## 6 F 149.0 45.0 NA 下宿生 60000 <NA> NA
## 7 F 150.0 46.0 86.0 <NA> 40000 <NA> NA
## 8 F 151.0 45.0 NA 自宅生 20000 docomo 5000
## 9 F 151.0 50.0 NA 下宿生 60000 J-PHONE NA
## 10 F 151.7 41.5 80.0 自宅生 35000 <NA> NA
## 11 F 152.0 35.0 77.0 自宅生 60000 DoCoMo 2000
## 12 F 152.0 43.0 NA 自宅生 20000 au 3500
## 13 F 152.0 44.0 NA <NA> 45000 DoCoMo 4000
## 14 F 153.0 41.0 NA 自宅生 125000 No NA
## 15 F 153.0 42.0 NA 下宿生 0 Vodafone 1000
## 16 F 153.0 46.5 87.0 下宿生 10000 <NA> NA
## 17 F 153.0 50.0 NA 下宿生 70000 DoCoMo 10000
## 18 F 153.0 55.0 78.0 自宅生 30000 <NA> NA
## 19 F 153.0 NA NA 下宿生 120000 DoCoMo 200
## 20 F 153.0 NA NA <NA> 50000 <NA> 5000
## 21 F 153.5 46.0 NA 自宅生 30000 J-PHONE 8000
## NA <NA> NA NA NA <NA> NA <NA> NA
## 23 F 154.4 44.0 75.0 自宅生 9000 au 2000
## 24 F 155.0 48.0 83.0 下宿生 180000 <NA> NA
## 25 F 155.0 48.0 NA 下宿生 60000 DoCoMo NA
## 26 F 155.0 51.0 NA 下宿生 70000 <NA> 10000
## 27 F 155.0 NA NA 自宅生 20000 <NA> NA
## 28 F 156.0 42.0 85.0 自宅生 0 DoCoMo 15000
## 29 F 156.0 42.0 NA 自宅生 35000 <NA> 7000
## 30 F 156.0 46.0 82.0 自宅生 10000 Vodafone 7000
## 31 F 156.0 48.0 70.0 自宅生 30000 <NA> NA
## 32 F 156.0 49.0 85.0 自宅生 25000 <NA> NA
## 33 F 156.0 50.0 82.0 自宅生 40000 Vodafone 10000
## 34 F 156.0 50.0 NA 自宅生 45000 DoCoMo 5000
## 35 M 156.0 61.0 90.0 自宅生 0 <NA> NA
## 36 F 156.0 NA NA 自宅生 30000 <NA> NA
## 37 F 156.0 NA NA 自宅生 50000 <NA> NA
## NA.1 <NA> NA NA NA <NA> NA <NA> NA
## 39 F 156.0 NA NA 自宅生 20000 au 4000
## 40 F 156.5 45.0 80.0 下宿生 60000 au 10000
## 41 F 156.5 NA NA 自宅生 20000 <NA> NA
## 42 F 157.0 43.0 NA 自宅生 20000 <NA> NA
## 43 M 157.0 48.0 NA 自宅生 30000 Vodafone 5000
## 44 F 157.0 53.0 84.0 自宅生 30000 <NA> NA
## NA.2 <NA> NA NA NA <NA> NA <NA> NA
## 46 F 157.0 NA NA 自宅生 25000 au 3500
## NA.3 <NA> NA NA NA <NA> NA <NA> NA
## 48 F 158.0 46.0 80.0 <NA> 27500 Willcom 3000
## 49 F 158.0 49.0 85.0 自宅生 0 <NA> NA
## 50 F 158.0 49.0 NA 下宿生 100000 DoCoMo 8000
## 51 F 158.0 50.0 85.0 自宅生 30000 DoCoMo 10000
## 52 F 158.0 NA NA <NA> 8000 DoCoMo 5000
## 53 F 159.0 49.0 83.0 <NA> 80000 DoCoMo 12000
## 54 F 159.0 49.0 85.0 自宅生 0 DoCoMo 10000
## 55 F 159.0 49.0 88.0 自宅生 30000 <NA> NA
## 56 F 159.0 52.0 NA 自宅生 50000 <NA> NA
## 57 F 159.0 60.0 NA 下宿生 50000 <NA> 5000
## 58 F 159.0 NA NA 下宿生 150000 <NA> NA
## 59 F 159.0 NA NA 自宅生 0 <NA> NA
## 60 F 159.5 47.0 80.0 自宅生 60000 <NA> 25000
## 61 F 160.0 45.0 NA 自宅生 0 <NA> 5000
## 62 F 160.0 45.0 NA 自宅生 0 DoCoMo 5000
## 63 M 160.0 48.0 76.0 自宅生 5000 No NA
## 64 M 160.0 48.0 NA 下宿生 20000 <NA> NA
## 65 F 160.0 50.0 83.0 下宿生 150000 DoCoMo 12000
## 66 F 160.0 50.0 85.0 自宅生 20000 Vodafone 5000
## 67 F 160.0 50.0 89.0 自宅生 65000 <NA> NA
## 68 F 160.0 53.0 84.0 自宅生 25000 DoCoMo 3000
## 69 M 160.0 55.0 NA 自宅生 25000 <NA> NA
## 70 M 160.0 55.0 NA 下宿生 65000 <NA> NA
## 71 M 160.0 55.0 NA 自宅生 30000 au 500
## 72 F 160.0 59.0 88.0 下宿生 100000 <NA> NA
## 73 F 160.0 NA NA 自宅生 43500 <NA> NA
## 74 F 160.0 NA NA 下宿生 70000 <NA> NA
## 75 F 160.0 NA NA 下宿生 0 DoCoMo NA
## 76 F 160.0 NA NA 下宿生 60000 Vodafone 10000
## 77 F 160.2 57.2 85.0 下宿生 75000 DoCoMo 9000
## 78 F 160.4 54.0 NA 下宿生 80000 <NA> NA
## 79 F 161.0 53.0 80.0 <NA> 20000 <NA> 10000
## 80 M 161.0 53.0 NA 自宅生 35000 au 5000
## 81 F 161.0 NA NA 自宅生 25000 <NA> NA
## NA.4 <NA> NA NA NA <NA> NA <NA> NA
## 83 F 161.0 NA NA 自宅生 50000 DoCoMo 5000
## 84 F 161.0 NA NA 自宅生 100000 au+willcom 8000
## 85 F 161.5 47.0 NA 自宅生 20000 DoCoMo 8000
## 86 F 162.0 45.5 85.0 下宿生 55000 au 5000
## 87 F 162.0 47.0 83.0 自宅生 200000 <NA> NA
## 88 F 162.0 51.0 NA <NA> 60000 DDIp 6000
## 89 F 162.0 52.0 86.0 自宅生 30000 <NA> NA
## 90 F 162.0 52.0 NA 自宅生 20000 <NA> NA
## 91 F 162.0 52.0 NA 自宅生 30000 Vodafone 2000
## NA.5 <NA> NA NA NA <NA> NA <NA> NA
## 93 <NA> 162.0 54.0 NA 下宿生 80000 OCN 2000
## NA.6 <NA> NA NA NA <NA> NA <NA> NA
## 95 M 162.0 60.0 NA 自宅生 80000 <NA> NA
## 96 M 162.0 62.0 100.0 自宅生 0 <NA> NA
## 97 F 162.0 NA NA 自宅生 0 <NA> NA
## 98 F 162.0 NA NA 自宅生 30000 <NA> NA
## NA.7 <NA> NA NA NA <NA> NA <NA> NA
## 100 M 163.0 46.0 80.0 自宅生 50000 <NA> NA
## 101 M 163.0 51.0 82.0 自宅生 10000 <NA> NA
## 102 M 163.0 51.0 NA 下宿生 75000 <NA> NA
## 103 F 163.0 52.0 NA 自宅生 30000 <NA> NA
## 104 F 163.0 52.0 NA 自宅生 20000 <NA> NA
## NA.8 <NA> NA NA NA <NA> NA <NA> NA
## 106 F 163.0 55.0 90.0 自宅生 100000 J-PHONE NA
## 107 M 163.0 60.0 78.0 <NA> 80000 <NA> NA
## 108 M 163.0 62.0 NA 自宅生 25000 <NA> NA
## 109 <NA> 163.0 65.0 88.5 自宅生 0 <NA> 9000
## 110 F 163.0 NA NA 自宅生 40000 Vodafone 1500
## 111 F 164.0 51.0 83.0 自宅生 70000 <NA> NA
## 112 F 164.0 51.0 85.0 自宅生 40000 <NA> NA
## 113 M 164.0 62.5 NA 自宅生 35000 <NA> NA
## 114 M 164.0 64.0 NA 自宅生 0 DoCoMo 5000
## 115 F 164.0 NA NA 下宿生 115000 <NA> NA
## 116 F 164.0 NA NA 自宅生 30000 <NA> NA
## 117 F 164.0 NA NA 下宿生 75000 <NA> NA
## 118 F 165.0 47.8 NA <NA> 60000 au 2404
## 119 F 165.0 48.0 NA 下宿生 0 <NA> NA
## 120 F 165.0 48.0 NA 下宿生 80000 softbank NA
## NA.9 <NA> NA NA NA <NA> NA <NA> NA
## 122 F 165.0 54.0 84.0 下宿生 50000 Vodafone 10000
## 123 M 165.0 55.0 90.0 自宅生 10000 DoCoMo 7000
## 124 M 165.0 55.0 NA 自宅生 4000 No NA
## 125 M 165.0 55.0 NA 下宿生 50000 au 5000
## 126 <NA> 165.0 55.0 NA 下宿生 70000 <NA> NA
## 127 F 165.0 58.0 85.0 <NA> 50000 DoCoMo 10000
## 128 <NA> 165.0 61.0 84.0 自宅生 0 <NA> 8500
## 129 M 165.0 64.0 NA 自宅生 0 <NA> NA
## 130 M 165.0 65.0 NA 自宅生 25000 DoCoMo 10000
## 131 M 165.0 78.0 NA 下宿生 0 <NA> 2098
## 132 F 165.0 NA NA 下宿生 70000 <NA> NA
## 133 F 166.0 47.0 75.0 自宅生 30000 J-PHONE 8000
## 134 F 166.0 48.0 82.0 <NA> 50000 <NA> NA
## 136 F 166.0 48.0 NA 下宿生 20000 DoCoMo 4000
## NA.10 <NA> NA NA NA <NA> NA <NA> NA
## 138 F 166.0 52.0 NA <NA> 0 <NA> NA
## 139 M 166.0 54.0 NA 自宅生 0 <NA> NA
## 140 M 166.0 55.0 85.0 <NA> 100000 <NA> NA
## 141 M 166.0 57.0 NA 下宿生 100000 DoCoMo 20000
## 142 M 166.0 60.0 88.0 下宿生 150000 <NA> NA
## 143 F 166.0 NA NA 下宿生 100000 DoCoMo 5000
## 144 M 166.5 52.0 NA 下宿生 0 DoCoMo 10000
## 145 M 166.8 55.3 NA 自宅生 0 <NA> NA
## 146 M 167.0 48.0 NA 自宅生 0 J-PHONE 5000
## 147 M 167.0 52.0 NA 下宿生 160000 <NA> NA
## 148 <NA> 167.0 52.0 NA 自宅生 80000 <NA> 5000
## 149 F 167.0 53.0 85.0 自宅生 50000 au 13000
## 150 F 167.0 53.0 85.0 下宿生 130000 <NA> NA
## 151 <NA> 167.0 53.5 NA 自宅生 80000 <NA> 8000
## 152 F 167.0 54.0 NA 自宅生 20000 <NA> NA
## 153 M 167.0 54.0 NA 自宅生 10000 docomo 7500
## 154 <NA> 167.0 55.0 85.0 自宅生 0 <NA> 5000
## 155 M 167.0 55.0 NA 自宅生 10000 <NA> NA
## 156 <NA> 167.0 55.0 NA 自宅生 0 <NA> 10000
## 157 M 167.0 56.0 NA 自宅生 30000 <NA> NA
## 158 M 167.0 56.0 NA <NA> 50000 DoCoMo 8000
## 159 M 167.0 58.0 NA 下宿生 20000 DoCoMo 10000
## 160 M 167.0 58.0 NA 下宿生 0 <NA> NA
## NA.11 <NA> NA NA NA <NA> NA <NA> NA
## 162 M 167.0 65.0 92.0 <NA> 78000 <NA> NA
## 163 M 167.0 65.0 96.0 自宅生 30000 <NA> NA
## 164 F 167.0 NA NA 自宅生 50000 DoCoMo 15000
## 165 <NA> 167.5 48.0 NA 自宅生 0 <NA> 3000
## 166 <NA> 168.0 50.0 NA 自宅生 0 <NA> 4000
## NA.12 <NA> NA NA NA <NA> NA <NA> NA
## 168 M 168.0 53.0 NA 自宅生 30000 <NA> NA
## 169 M 168.0 54.0 56.0 <NA> 40000 <NA> NA
## 170 M 168.0 55.0 NA 自宅生 0 Vodafone 5000
## 171 M 168.0 55.0 NA 自宅生 30000 Vodafone 4000
## 172 F 168.0 55.0 NA 下宿生 30000 au 5000
## 173 <NA> 168.0 56.0 86.0 自宅生 20000 UQ-mobile 2140
## 174 M 168.0 57.0 NA 下宿生 100000 <NA> NA
## 175 M 168.0 57.0 NA 下宿生 30000 DoCoMo 1000
## 176 M 168.0 58.0 88.0 下宿生 15000 <NA> NA
## 177 <NA> 168.0 60.0 NA 自宅生 23000 J-PHONE 10000
## 178 M 168.0 62.0 80.0 下宿生 120000 <NA> NA
## 179 M 168.0 62.0 NA 自宅生 0 <NA> NA
## 180 M 168.0 63.0 NA 自宅生 10000 DoCoMo 3500
## NA.13 <NA> NA NA NA <NA> NA <NA> NA
## 182 M 168.0 65.0 104.0 下宿生 60000 au NA
## 183 M 168.0 74.0 NA 下宿生 120000 DDIp 15000
## 184 M 168.0 75.0 NA 下宿生 150000 <NA> NA
## 185 M 168.5 51.5 NA 自宅生 35000 <NA> NA
## 186 M 168.5 59.0 NA 下宿生 80000 <NA> NA
## 187 M 168.6 57.2 NA 自宅生 7000 <NA> NA
## 188 M 168.9 55.5 NA 自宅生 30000 <NA> NA
## 189 M 169.0 54.0 NA 下宿生 150000 <NA> NA
## 190 M 169.0 56.0 75.0 自宅生 50000 <NA> NA
## 191 M 169.0 59.0 NA <NA> 0 DoCoMo 3000
## 192 <NA> 169.0 60.0 30.5 下宿生 70000 <NA> 9000
## 193 M 169.0 62.0 NA 自宅生 30000 au 4000
## 194 M 169.0 66.0 NA 自宅生 0 <NA> NA
## NA.14 <NA> NA NA NA <NA> NA <NA> NA
## 196 <NA> 169.3 63.0 80.0 自宅生 0 <NA> 5000
## 197 M 169.3 88.5 94.0 自宅生 0 <NA> NA
## 198 F 169.5 NA NA 自宅生 30000 <NA> NA
## 199 M 170.0 52.0 NA 自宅生 30000 <NA> NA
## 200 M 170.0 55.0 70.0 <NA> 50000 J-PHONE 7000
## 201 <NA> 170.0 55.0 92.0 自宅生 0 <NA> 5500
## 202 M 170.0 55.0 NA 自宅生 30000 DoCoMo 8000
## 203 M 170.0 56.0 NA 自宅生 20000 au 5000
## 204 M 170.0 58.0 88.0 下宿生 163000 <NA> NA
## 205 M 170.0 58.0 NA 自宅生 0 <NA> 6000
## NA.15 <NA> NA NA NA <NA> NA <NA> NA
## 207 <NA> 170.0 60.0 80.0 自宅生 80000 <NA> 2000
## 208 M 170.0 60.0 84.0 下宿生 120000 <NA> NA
## 209 M 170.0 60.0 90.0 自宅生 0 <NA> NA
## 210 M 170.0 60.0 NA 自宅生 20000 <NA> NA
## 211 M 170.0 60.0 NA 自宅生 0 <NA> NA
## 212 M 170.0 60.0 NA 自宅生 30000 DoCoMo 5000
## 213 M 170.0 63.0 90.0 自宅生 30000 <NA> NA
## 214 M 170.0 63.0 90.0 <NA> 0 au 2500
## 215 M 170.0 63.0 96.0 自宅生 30000 <NA> NA
## 216 M 170.0 63.0 NA 自宅生 30000 docomo 7000
## 217 <NA> 170.0 64.0 89.0 自宅生 0 <NA> 3278
## 218 M 170.0 64.0 NA 下宿生 40000 Vodafone 3000
## 219 <NA> 170.0 64.0 NA 自宅生 0 <NA> 5300
## 220 <NA> 170.0 65.0 80.0 下宿生 105000 <NA> 3000
## 221 M 170.0 65.0 85.0 自宅生 60000 <NA> NA
## 222 M 170.0 65.0 NA 自宅生 30000 <NA> NA
## 223 <NA> 170.0 68.0 90.0 自宅生 80000 <NA> 3000
## 224 M 170.0 68.0 NA 自宅生 25000 <NA> NA
## NA.16 <NA> NA NA NA <NA> NA <NA> NA
## 226 M 170.0 74.0 90.0 自宅生 0 <NA> NA
## 227 M 170.0 78.0 NA <NA> 45000 Vodafone+Willcom 10000
## 228 F 170.0 NA NA 自宅生 30000 <NA> NA
## 229 M 170.1 56.4 NA 下宿生 20000 J-PHONE 30000
## 230 M 170.2 61.9 NA 自宅生 20000 <NA> NA
## 231 M 170.4 64.3 NA 自宅生 20000 DoCoMo 3300
## 232 M 171.0 50.0 NA <NA> 70000 <NA> NA
## 233 M 171.0 53.0 NA 自宅生 30000 vodafone 3000
## 234 M 171.0 54.0 NA 下宿生 80000 DoCoMo 6000
## 235 M 171.0 56.0 89.0 自宅生 65000 <NA> NA
## NA.17 <NA> NA NA NA <NA> NA <NA> NA
## 237 M 171.0 56.5 NA 下宿生 100000 <NA> NA
## 238 M 171.0 57.0 NA 自宅生 0 <NA> NA
## 239 M 171.0 60.0 NA 下宿生 100000 <NA> NA
## 240 M 171.0 60.0 NA 下宿生 120000 docomo NA
## 241 M 171.0 61.3 NA 下宿生 165000 <NA> NA
## 242 M 171.0 62.0 90.0 自宅生 0 <NA> NA
## 243 M 171.0 62.0 NA 下宿生 120000 <NA> NA
## NA.18 <NA> NA NA NA <NA> NA <NA> NA
## 245 M 171.0 65.0 NA 下宿生 40000 <NA> NA
## 246 M 171.0 66.0 NA 下宿生 80000 <NA> NA
## 247 M 171.0 70.0 89.0 自宅生 60000 <NA> NA
## 248 M 171.0 71.0 NA 下宿生 160000 <NA> NA
## 249 F 171.0 NA NA 下宿生 60000 <NA> NA
## 250 M 171.4 57.5 NA 自宅生 25000 <NA> NA
## 251 M 171.5 60.0 NA 自宅生 0 DoCoMo 4250
## 252 M 172.0 50.0 NA 自宅生 30000 au 5000
## 253 M 172.0 53.0 NA 下宿生 150000 <NA> NA
## 254 M 172.0 53.0 NA 下宿生 100000 J-PHONE NA
## 255 M 172.0 55.0 NA <NA> 20000 <NA> 5000
## 256 M 172.0 56.0 NA 下宿生 150000 <NA> NA
## 257 M 172.0 58.0 NA 下宿生 50000 <NA> NA
## 258 M 172.0 59.0 NA 自宅生 20000 <NA> NA
## 259 M 172.0 60.0 NA 下宿生 20000 au 7000
## 260 M 172.0 61.0 90.0 自宅生 25000 <NA> NA
## 261 M 172.0 61.5 NA 自宅生 30000 <NA> NA
## 262 M 172.0 62.0 89.0 下宿生 130000 <NA> NA
## 263 M 172.0 62.0 95.0 自宅生 15000 <NA> NA
## 264 M 172.0 62.0 NA 下宿生 30000 DoCoMo 8000
## 265 M 172.0 64.0 NA 下宿生 120000 <NA> NA
## 266 M 172.0 68.0 NA 下宿生 60000 docomo+willcom 10000
## 267 M 172.0 70.0 90.0 自宅生 30000 <NA> NA
## 268 M 172.0 70.0 NA 自宅生 20000 <NA> NA
## 269 M 172.0 72.0 89.0 下宿生 150000 <NA> NA
## 270 M 172.0 72.0 NA 下宿生 60000 au 3500
## 271 M 172.4 56.4 NA 自宅生 20000 <NA> NA
## 272 M 172.5 64.0 NA 下宿生 40000 <NA> 6000
## 273 <NA> 173.0 51.5 76.0 自宅生 0 <NA> 5500
## 274 M 173.0 55.0 NA 下宿生 120000 DoCoMo 10000
## 275 M 173.0 57.0 NA 自宅生 50000 <NA> NA
## 276 M 173.0 58.0 NA 下宿生 50000 KDDI 4000
## 277 M 173.0 60.0 87.0 下宿生 100000 <NA> NA
## 278 M 173.0 60.0 NA <NA> 50000 <NA> NA
## 279 M 173.0 60.0 NA 下宿生 200000 <NA> NA
## 280 M 173.0 60.0 NA 自宅生 20000 <NA> NA
## 281 M 173.0 60.0 NA 自宅生 0 au 4200
## 282 M 173.0 61.0 NA 下宿生 100000 <NA> NA
## 283 M 173.0 61.0 NA 自宅生 5000 DoCoMo 6500
## 284 M 173.0 62.0 NA <NA> 50000 Vodafone NA
## 285 M 173.0 63.0 NA 自宅生 50000 <NA> NA
## 286 M 173.0 65.0 NA 自宅生 20000 <NA> NA
## 287 M 173.0 68.0 93.0 <NA> 30000 au 350
## 288 M 173.0 68.0 NA 自宅生 30000 <NA> NA
## 289 M 173.0 69.0 NA 自宅生 60000 au 9000
## 290 M 173.0 71.0 100.0 下宿生 0 <NA> NA
## 291 <NA> 173.0 72.0 90.0 自宅生 0 <NA> 1500
## 293 M 173.5 76.5 NA 下宿生 100000 <NA> NA
## 294 M 173.7 57.8 NA 下宿生 10000 J-PHONE 8000
## 295 M 173.8 69.6 90.0 自宅生 30000 DoCoMo 13000
## 296 M 174.0 54.0 NA 自宅生 20000 DoCoMo 5000
## 297 M 174.0 54.0 NA 自宅生 12000 DoCoMo 10000
## 298 M 174.0 60.0 90.0 自宅生 10000 <NA> NA
## 299 M 174.0 60.0 NA <NA> 30000 <NA> NA
## 300 M 174.0 60.0 NA 下宿生 160000 <NA> NA
## 301 M 174.0 61.0 NA 自宅生 20000 <NA> NA
## NA.19 <NA> NA NA NA <NA> NA <NA> NA
## 303 M 174.0 63.0 92.0 自宅生 30000 au 3000
## 304 M 174.0 65.5 NA 下宿生 50000 DoCoMo 9000
## 305 M 174.0 68.0 NA 下宿生 0 <NA> 9000
## 306 M 174.3 62.4 85.0 自宅生 20000 <NA> NA
## 307 M 175.0 50.0 NA 下宿生 100000 DoCoMo NA
## 308 M 175.0 53.0 NA 下宿生 150000 <NA> NA
## 309 M 175.0 53.0 NA <NA> 50000 DoCoMo 1500
## 310 <NA> 175.0 54.0 NA 下宿生 50000 <NA> NA
## 311 M 175.0 55.0 NA 自宅生 0 <NA> NA
## 312 M 175.0 57.0 NA 下宿生 70000 <NA> NA
## NA.20 <NA> NA NA NA <NA> NA <NA> NA
## 314 <NA> 175.0 58.0 NA 下宿生 15000 <NA> 4500
## 315 M 175.0 60.0 80.0 自宅生 15000 <NA> NA
## 316 M 175.0 60.0 NA 自宅生 0 DoCoMo 5000
## 317 M 175.0 61.0 NA 自宅生 30000 <NA> NA
## 318 M 175.0 63.0 NA 自宅生 10000 <NA> NA
## NA.21 <NA> NA NA NA <NA> NA <NA> NA
## 320 M 175.0 65.0 NA 下宿生 80000 <NA> NA
## 321 <NA> 175.0 66.0 NA 自宅生 15000 <NA> NA
## 322 M 175.0 67.0 NA 自宅生 45000 <NA> NA
## 323 <NA> 175.0 67.0 NA 下宿生 100000 <NA> 6000
## 324 M 175.0 68.0 80.0 <NA> 150000 au 15000
## 325 M 175.0 68.0 NA 自宅生 0 DoCoMo 20000
## 326 M 175.0 70.0 95.0 下宿生 50000 <NA> 8000
## 327 M 175.0 74.0 NA 自宅生 0 <NA> NA
## 328 M 175.0 77.0 95.0 下宿生 130000 <NA> NA
## 329 M 175.0 79.0 NA 自宅生 0 No 0
## 330 M 176.0 57.0 85.0 自宅生 20000 au 3000
## NA.22 <NA> NA NA NA <NA> NA <NA> NA
## 332 M 176.0 60.0 NA 下宿生 150000 <NA> NA
## 333 M 176.0 60.0 NA 自宅生 90000 Vodafone 10000
## 334 M 176.0 63.0 NA 自宅生 50000 <NA> NA
## 335 M 176.0 64.0 NA 下宿生 30000 DoCoMo 5000
## 336 M 176.0 66.0 NA 下宿生 100000 docomo 5500
## 337 M 176.0 67.0 83.0 下宿生 0 <NA> NA
## 338 M 176.5 56.0 NA 下宿生 0 DoCoMo 8500
## 339 M 176.5 78.0 96.0 自宅生 10000 <NA> NA
## 340 M 176.6 60.8 NA 自宅生 25000 DoCoMo NA
## NA.23 <NA> NA NA NA <NA> NA <NA> NA
## 342 M 177.0 60.0 NA 自宅生 25000 au 2200
## 343 M 177.0 60.0 NA 自宅生 40000 Vodafone 5000
## 344 M 177.0 62.0 NA 自宅生 50000 au 5000
## 345 M 177.0 65.0 NA 下宿生 60000 <NA> NA
## 346 M 177.0 66.0 87.0 下宿生 40000 DoCoMo 6000
## 347 M 177.0 67.0 NA <NA> 4000 DoCoMo 8000
## 348 M 177.0 68.0 NA 下宿生 80000 <NA> NA
## 349 <NA> 177.0 70.0 86.0 自宅生 0 <NA> 5500
## 350 M 177.0 78.0 NA 自宅生 40000 <NA> NA
## 351 M 178.0 58.0 NA 自宅生 20000 <NA> NA
## 352 M 178.0 59.0 78.0 自宅生 0 Vodafone 10000
## 353 M 178.0 60.0 NA 自宅生 30000 <NA> NA
## 354 M 178.0 66.0 95.0 自宅生 30000 au 3000
## 355 M 178.0 67.0 NA 自宅生 0 <NA> NA
## 356 M 178.0 68.0 NA 自宅生 100000 DoCoMo 4000
## 357 <NA> 178.0 72.0 NA 下宿生 0 <NA> 10000
## 358 M 178.0 78.0 110.0 下宿生 50000 <NA> NA
## 359 <NA> 178.0 85.0 NA 自宅生 0 <NA> 23000
## 360 M 178.0 95.0 NA <NA> 1000 No NA
## 361 M 178.0 100.0 112.0 下宿生 60000 <NA> NA
## 362 M 178.7 71.2 95.0 <NA> 0 <NA> NA
## 363 <NA> 179.0 52.0 76.0 自宅生 0 <NA> 7000
## 365 M 179.0 63.0 NA 自宅生 20000 au 5000
## 366 M 179.0 65.0 NA 自宅生 0 <NA> NA
## 367 M 179.0 66.0 NA <NA> 30000 <NA> NA
## NA.24 <NA> NA NA NA <NA> NA <NA> NA
## 369 M 179.1 74.2 NA <NA> 0 au 4000
## 370 M 179.9 63.0 NA 自宅生 30000 <NA> NA
## 371 M 179.9 70.0 NA 自宅生 15000 DoCoMo 700
## 372 <NA> 180.0 60.0 87.4 自宅生 0 <NA> 5000
## NA.25 <NA> NA NA NA <NA> NA <NA> NA
## 374 <NA> 180.0 60.0 NA 自宅生 0 <NA> 2000
## 375 M 180.0 64.0 90.0 自宅生 35000 <NA> NA
## 376 M 180.0 64.0 90.0 下宿生 60000 au 10000
## 377 M 180.0 65.0 88.0 自宅生 30000 <NA> NA
## 378 M 180.0 65.0 NA 下宿生 100000 <NA> NA
## 379 M 180.0 70.0 94.0 下宿生 70000 au 5000
## 380 M 180.0 70.0 NA 自宅生 40000 au 4000
## NA.26 <NA> NA NA NA <NA> NA <NA> NA
## 382 M 180.0 70.0 NA 自宅生 40000 DoCoMo 6500
## 383 M 180.0 70.0 NA <NA> 5000 <NA> 3000
## NA.27 <NA> NA NA NA <NA> NA <NA> NA
## 385 M 180.5 55.0 82.0 自宅生 0 <NA> NA
## 386 M 181.0 60.0 80.0 下宿生 160000 <NA> NA
## 387 M 181.0 63.0 NA 自宅生 0 au 4000
## 388 <NA> 181.0 67.0 82.0 自宅生 0 <NA> NA
## 389 M 181.5 74.5 NA 下宿生 120000 au 3000
## 390 M 182.0 60.0 87.0 下宿生 100000 <NA> NA
## 391 M 182.0 64.0 NA 下宿生 0 <NA> NA
## 392 <NA> 182.0 65.0 NA 自宅生 0 <NA> 4500
## 393 M 182.0 70.0 90.0 下宿生 100000 <NA> NA
## 394 M 182.0 90.0 100.0 自宅生 40000 <NA> NA
## 395 M 183.0 61.0 NA 自宅生 100000 <NA> NA
## 396 M 184.0 65.0 NA 下宿生 140000 au 10000
## 397 M 184.0 68.0 85.0 <NA> 30000 <NA> NA
## 398 M 185.0 68.0 93.0 自宅生 0 <NA> NA
## 399 M 185.0 72.0 NA 自宅生 30000 <NA> 7000
## 400 M 186.0 82.0 NA 自宅生 0 <NA> NA
## 401 M NA NA NA 自宅生 30000 <NA> NA
## 402 M NA NA NA 自宅生 20000 <NA> NA
## 403 M NA NA NA 自宅生 100000 <NA> NA
## NA.28 <NA> NA NA NA <NA> NA <NA> NA
## 405 F NA NA NA 自宅生 20000 <NA> NA
## 406 F NA NA NA 自宅生 0 <NA> NA
## NA.29 <NA> NA NA NA <NA> NA <NA> NA
## NA.30 <NA> NA NA NA <NA> NA <NA> NA
## 409 F NA NA NA 自宅生 40000 au 1500
## 410 F NA NA NA 下宿生 30000 au 1500
## 411 F NA NA NA 自宅生 50000 au 8000
## NA.31 <NA> NA NA NA <NA> NA <NA> NA
## 413 <NA> NA NA NA 下宿生 100000 <NA> NA
## NA.32 <NA> NA NA NA <NA> NA <NA> NA
## NA.33 <NA> NA NA NA <NA> NA <NA> NAdim(Student20a) # データ全体のデータサイズ## [1] 415 8dim(Student20a[Remi_Less25,]) # 抽出したデータのデータサイズ## [1] 412 8hist(Student20a$Remittance[Remi_Less25], right=FALSE,
breaks = seq(0,350000,25000), ylim = c(0,150),
main="Histgram of Remittance") # ヒストグラム
abline(h=seq(0,150,50), lty=3)
boxplot(Student20a$Remittance[Remi_Less25],
horizontal=T, main="boxplot of Remittance") # 箱ひげ図
abline(v=seq(0,200000,50000), lty=3)
以後恒久的に使いたいなら新しい変数に割り当てて利用する手もある。 25万円を超えるサンプルが除外された図となっていることを確認せよ。
Student20a_RemiLess25 <- Student20a[Remi_Less25,] # 以後恒久的に使いたいなら新しい変数に割り当てる
dim(Student20a_RemiLess25) # 新しい変数のデータサイズ## [1] 412 8hist(Student20a_RemiLess25$Remittance, right=FALSE,
breaks = seq(0,350000,25000), ylim = c(0,150),
main="Histgram of Remittance") # ヒストグラム
abline(h=seq(0,150,50), lty=3)
boxplot(Student20a_RemiLess25$Remittance,
horizontal=T, main="boxplot of Remittance") # 箱ひげ図
abline(v=seq(0,200000,50000), lty=3)