内輪の講習用に準備したものですが、公開します。 ここで示しているサンプルアンケートとその回答データは、以下の箇所からＤＬできます。 https://www.dropbox.com/sh/susco7eyp7dnnqc/AAAUOboZRPY_X7U3WYs3Dmnha?dl=0

1. SAS University Edition
を使おう
（データ処理の基礎編）
小山友介（芝浦工業大学）

2. はじめに：紙アンケートを入力したら・・・
 SASで即分析、とはいかない
 誤回答・誤入力があるかもしれない
→データクリーニング作業が必要
 SASプログラムのデータ読み込み部分
 変数が多いデータ：意外と面倒
 ただし，一度作れば使いまわせる

3. 実際の分析に入る前に取る手順
 大まかに以下の手順を踏むことが多い
① 「データ読み込み」だけのコード
② データクリーニング用コード
③ 単純集計の実施・確認
 回帰分析，多変量解析など
 2か3のコードに追記して作成
 ただし，別ファイルにして管理
 このスライドの目標：1~3ができるようになる

4. 今回の設定
 紙のアンケート用紙→手でExcel入力
→CSVで保存
 SASはxls形式は読めないため
 アンケートとデータ：DropBoxで公開
 https://www.dropbox.com/sh/susco7eyp7dnnqc/AAAUO
boZRPY_X7U3WYs3Dmnha?dl=0
 SAS関連の設定
 データフォルダ：myfolders
 myfoldersの下にSASSeminarというフォルダを作成
 SASSeminarフォルダにデータ・プログラムともに格納

5. アンケートの中身
 コンテンツ消費と創作活動に関する調査データ
 2010年に小山が講義中に取ったもの
 再分析しても価値なし
 かなり答えづらい＆入力しづらいアンケート
 分岐あり：「前の回答で〇番を選んだ人だけ」回答
 マルチアンサーあり
 詳細：質問紙＆入力結果のCSVファイル参照

6. データのCSVファイル（１）
 1行目に変数名
 SASには無視させる
 変数名：かなりややこしい
 ID：回答者ID
 フェイス項目：F
 F1，F21,F22,F3
 質問：ややこしい（要反省）
 大問：Q
 小問：SQ
 小問の下：2桁目で処理
 例：
 Q1の1-1の1つ目：Q1SQ111
 Q2の2-１の1つ目：Q2SQ211
SASで分析する前提なら、もっとましな質問番号で作ってました・・・

7. データのCSVファイル（２）
 無回答の欄に.（ピリオド）を入れておくこと
 入力時には空白となってるはず
 Excelの置換機能を使って空欄にピリオドを入れる
 検索する文字列の欄：空白
 置換後の文字列の欄；. のみ
 あとはエクセルが勝手にやってくれます

8. SASコード説明，その前に
 各ステートメント（命令）はセミコロン（；）で終わる
 １行の中に複数の命令を書いてもOK
 １つの命令を複数行に渡って書いてもOK
 アルファベットの大文字／小文字は区別されない
 各命令の間は半角スペースを一つ以上空ける
 いくつ空けてもスペースは1つとして処理
 /* */で囲まれた領域：注釈文
 プログラム実行中は無視される
 SASの解釈が結構間違える→バグ、エラーの温床
 注釈文の後にセミコロンを置いておくとバグらないのでおすすめ
 要注意：注釈で日本語→全角文字が紛れ込みやすい
一番厄介なのは全角スペース！！

9. STEP1
データ読み取りプログラム

10. データ読み込み用プログラム
 右：今回のプログラム
 お約束：深く考えなくてOK
 DATA 〇〇
 扱うデータ名の宣言
 データ読み込み作業前に必要
 RUNとQUIT
 プログラムを実行（RUN）
 処理が終わったら停止
（QUIT）
 PROC PRINT
 全データダンプするコマンド
 ちゃんと読めたかチェック
 命令の最後に；（セミコロン）
 命令が複数行：最後だけ；
DATA SEMINAR;
INFILE
"/folders/myfolders/SASSeminar/sample.csv"
DLM=',' FIRSTOBS=2 ;
INPUT ID F1 F21 F22 F3 Q1SQ101-Q1SQ107
Q1SQ201-Q1SQ204 Q1SQ301-Q1SQ305
Q1SQ401-Q1SQ406 Q1SQ501-Q1SQ504
Q2SQ111-Q2SQ114 Q2SQ121-Q2SQ125
Q2SQ131-Q2SQ134 Q2SQ141-Q2SQ148
Q2SQ211-Q2SQ215 Q2SQ221-Q2SQ228
Q301-Q307 Q4SQ101-Q4SQ107 Q4SQ2;
PROC PRINT;
RUN;
QUIT;

11. INFILE文：読み込み先を指定
 使い方
 INFILE ‘ファイルの場所’ オプション；
 ファイルの場所：SAS University Editionの場合
 /folders/myfolders/ の下
 myfolders・・・自分でVMに設定したフォルダ名
 フォルダの区切り文字：/（スラッシュ）
 でないことに注意
 オプション・・・詳細はヘルプ（or ググる）
 DLM=‘,‘ ←文字の区切りが,（カンマ）であるときの宣言
 標準はスペース区切り
 FIRSTOBS=2 ←2行目から読み始める
 標準は1行目から
欠損値の処理をしてないCSVファイルだと、DSDオプション必須

12. INPUT文：データを変数として格納
 使い方
 INPUT 変数名リスト;
 書かれた変数名リストの順番＝CSVファイル内のデータ順番
 変数の数が合わなかったらエラーが出る
 変数名リスト：連番は-（ハイフン）でつなげて一括指定可
 Q1SQ501-Q1SQ504 ←Q1SQ501からQ1SQ504まで

13. ここまで書いたら動作確認
 保存してから実行
 保存：CTRL＋Sか、フロッピーのアイコンをクリック
 実行：人が走ってるアイコン
 間違いをつぶしていく
 ログをよく読む
 ERRORやNOTEが出ていたら対処
 特にERRORは全対処
 エラーが出てなくてもおかしいことがある
 NOTEもちゃんと気にすること
 最後のPROC PRINTの結果をちゃんと確認する
 完全に終わるまで、次の工程に進まない
 全部無駄になるリスクがある

14. エラーの例
 右：ファイル名間違い
 csv でなく ｔｘｔ
 当然、ファイルが読めない
 エラー：赤文字の箇所
 真っ先に読むこと

15. NOTEの例（１）
 DLM=‘,’が無い場合
 大量のNOTE：青文字の箇所
 通常のシステムメッセージも青
 紛らわしいので注意
 区切り文字がおかしいので正しく読
み込めず、結果が出ない

16. NOTEの例（２）
 FIRSTOBS=2が無い場合
 大量のNOTE
 一応結果は出る
 1つ目のデータがおかしい
 集計するときに自動的に削除される
 その意味では無視できるが、データ数が
変わってしまってる
 ＋１されている
 何かの時にミスする危険

17. STEP2
データクリーニング用コード

18. データクリーニングの基本的な考え方
 その質問で「ありえない」回答を欠損値へ変換
 1~5で回答する質問で10
 前質問に「はい」の人だけ回答する質問に「いいえ」で回答
 チェック対象の変数：読み込んだ全変数
 そうでないと安心できない
 クリーニング済みデータ：新ファイルとして保存
 今後はこのデータを用いて分析
 元データもちゃんと残しておく
 クリーニング自体が間違ってる可能性がある
ネット調査だとこの手の問題は回答時点で撥ねてるので楽

19. データクリーニング用プログラム
 形式的にはデータ読み取
りプログラムへの追記
 別ファイルにして管理
 読み取り部分だけコピペ
 全変数をIF文でチェック
→ダメな値：欠損値に変換
 削除（DELETE）することも
DATA SEMINAR;
INFILE
"/folders/myfolders/SASSeminar/sample.csv"
DLM=',' FIRSTOBS=2 ;
INPUT ID F1 F21 F22 F3 Q1SQ101-Q1SQ107
Q1SQ201-Q1SQ204 Q1SQ301-Q1SQ305
Q1SQ401-Q1SQ406 Q1SQ501-Q1SQ504
Q2SQ111-Q2SQ114 Q2SQ121-Q2SQ125
Q2SQ131-Q2SQ134 Q2SQ141-Q2SQ148
Q2SQ211-Q2SQ215 Q2SQ221-Q2SQ228
Q301-Q307 Q4SQ101-Q4SQ107 Q4SQ2;
IF NOT(1<=F1<=2) THEN F1=.;
IF F21<1 THEN F21=.; IF F21>4 THEN F21=.;
（以下、・・・全変数のチェック）
PROC PRINT;
データ保存のコード
RUN; QUIT;

20. IF文：条件判定
 基本的な使い方
 IF （条件式） THEN （条件が真の時に行うこと）;
 例：F22・・・年齢
 IF F22<18 THEN F22=.; ←18より小さい場合，欠損値に
 「〇以上X以下」の判定をしたいとき
 IF文を2つ書くか、NOTステートメントを上手く使う
 例：以下の2つは同内容（F1・・・性別）
 IF NOT(1<=F1<=2) THEN F1=.;
 IF F1<1 THEN F1=.; IF F1>2 THEN F1=.;

21. （高度）同形式を大量にチェックする場合
 ARRAY＋DOループ
を使うと便利
 使い方
1. ARRAYの定義
 ARRAY リスト名 変数リスト;
 リスト名はX(3)のように変数の
総数を入れるが、X(*)と書くと
自動的に変数の総数が設定
2. DO ループで変数チェック
 HBOUND（X）
 「リスト名Xに含まれる変数の
最大数」の意味
 よくわからないなら、全変
数の判定式ベタ打ちでOK
ARRAY X(*) Q1SQ101-Q1SQ107
Q1SQ201-Q1SQ204 Q1SQ301-
Q1SQ305 Q1SQ401-Q1SQ406
Q1SQ501-Q1SQ504 Q301-Q307;
DO i=1 TO HBOUND(X);
IF NOT(1<=X(i)<=5) THEN X(i)=.;
END;
どうせ研究中に1回しか使わないプログラムです。わからなければベタでも確実な方法でOK

22. クリーニングデータの保存
 お約束：深く考えなくてOK
 別データとして設定＆保存
 DATA 〇〇2；
 名前は任意でOK
 SET 〇〇;
 読み込みデータの名前
 読み込みとほぼ同じ
 INFILE文→FILE文
 INPUT文→PUT文
 ファイル名：要変更！
 SAS：警告なしで上書きする
 一瞬で作業が台無しになる
DATA SEMINAR2;
SET SEMINAR;
FILE
"/folders/myfolders/SASSeminar/sample2.csv"
DLM=',';
PUT ID F1 F21 F22 F3 Q1SQ101-Q1SQ107
Q1SQ201-Q1SQ204 Q1SQ301-Q1SQ305
Q1SQ401-Q1SQ406 Q1SQ501-Q1SQ504
Q2SQ111-Q2SQ114 Q2SQ121-Q2SQ125
Q2SQ131-Q2SQ134 Q2SQ141-Q2SQ148
Q2SQ211-Q2SQ215 Q2SQ221-Q2SQ228
Q301-Q307 Q4SQ101-Q4SQ107 Q4SQ2;

23. STEP3
単純集計プログラム
おまけでクロス集計も

24. 単純集計・クロス集計の重要性
 データがちゃんとしてるか、本当の最終確認
 軽視して分析進めると、後でやり直すことも・・・
 凝った分析の結果
→単純集計・クロス集計ですでに傾向が出てる
 単純集計・クロス集計で「あたりをつける」ことが重要
 単純集計のための準備：どうせ後で使う
 フォーマットとラベルは分析中ずっと使う

25. ラベル（LABEL）
 各変数の名前のこと
 定義しておくと、集計結果に
自動的に反映される
 文字数制限がある
 集計コマンドより先に記述
LABEL F1=“性別”；
LABEL F21="学年";
LABEL F22="年齢";
LABEL F3="所属学科";
LABEL Q1SQ101="PS2やWiiなどの「据え置き
型マシン」のゲームで遊ぶ";
LABEL Q1SQ102="DSやPSPなどの「携帯型マ
シン」のゲームで遊ぶ";
LABEL Q1SQ103="携帯電話のゲームで遊ぶ";
LABEL Q1SQ104="PCのネットRPGを遊ぶ";
LABEL Q1SQ105="ハンゲームなどの，PCで遊
ぶカジュアルゲームで遊ぶ";
LABEL Q1SQ106="アドベンチャーやRPGなどの，
PCの非ネットゲームで遊ぶ";
LABEL Q1SQ107="ゲームセンターのゲームで
遊ぶ";
PS2やWiiなどの「据え置き型マシン」のゲームで遊ぶ
Q1SQ101 度数 パーセント
累積
度数
累積
パーセント
欠損値の度数 = 1
1 16 16.33 16 16.33
2 15 15.31 31 31.63
3 31 31.63 62 63.27
4 16 16.33 78 79.59
5 20 20.41 98 100.00

26. フォーマット（FORMAT）
 変数の値へ言葉（意味）を割当
 定義方法：右参照
 PROC FORMAT;で始めて各VALUE
の定義を書く
 VALUEの隣
 その回答パターンの名前
 定義は全体で1命令
→;は最後だけ
 複数の値に同じ言葉を割当可能
 LABEL同様，集計コマンドより先に
記述する
PROC FORMAT ;
VALUE LITKERT4V
1='あてはまる'
2='ややあてはまる‘
3='あまりあてはまらない‘
4='あてはまらない‘
;
VALUE LITKERT4VTO2V
1-2='あてはまる'
3-4='あてはまらない‘
;

27. FREQ文：度数分布表作成
 使い方
 PROC FREQ;
 FORMAT 設定;
 詳細は次スライド
 TABLES 変数リスト;
 変数リストの度数分布表
が作成される
 PROC FREQのみも可
 全変数の度数分布表
 IDが全部出るのが厄介
PROC FREQ;
FORMAT F1 F1V. F3 F3V. Q1SQ101-
Q1SQ107 Q1SQ201-Q1SQ204 Q1A.
Q1SQ301-Q1SQ305 Q1B. Q1SQ401-
Q1SQ406 Q1SQ501-Q1SQ504 Q1A.
Q2SQ111 Q21V. Q2SQ121-Q2SQ125
Q2SQ131-Q2SQ134 Q2SQ141-Q2SQ148
Q2SQ211-Q2SQ215 Q2SQ221-Q2SQ228 YN.
Q301-Q307 Q3V. Q4SQ101-Q4SQ107 Q4V.;
TABLES F1 F21 F22 F3 Q1SQ101-Q1SQ107
Q1SQ201-Q1SQ204 Q1SQ301-Q1SQ305
Q1SQ401-Q1SQ406 Q1SQ501-Q1SQ504
Q2SQ111-Q2SQ114 Q2SQ121-Q2SQ125
Q2SQ131-Q2SQ134 Q2SQ141-Q2SQ148
Q2SQ211-Q2SQ215 Q2SQ221-Q2SQ228
Q301-Q307 Q4SQ101-Q4SQ107 Q4SQ2;

28. PROC FREQでのフォーマット指定
 PROC FREQ;の次に書く
 TABLESより前に書く
 FORMATの後，変数名（リスト）
とフォーマット形式をペアにして
書く
 フォーマットにはフォーマット名の次
にピリオドを入れる
 右の例：
 F1 でしか使わないフォーマットを
F1Vと定義してF1の次に記述
 Q1SQ101からQ1SQ204までは同
じフォーマットQ1Aを利用
FORMAT F1 F1V.
F3 F3V. Q1SQ101-
Q1SQ107
Q1SQ201-Q1SQ204
Q1A. Q1SQ301-
Q1SQ305 Q1B.
（以下省略）;

29. 出力例
DSやPSPなどの「携帯型マシン」のゲームで遊ぶ
Q1SQ102 度数 パーセント
累積
度数
累積
パーセント
全くない 18 18.18 18 18.18
年に数回 13 13.13 31 31.31
月に一度 23 23.23 54 54.55
週に一度 19 19.19 73 73.74
週に複数 26 26.26 99 100.00
性別
F1 度数 パーセント
累積
度数
累積
パーセント
欠損値の度数 = 1
男性 90 91.84 90 91.84
女性 8 8.16 98 100.00
ケータイ小説を読む
Q1SQ406 度数 パーセント
累積
度数
累積
パーセント
全くない 80 80.81 80 80.81
年に数回 12 12.12 92 92.93
月に一度 3 3.03 95 95.96
週に一度 1 1.01 96 96.97
週に複数 3 3.03 99 100.00

30. おまけ：クロス集計
 TABLESの項目で変数をかけ算で表現すると
クロス集計になる
 例：TABLES F1 * F21;
 F1とF21のクロス集計
 3つかけると3重クロス集計，4，5，…も可能
 同じ変数を何度も使うとき，数式の分配法則のように
使える
 例：TABLES F1 * (F21 F22); 表 : F1 * F21
F1(性別)
F21(学年)
1 2 3 合計
男性 68
70.10
76.40
89.47
18
18.56
20.22
100.00
3
3.09
3.37
100.00
89
91.75
女性 8
8.25
100.00
10.53
0
0.00
0.00
0.00
0
0.00
0.00
0.00
8
8.25
合計 76
78.35
18
18.56
3
3.09
97
100.00
欠損値の度数 = 2

31. まとめ的な何か
 SASプログラム：DATAステップとPROCステップで構成
 DATAステップ：データ取込・加工・新パラメータ定義など
 コマンド：ステートメントと呼ぶ
 PROCステップ：集計・各種分析
 コマンド：プロシージャと呼ぶ
 今回の内容：ほとんどDATAステップ
 データの読取＆クリーニング：DATAステップ
 単純集計
 ラベルとフォーマット：DATAステップ
 PROC FREQ関連のみPROCステップ

32. 今後は・・・
 PROC FREQを別の命令に変更→いろいろできます
 MEANS:平均, REG:回帰分析,LOGISTIC：ロジット回
帰,FACTOR：因子分析,PRINCOMP：主成分分析…
 それぞれの使い方はヘルプ・マニュアルなどを参照
 凝ったことをするには，このスライドではまだ不十分
 DATAステップでもまだまだ学ぶことがある
 集計結果をデータとして取り出して次の分析で使うとか・・・
 PROCステップ：基本の「き」だけ
 いろいろ遊んでみたら覚えるの早いですよ
 続きのスライド：そのうちつくるかも
年単位で気長にお待ちください