はじめに

データ分析のためのプログラム言語「R」を使って，社会科学系分野におけるデータ分析の方法を説明する。最小限の準備で実際にデータを分析できるようになることを目指している。そのために，Dockerを使って研究環境を構築し，よく用いられる分析方法をテンプレート化する。

現在のところ，体系的な内容というよりは，思いついた部分から執筆しているため，いろいろな資料と合わせて読んでほしい。とくにおすすめのページは以下。

• 関西大学の宋先生と高知工科大学の矢内先生による「私たちのR：ベストプラクティスの探求」
• 静岡理工科大学の津田裕之先生による「Rによる統計入門」
• 北海道大学の土居先生による「R/Pythonで計量政治学入門」
• 立命館大学の森先生による「卒業論文のためのR入門」

データ分析は，ビジネスにおいても学術研究においても重要なツール。データ分析のスキルを身につければ，さまざまな分野に応用することができる。そのためには，統計学の理論を勉強することも重要だが，実際にデータを収集して分析することができなければせっかくの理論も役に立たない。理論と実践をバランス良く学ぶことが重要。

ExcelではなくRを使うことのメリットは，プログラムによって柔軟で効率的な分析ができること。Excelはあくまで表計算ソフトであり，データを分析するための機能は限定的。ExcelでもVBAやマクロを用いればかなりのことができるが，Rでプログラムすれば同じことをより簡単にできるので，無理してExcelでやろうとするメリットは少ない (Excelにはほかに使い途がある)。

もうひとつ重要なのは，分析結果の再現性を担保しやすいこと。Excelは，作業済みのファイルを見ても，データをどのように整理，加工して，分析したかという作業のプロセスがわかりづらい。そのため，同じ元データから同じ分析結果を再現するためには，作業プロセスの1つ1つをメモに残すなどの工夫が必要。それに対して，Rは作業のプロセスをコードとして残しておけば，同じ元データに対して同じコードを実行することで結果を再現することが可能。

Rはオープンソースなので，だれでも無料で利用できる。全世界に多数のユーザーがいるため，使い方についてさまざまな情報がインターネットで手に入る。また，最新の分析手法を実装したパッケージが絶えず開発されリリースされており，おカネをかけずに最新のデータ分析環境を構築することができる。また，Rはデータ分析に特化した言語であるため汎用性はあまりないが，その分文法は直感的で学習しやすい。

もちろん，データ分析のための言語はR一択というわけではない。とくに機械学習の分野ではPythonを使っている人も多い。最近ではJuliaという言語も注目されている。有償のソフトウェアとしては，SPSSやStata，SASなどもある。どのような分野のデータを分析するのかや，どのような分析手法を用いるのかによって最適な言語やソフトウェアは異なるが，まずは無償でユーザーが多く，情報が入手しやすいRかPythonからはじめてみるのが良いだろう。できれば，メインで利用するソフトウェアとは別に，もう1つか2つ言語を使えるようにしておくと，ほかの人との共同作業もスムーズに進むだろう。