#以下を実行したときに表示されるフォルダ名にデータ（v08c4tv.csv）を置いてください．

getwd()

#データの読み込み

c4tv <- read.csv("v08c4tv.csv")

#問1

#購入意向は0と1という値を持つ変数．

#jitter()でこの変数に小さな乱数の値を足している．それにより散布図で重なっている部分をばらけさせる．

#0.1の部分を大きくするとより広い範囲に，小さくすると狭い範囲にばらけさせることができる．

c4purchase<-jitter(c4tv$購入意向,0.1)

#散布図の描画．

plot(c4tv$高級志向度, c4purchase, xlab="高級志向度", ylab="購入か否か")

#単回帰分析lm(基準変数~予測変数)で分析できる．

c4lm <- lm(購入意向~ 高級志向度, data = c4tv)

summary(c4lm)

#abline(回帰分析の結果)で回帰直線を描画できる．散布図に上書き．

abline(c4lm, col = "blue")

#問2

#subset()で高級志向度が4，5，6のいずれかに該当する行のみを取り出すなどをおこなっている．

#%in% c(4,5,6)で，高級志向度が4，5，6なら条件に合うと判定．

c4tv04_06 <- subset(c4tv, 高級志向度 %in% c(4,5,6))

c4tv07_09 <- subset(c4tv, 高級志向度 %in% c(7,8,9))

c4tv10_12 <- subset(c4tv, 高級志向度 %in% c(10,11,12))

c4tv13_15 <- subset(c4tv, 高級志向度 %in% c(13,14,15))

c4tv16_18 <- subset(c4tv, 高級志向度 %in% c(16,17,18))

c4tv19_20 <- subset(c4tv, 高級志向度 %in% c(19,20))

#たとえば高級志向が4，5，6の人の中で，購入すると答えた人の割合を算出．

#購入しない=0，購入する=1なので，sum()部分で合計することで購入する人数を算出．

#nrow()部分は，データの行数=高級志向度4，5，6の人数を算出している．

c4ratio <- c(sum(c4tv04_06$購入意向)/nrow(c4tv04_06),

sum(c4tv07_09$購入意向)/nrow(c4tv07_09),

sum(c4tv10_12$購入意向)/nrow(c4tv10_12),

sum(c4tv13_15$購入意向)/nrow(c4tv13_15),

sum(c4tv16_18$購入意向)/nrow(c4tv16_18),

sum(c4tv19_20$購入意向)/nrow(c4tv19_20))

#横軸の値の設定．高級志向度4，5，6の場合，横軸の値を5としている．

c4value <- c(5,8,11,14,17,19.5)

#折れ線グラフの描画，散布図に上書き．

lines(c4value, c4ratio)

#問3

#ロジスティック回帰分析

c4logireg1<-glm(購入意向 ~ 高級志向度, data = c4tv, family = binomial)

summary(c4logireg1)

#予測変数に4から20までの値を与える．予測変数はデータフレーム化しておく必要がある．

c4newdata1 = data.frame("高級志向度" = c(4:20))

#4から20までの値について確率を計算．predict(回帰分析の結果, 予測変数の値, type)．typeはresponseにしておかないと確率を予測できない．

c4predict1 <- predict(c4logireg1, c4newdata1, type = "response")

#折れ線グラフの描画，散布図に上書き．

lines(c4newdata1$"高級志向度", c4predict1, col = "red")

#問4

#9〜11の確率

predict(c4logireg1, data.frame("高級志向度" = c(9:11)), type = "response")

#9〜11のオッズ．predict()でtypeを設定しない(もしくはlinkと設定)とオッズの対数，つまりロジット（5章参照）が求まる．

#オッズの対数なので，指数変換すればオッズが求められる．

(c4odds <- exp(predict(c4logireg1, data.frame("高級志向度" = c(9:11)))))

#参考：上記計算でオッズを求められていることの確認．

0.3885635/(1-0.3885635)

#オッズ比，2つのオッズの割り算．c4odds[1]が高級志向度9，2なら10，3なら11．

c4odds[2]/c4odds[1]

c4odds[3]/c4odds[2]

#オッズ比はexp(傾き)になる．

exp(c4logireg1$coefficient[2])

#問5

#ロジスティック回帰分析

c4logireg2<-glm(購入意向 ~ 高級志向度 + 基本性能重視度, data = c4tv, family = binomial)

summary(c4logireg2)

#高級志向度，基本性能重視度ともに10のデータフレームを作成して予測．

predict(c4logireg2, data.frame("高級志向度" = 10, "基本性能重視度" = 10), type = "response")

#====================================================

#2022.09.09 齋藤朗宏・荘島宏二郎