プログラムの解説、デバッグ、データ転送、ファイルからの読み込み

統計解析 02 クラス : 第03回 (04/27/06)

　前回は SAS を使うための操作方法やコマンドを中心に説明を行った。今回は、SAS のプログラムについてその構成(構造)を解説する。また、データをファイルから読み込んで実行する方法を、プログラムの修正方法と共に紹介する。

プログラムの構成とその出力結果 : 前回の演習内容
1. プログラムの読み込み :
  Program Editorエリアのコマンド行で : [入力] INClude 'les0201.sas'
  プログラム : Program Editorエリア : les0201.sas
  - はじめてのプログラム : 右側は説明用。プログラムは左側のみ。
  - 3つのパート : コメント部、データの定義(data部)、緒処理の実行(proc部)
  - コメントは後々のために入れる習慣を付けよう
  - ブランク(段下げ)や空行は無視されるが見易さのために入れよう
  - 各行は(基本的に)セミコロンで終わる
  - (基本的には) proc コマンド(procedure)ごとに出力が得られる
  - [注意] データ名や変量名は 8文字以内の英数字で判り易い/解り易い名前を付けること。以下の例で言えば、データ名とは「kenshin」のことであり、変量名とは「name, shintyou, taijyuu」のことである。
/* Lesson 2-1 */ : コメント、実行に無関係 /* File Name = les0201.sas 04/20/06 */ : 後々の記録のためのメモ : 見易さのための空行 data kenshin; : データ名の定義 input name $ shintyou taijyuu; : 読み込む変量名、型($は文字型を示す) cards; : データの始まりを示す Valentine 178 84 : Case 1 Oh 176 85 : Case 2 Itoh 181 84 : Case 3 Nakamura 173 73 : Case 4 Hillman 178 81 : Case 5 Nomura 175 85 : Case 6 ; : データの終りを示す proc print data=kenshin; : 読み込んだデータの表示 run; : 上記の実行 proc means data=kenshin; : 平均値等の算出 run; : 上記の実行
1. 実行してみよう
  Program Editor エリアの「コマンド =>△」の右にカーソルを移動させて「SUB」
2. 出力結果 : Output エリア : les0201.lst
  SAS システム 1 22:00 Wednesday, April 19, 2006 OBS NAME SHINTYOU TAIJYUU 1 Valentin 178 84 2 Oh 176 85 3 Itoh 181 84 4 Nakamura 173 73 5 Hillman 178 81 6 Nomura 175 85 SAS システム 2 22:00 Wednesday, April 19, 2006 Variable N Mean Std Dev Minimum Maximum ------------------------------------------------------------------- SHINTYOU 6 176.8333333 2.7868740 173.0000000 181.0000000 TAIJYUU 6 82.0000000 4.6475800 73.0000000 85.0000000 -------------------------------------------------------------------
3. 計算結果 :
  1. 読み込んだデータの表示 : proc print
    - 縦方向にケース、横方向に変量
    - 左端にケース番号(Observation)
    - 入力が期待通りかを確認 : 数値のずれ、異常値、...
  2. 平均値等の算出 : proc means
    - 各変量ごとのサンプル数、平均、標準偏差、最小値、最大値
    - 小サンプル時の注意 : 各統計量に意味があるか?
  3. 有効桁数に注意せよ : どこまでが「意味ある桁」か?
    [重要な注意] 統計ソフトは単なる道具。使いこなすのは各自。
    [例1] 日本の観測史上の最高気温は、1933(昭和8)年7月25日に山形市で観測された40.8度であり、最低気温は、1902(明治35)年1月25日に北海道旭川市の-41度であった。===> -41.0度
    [例2] 2001年のイチロー選手の打率は3割5分であった。===> 3割5分0厘
    [例3] 大学入試センター : 志願者数 57万人、受験者数 52.5万人 (平成17年度)
4. デバッグ : 実行時にエラーが出なければ良いのだが...
  - Outputエリアに期待した結果が表示されているのなら正常だろう
  - エラーがあれば Logエリア(les0201.log)に表示される
  - 綴りミスはある程度修正されるが、致命的なミスの時は実行が中断される
    1. 画面が三種類ある : Program Editor, Log, Output
      必要に応じて各エリアを行き来する。コマンド行で。
      
      Program Editorエリアへ : PGM : プログラムの作成
      Logエリアへ : LOG : 実行過程の記録(ログ)
      Outputエリアへ : OUTput : 計算結果、出力
    2. プログラムのエラー個所を Logエリアで確認
    3. Program Editorエリアに移って該当個所を修正
    4. 再実行しエラーがなくなるまで修正を繰り返す
  - エラーの例 : Logエリアに実行結果が表示される
    1. セミコロン忘れ
    2. コメントの終了ミス : /* ... */
    3. つづりミス : plint, ran, ...
    4. 変量名の順や個数、タイプ($ マークの位置)
    5. データファイルの内容が記述(or 予想)と異なる : 出力で確認
    6. マウスを使ったことによるノイズの混入
    7. ...
5. 入力したものを有効活用しよう : 修正したら。完成したら。
  - 保存 : 自分のホームディレクトリに判りやすいファイル名で保存。
    　Program Editor エリアのコマンド行で。
    　[例] file 'les0301.sas'
  - 注意 : 既に同名のファイルがあったら、警告が発せられる。
    「上書き(REPLACE)」、「追加(APPEND)」、「中止(CANCEL)」の中から一つを選ぶ。
6. SAS を使う上での基本
  - マウスは使えない : stat システム上に SAS がある
  - 3つのエリア : それぞれに目的や使い方がある
  - エラーがあれば Log エリアで確認する
  - 保存と読み出し : プログラムの有効利用
データをファイルから読み込んで使うには... : プログラムとデータの分離
1. データを電子化する : Excel 等で ===> 前回第7節
2. ファイルを stat システムに転送する : WinSCP 等で ===> 第4節
3. 転送が期待通り行なわれたかを確認する ===> 第5節
4. データをファイルから読み込むように SAS プログラムを記述する ===> 第6節
5. SAS プログラムを改良する ===> 第7節、第8節
6. レポートを作成するには ===> 第9節、第10節
データの電子化 : 詳細は前回の配布資料第7節を参照
取り扱うデータが長方形(表形式)をしているので、表計算ソフトと呼ばれるアプリケーションを利用するのが便利である。ここでは、Microsoft Excel を例に実際に電子化の手順を説明する。なお、Excel のより詳しい使い方については、「PC・ネットワーク利用ガイド」や市販の書籍を参考にしてほしい。
また、データは縦方向にケース(サンプル)が、横方向に変量が、並んでいるとして、説明を進める。
1. Excel の起動
2. データの入力
3. データの保存(その1: Excel の標準形式で) :
4. 項目の右揃え
5. データの保存(その2: テキスト形式で) :
6. Excel の終了
7. データのバックアップ
データ転送(送信) : WinSCP を使ったファイルの送受信
MNC では、ファイルの送受信ツールとして WinSCP を用意しているので、このソフトウェアの使い方を説明する。なお、これはフリーソフトウェアであるので、自宅から使うような場合は各自のパソコンにインストールしておくとよいであろう。
1. 転送プログラム(WinSCP)の起動
  「スタート」→「プログラム(P)」→「stat システム」→ 「WinSCP」→選択欄のstat11(または stat12)をダブルクリックする。
2. ユーザ名欄にユーザID、パスワード欄にパスワードを入力する。
3. 「ログイン」をクリックする。
4. 画面の左半分は Windows 側を、右半分は stat システム側のファイルを表示している。
5. 転送したいファイルを画面から選び反対側のドライブにドラッグ & ドロップする。
  - 送信(アップロード) : Windows から stat システムへコピー
  - 受信(ダウンロード) : stat システムから Winodws へコピー
6. 「コピー」と言うウインドウが開く。右下の「コピー」ボタンを押すと、コピーされるのだが、これが曲者であり、そのまま「コピー」ボタンを押すのは避けた方が良い。
7. 中央下の「詳細(M)>>」ボタンを押して、転送モードを細かく指定する画面を表示する。
8. 「転送モード」が「自動」になっていると思うが、転送モードはこちらから陽に指定する。「解析用データ(*.prn)」や「SAS の出力(*.lst)」はテキスト形式と言って、文字だけで構成されており、これらは「転送モード」に「テキスト」を指定してやらないといけない。一方、「Excel ファイル(*.xls)」や「圧縮されたファイル(*.exe, *.lha, *.zip 等)」は内部コードで記述されているので「転送モード」に「バイナリ」を指定してやらないといけない。
  - テキストモード : 解析用データ(*.prn), SAS の出力(*.lst)等
  - バイナリモード : Excel ファイル(*.xls)等
9. 転送モードを指定後、「コピー」ボタンを押して転送する。
10. 終了は「セッション(Session)」→「切断(Disconnect)」をクリックし、「閉じる」をクリックする。
　・参考になるWebページ
- WinSCPを使う
[Lesson 3-1] : ファイルの転送: Windows ===> stat システム(UNIX)
- 転送元 : H:naikaku0512.prn
- 転送先 : 各自の stat システムのディレクトリ(正確にはホームディレクトリと呼ぶ)
[参考] PC・ネットワーク利用ガイド2005年度版の「第6章その他のサービス」に stat システムを使う際の説明が若干載っている。
転送されたデータの表示 : 確認のため。簡単な UNIX コマンド
1. stat システムにログイン
  「スタート」→「プログラム(P)」→「stat システム」→「PuTTY」→「stat11」とクリックする。
2. 「login as:」、「password:」と表示されるので、それぞれ個人のIDとパスワードを入力する。なお、パスワードはセキュリティの都合上、画面には表示されない。
3. UNIX の初歩的なコマンド
  - ファイル名一覧の表示 : ls
  - ファイルの内容の表示 : less [filename]
    [操作方法] スペースキーで次ページ、b で前ページ、q で終了
    ( ファイルの漢字コード変換 : nkf -s [in_filename] > [out_filename]　)
    ログアウト : logout
    ( コマンドラインの入力支援 : tcsh )
    
    exit で終了
    ログイン後、最初に1回だけ実行しておくと exit を実行するまで利用できる。
[Lesson 3-2] : 転送されたファイルの確認
転送したファイルが実際に存在し、ファイル内容も正しいことを確認せよ。
- ls
- less naikaku0512.prn
- q で less を終了する

データをファイルから読み込む : プログラムとデータの分離
データが追加されたり、別クラスのデータを解析したくなったら??

: データをファイルから読み込んで処理しよう

: 大量データや定型的な処理に有効

[Lesson 3-3] : 前項で作成したデータをファイルから読み込んで変量の平均値を求めてみよう。なお、ファイル名は各自で命名したものを指定せよ。ここでは「naikaku0512.prn」という名前で説明する。

新しいプログラムを作る時にはまず現在のプログラムを消去
Program Editorエリアのコマンド行で : [入力] clear
プログラム : les0303.sas

/* Lesson 3-3 */ : /* File Name = les0303.sas 04/27/06 */ : : data naikaku; : データ名の定義 infile 'naikaku0512.prn' : ファイル名の指定 firstobs=2; : 数値は 2行目から入っている input name $ posit $ sex $ tochi : 読み込む変量名 ; : 終りを示すセミコロン proc print data=naikaku; : データの表示 run; : proc means data=naikaku; : 平均、標準偏差、最大最小値の算出 run; :

出力結果、計算結果 : les0303.lst

画面の移動には BACKward, FORWard, TOP, BOTtom コマンドを使う。
意図通りにファイルからデータが読み込まれていることを確認せよ。

SAS システム 1 20:19 Wednesday, April 26, 2006 OBS NAME POSIT SEX TOCHI 1 Koizumi Kakuryou M 10743 2 Takenaka Kakuryou M 3002 3 Sugiura Kakuryou M 1755 4 Aso Kakuryou M 37779 5 Kosaka Kakuryou M 5596 6 Kawasaki Kakuryou M 4978 7 Nikai Kakuryou M 7417 8 Kitagawa Kakuryou M 1231 9 Inagaki Kakuryou M 2582 10 Nakagawa Kakuryou M 2962 11 Koike Kakuryou F 1220 12 Abe Kakuryou M 9796 13 Kutukake Kakuryou M 4973 14 Nukaga Kakuryou M 5272 15 Yosano Kakuryou M 6828 ＜中略＞ 55 Kaneko Seimu M 940 56 Kosehira Seimu M 1378 57 Katayama Seimu F 2082 58 Kobayash Seimu M 0 59 Gotou Seimu M 6821 60 Yosida Seimu M 3395 SAS システム 5 20:19 Wednesday, April 26, 2006 Analysis Variable : TOCHI N Mean Std Dev Minimum Maximum ---------------------------------------------------------- 60 4053.98 5987.72 0 37779.00 ----------------------------------------------------------

プログラムの保存 :
Program Editorエリアのコマンド行でプログラムを recall 後 : [入力] file 'les0304.sas'

プログラムの改良 : 入力済みのものを有効利用 : コピー、挿入、削除、...

氏名が 8文字で切れている
ファイルには、他にも変量を入力・転送してある
ヒストグラムも描いてみよう : データを視覚的に捉える

今までのプログラムを活用 : les0304.sas

/* Lesson 3-4 */ /* File Name = les0304.sas 04/27/06 */ data naikaku; infile 'naikaku0512.prn' firstobs=2; input name $10. posit $ sex $ tochi : 文字列長の指定方法 yotyokin total honnin kasituke kariire : 長い場合は 2行に ; proc print data=naikaku; run; proc means data=naikaku; var total; : 平均を求める変量を指定 run; proc chart data=naikaku; : ヒストグラムを描く hbar total; : 水平棒グラフで。変量を指定 vbar total; : 垂直棒グラフで。変量を指定 run;

編集コマンド : 行コマンド (MNCセミナー用テキスト)、前回の配布資料参照
- [Ctrl]+[X] : インサートモード
- i : 行挿入
- cc : 領域コピー(コピーしたいところを囲む)
- b : 当該行の前(before)に挿入
- c : 一行コピー
- a : 当該行の後ろ(after)に挿入
- d : 一行削除
- dd : 領域削除

出力結果 : les0304.lst : 以下掲載分には一部省略あり
SAS システム 5 20:19 Wednesday, April 26, 2006 Analysis Variable : TOTAL N Mean Std Dev Minimum Maximum ---------------------------------------------------------- 60 6537.67 7631.23 0 45629.00 ---------------------------------------------------------- SAS システム 6 20:19 Wednesday, April 26, 2006 TOTAL Cum. Cum. Midpoint Freq Freq Percent Percent | 4000 |*********************** 45 45 75.00 75.00 12000 |****** 11 56 18.33 93.33 20000 |* 1 57 1.67 95.00 28000 |* 2 59 3.33 98.33 36000 | 0 59 0.00 98.33 44000 |* 1 60 1.67 100.00 | -----+----+----+----+--- 10 20 30 40 Frequency SAS システム 7 20:19 Wednesday, April 26, 2006 Frequency | ***** 40 + ***** | ***** 30 + ***** | ***** 20 + ***** | ***** 10 + ***** ***** | ***** ***** ------------------------------------------------------------------ 4000 12000 20000 28000 36000 44000 TOTAL Midpoint

出力からの知見 :
- 入力した全変量が正しく読み込まれているか?
- 氏名は切れずに読み込まれているか?
- ヒストグラム(度数分布)からデータの分布状況を判断する
- 平均値はヒストグラムのどこに位置するか?
- 累積頻度や累積割合が表示されるのは横棒グラフだけ
- ...
プログラムの保存 :
Program Editorエリアのコマンド行でプログラムを recall 後 : [入力] file 'les0304.sas'

再度改良

毎回全ケースを表示するのも冗長だから、先頭 5ケースに限定
ヒストグラムの区切り幅を指定してみよう : ヒストグラムの軸指定

今までのプログラムに追加 : les0305.sas

/* Lesson 3-5 */ /* File Name = les0305.sas 04/27/06 */ data naikaku; infile 'naikaku0512.prn' firstobs=2; input name $10. posit $ sex $ tochi yotyokin total honnin kasituke kariire ; proc print data=naikaku(obs=5); : 先頭の 5ケースだけを表示。確認用 run; proc means data=naikaku; var total; run; proc chart data=naikaku; hbar total; vbar total; run; proc chart data=naikaku; hbar total / midpoints= 5000 to 50000 by 5000; : 軸の値を指定 vbar total / midpoints=10000 to 50000 by 10000; : 軸の値を指定 run;

編集コマンドを駆使せよ

出力結果 : les0305.lst : 以下掲載分には一部省略あり
SAS システム 1 20:19 Wednesday, April 26, 2006 OBS NAME POSIT SEX TOCHI YOTYOKIN TOTAL HONNIN KASITUKE KARIIRE 1 Koizumi Kakuryou M 10743 2360 13103 13103 0 0 2 Takenaka Kakuryou M 3002 1071 4073 1213 6065 1681 3 Sugiura Kakuryou M 1755 796 2551 2071 0 0 4 Aso Kakuryou M 37779 7850 45629 40379 20100 2000 5 Kosaka Kakuryou M 5596 1300 6896 5224 0 0 SAS システム 2 20:19 Wednesday, April 26, 2006 Analysis Variable : TOTAL N Mean Std Dev Minimum Maximum ---------------------------------------------------------- 60 6537.67 7631.23 0 45629.00 ---------------------------------------------------------- ＜中略＞ SAS システム 5 20:19 Wednesday, April 26, 2006 TOTAL Cum. Cum. Midpoint Freq Freq Percent Percent | 5000 |*********************** 45 45 75.00 75.00 10000 |**** 8 53 13.33 88.33 15000 |** 4 57 6.67 95.00 20000 | 0 57 0.00 95.00 25000 |* 1 58 1.67 96.67 30000 |* 1 59 1.67 98.33 35000 | 0 59 0.00 98.33 40000 | 0 59 0.00 98.33 45000 |* 1 60 1.67 100.00 50000 | 0 60 0.00 100.00 | -----+----+----+----+--- 10 20 30 40 SAS システム 6 20:19 Wednesday, April 26, 2006 Frequency | ***** 45 + ***** | ***** 30 + ***** | ***** 15 + ***** | ***** -------------------------------------------------------------------- 10000 20000 30000 40000 50000 TOTAL Midpoint

出力からの知見 :
- 入力した全変量が正しく読み込まれているかを先頭 5ケースで確認
- ヒストグラムの区切り幅を換えると分布のイメージが変化する
- 平均値はヒストグラムのどこに位置するか?
- 平均値が分布形状を想像するに足る情報であろうか?
  - 対称分布の場合だけ
  - それでも広がりは判らない
- ...
プログラムの保存 :
Program Editorエリアのコマンド行でプログラムを recall 後 : [入力] file 'les0305.sas'

出力結果の保存 : Outputエリアの内容をファイルに保存
解析結果を活用するため : 印刷、レポート、...
1. プログラムを実行(SUBmit)する前に、
  Outputエリアの過去の記録を消去しておく: [入力] clear
  この処理をしておかないと、過去の全ての(不要な、多大な)記録が全部保存される
2. 出力結果の保存 :
  Outputエリアのコマンド行で : [入力] file 'les0305.lst'
  プログラムの保存と同じコマンドだが、保存対象が異なる
  各種エリアの保存や呼び出しについては、以後、いちいち指示しない。各自で判断してほしい。
漢字コード変換 : 計算結果には日本語が含まれている
漢字の表現方法(漢字コード)には幾つかの体系があって、異なったコード体系間では変換を行わないと正常には読み出せない。
Windows マシンで利用される漢字コードは、「Shift-JISコード」に固定されているため、この様な混乱は少ない。しかし、stat システムを含む UNIX マシンの場合は、「EUC コード」や「JIS コード」が使われることが多く、 Windows マシンとデータを共有しようとすると、漢字コードの変換を頭に入れて、適宜変換しながら利用する必要がある。
- Windows マシン : Shift-JIS コード
- UNIX マシン : EUC コード, JIS コード
stat システム上の SAS に関して言えば、SAS の出力中の日本語は「EUC コード」を使って表現されているので、 SAS の「計算結果」を Windows マシンに転送する前に「EUC コード」を「Shift-JIS コード」に変換する必要が生じる。また、漢字を含む元データを stat システム上で解析したいのなら、転送後、stat システム上で EUC コードに変換してから利用する必要がある。
同様の理由で、ファイル名に漢字を使うのも避けるべきである。
1. SAS の計算結果には日本語が含まれているので、Windows 側に転送する前に「EUC コード」を「Shift-JIS コード」に変換する必要がある。
2. 漢字コード変換ツール「nkf」の利用 : 「-s」オプションは Shift-JIS コードに変換指せることの指定。変換後のファイル名を大なり記号(>)の右側に書く。
  [実行例]
  nkf -s les0305.lst > les0305s.lst
3. WinSCP を使って Windows 側に変換後のファイル(les0305s.lst)を転送して、レポート作成に利用。
[Lesson 3-6] : Windows 側で読み出せるか、実際に転送してみよ。
- 転送前に nkf コマンドを使って漢字コードを変換しておく。
- WinSCP を使って、変換後のファイルを Windows に転送。
- 印刷するだけなら、「H:」ドライブ辺りに転送してメモ帳や MS-Word (や秀丸等のエディタ等)に読みこんで印刷。ファイル名の拡張子(.sas、.lst等)に注意しないと見つけられない。
- 印刷の仕方等については、「PC・ネットワーク利用ガイド」を参照のこと。
- 手元に保存しておきたいのなら、FD や MO 等にバックアップを取る。
次回は、... : 05月11日 14:45
- 今回終えられなかった部分
- 基礎統計量
- 興味あるデータの特性を明らかにしていこう
  - 不断に興味のあるデータを電子化して持参せよ。
  - 皆さんのデータを使った解析 : 各自のデータを解析してみよう
  - ファイル名は各自で命名し、記録しておくように
- ゴールデンウィーク中にやっておくべき事項
  - 第2次小泉内閣の閣僚資産データの電子化完了
  - 興味のあるデータを見つけて、電子化
  - 電子化したデータを stat システムに転送しておくこと

講義のホームページへ戻ります