KHcoder対応分析の計算ロジックを解説しています。.csv出力したデータ表をタブローで分析することもできます。

テキストマイニングツール「KHcoder」の活用メモ
開発者である樋口先生に感謝！
【今回の分析対象テキストはこちらからコピーできます】

対応分析計算

分析結果から計算過程を確認する

・「語」を青い丸、「外部変数」を赤い四角でプロットしたものが対応分析結果です。
・プロットのサイズは「語」が出現する回数に比例します。

　では、プロットする位置をどのように計算しているのでしょうか。対応分析は「語」が出現する場所と、それぞれの場所で「語」が出現する回数を計算して座標を決定します。

　対応分析の場合、「語」が出現する場所というのが「外部変数」（年代）です。

座標とサイズ

　KHcoderには対応分析結果を保存する機能があります。
・画像のように「保存」をクリックするとウインドウが開きます。
・ファイル形式のＣＳＶを選択して名前をつけて保存します。

保存したＣＳＶの内容です。
・いちばん左の列に「語」と「外部変数」があります。
・「type」は[col」と「row」があります。
・「col」はcolumn（列）の略です。「col」が「語」です、青い丸で描画します。
・「row」が「外部変数」、赤い四角で描画します。

・「frequency」は「語」が出現する回数です。
・「語」の出現回数に比例して「size」が決まります。

　「サーモン」４回の「size」が48.34253にたいして「まぐろ」は８回出現しているのに70.45727です。「サーモン」の２倍にはなりませんが、気にすることはありません。
　全体がうまくキャンバスサイズに入ること、「語」が重なり見えにくくなることを回避するための措置です。

・「Ｘ１」が横軸（Ｘ軸）の座標です。
・「Ｘ２」がＹ軸（縦軸）の座標です。

Ｒで計算

Rへ渡すデータ

　KHcoderからＲへ渡しているデータを確認します。
・「保存」→「R Source」を選択します。
・ディレクトリを指定してファイルを保存します。

・「khcoder3」→「Rgui.bat」をクリックします。

　「Rgui.bat」は32-bit版のＲ
　「Rgui64.bat」は64-bit版のＲです。
　いずれも【R version 3.1.0】です。私が別途インストールしているＲ【R version 3.4.4】ではうまくことが運ばないことがあります。

・「Rgui.bat」(32-bit版)を起動することをオススメします。

・名前を付けて保存した「R Source」をテキストエディタで開きます。
・「R Source」の先頭から５１行目あたりまでをコピーしてＲへ貼り付けます。

　ここまでがRへ渡しているデータです。

Rへ渡されたデータ

>d
サーモン サバ イカ 好き 苦手 まぐろ イクラ 海老
[1,]        1    0    0    1    0      1      1    0
[2,]        1    0    1    0    1      1      1    0
[3,]        0    0    0    0    0      1      1    1
[4,]        1    0    0    0    0      0      1    0
[5,]        0    1    0    1    0      1      1    0
[6,]        0    0    0    1    0      1      0    1
[7,]        0    1    1    1    1      0      0    1
[8,]        0    0    0    0    0      1      0    0
[9,]        0    0    0    0    0      1      0    0
[10,]        0    0    1    1    0      1      0    0
[11,]        0    1    0    0    0      0      0    0
[12,]        1    1    0    0    1      0      0    0

・Ｒへ「d」を入力してエンターを押します。
　行（row）が１２行×列（column）が「語」のクロス集計表があらわれます。

　これがRへ渡している
・「語」が「段」へ出現する回数のデータです・

Rの計算

・「R Source」の５２行目あたりから１３０行目あたりまでをコピーしてＲへ貼り付けます。

・「d」と入力してエンターを押します。

>d
サーモン サバ イカ 好き 苦手 まぐろ イクラ 海老
１０代        3    0    1    1    1      3      4    1
４０代        0    2    1    3    1      3      1    2
６０代        1    2    1    1    1      2      0    0

　「d」が
・「外部変数」が行
・「語」が列
　マトリクス形式へ変更されています。
　値は「語」が出現する回数です。「語」が出現する「段数」や「文数」ではありません。

座標計算

・関数「corresp」を使用して計算します。
　131行目の「corresp」が座標を計算する関数です。
　c <- corresp(d, nf=d_max )

・Ｒへ131行目の関数をRへ貼り付けて結果を表示します。
　c <- corresp(d, nf=d_max )　エンター

・「c」　エンター
　計算結果を表示します。

c<- corresp(d, nf=d_max )
>c
First canonical correlation(s): 0.5088535 0.3076726

Row scores:
[,1]         [,2]
１０代 -1.2247325  0.005504619
４０代  0.8119366 -1.016398884
６０代  0.8238849  1.642015104

Column scores:
[,1]       [,2]
サーモン -1.4003601  1.3476411
サバ      1.6073600  1.0166915
イカ      0.2692910  0.6837580
好き      0.7998224 -0.9111483
苦手      0.2692910  0.6837580
まぐろ    0.1005648  0.1021164
イクラ   -1.6063537 -0.6463887
海老      0.2614640 -2.1963749

　ＣＳＶで出力した座標と一致しているはずです。

語数を変更

語数を変更すると結果がかわる

・左図は「語」の出現回数３回以上
・右図は「語」の出現回数１回以上の分析結果です。

　KHcoderからＲへ渡すデータが違えば分析結果が異なります。
　それにしても左図と右図では赤い四角の位置がずいぶん違うし、「海老」「サーモン」のような語がプロットされる位置が大きくことなります。

　分析対象テキストを確認してみましょう。

・「海老」は１０代で１回、４０代で２回出現しています。

　「海老」は、
・１０代の赤い四角と４０代の赤い四角を結んだ線上
・４０代方向へプロットしてもらいたいのですが、
・左図ではかなり下へプロットされます。

　違いをより明確に表現しているとはいえ、デフォルメしすぎ感を否めません。「海老」「サーモン」「サバ」などの位置は右図のほうがいい感じがします。

出力した.csvへタブローで接続する

　対応分析結果をＣＳＶで出力することができます。出力したＣＳＶをタブローで接続します。（エクセルよか他のＢＩツールでもＯＫ）
タブローの手順は、
・左の列名が抜けているので「語」にしました。
・列シェルフへＸ１
・行シェルフへＸ２を入れます。
・「色」と「形状」が「type」、サイズが「size」
・「ラベル」が「語」です。

　KHcoderと同じような描画が完成しました。

・「Frerency」をフィルターに設定して「３」以上に設定します。

　データは１「語」以上のＣＳＶだから、「語」数を変更しても座標が変化することはありません。何となくいい感じです。

　Ｒのグラフィック機能をまったく使いこなすことができない私でも、慣れたツールなら色を変えるとかフォントサイズを変えるようなことが簡単にできるメリットもあります。

＞KHcoder 16.　対応分析(第3回)