すべてのカテゴリ

EZRやRにExcelデータを読み込ませた瞬間、画面が赤文字のエラーで埋め尽くされたり、狙った変数が選択肢に出てこなかったりして手が止まってしまう。そんなご経験はありませんか？「EZRはマウス操作だから簡単」というイメージはありますが、裏で動いているエンジンはRです。そのため、データの不備には容赦がありません。実は解析そのものよりも「データを綺麗に整える工程（前処理）」に時間がかかっています。今回は、その最大の原因である「表記ゆれ」がなぜエラーを引き起こすのか、そして事前にどう防げるのかを解説します。Excelの「便利さ」がEZR/Rでは「致命的エラー」になるExcelは非常に優秀なので、1つの列の中に数字・文字列・空欄が混ざっていても問題なく表示してくれます。しかし、EZR/Rは「データ型」に対して極めて厳格です。データ型が壊れて変数が選べなくなる 1つの列（変数）は「数値型」か「文字型」のどちらか1つしか持てません。数値の列に「1.5mg/dl（単位入り）」や「測定不能」が1つでも入ると、EZR/Rはその列全体を「文字型」と判定してしまいます。その結果、t検定や平均値の算出をしようとしても、EZRの選択肢リストにその変数自体が表示されなくなります。カテゴリの不必要な分裂が起きる 「Male」「male」「Male （末尾スペース）」は、人間には同じ「男性」に見えても、EZR/Rにとっては完全に別の3グループです。2群比較をしようとしても「群が3つ以上あります」と弾かれてしまいます。データでよく見かける「表記ゆれ」あるあるよく遭遇する、解析を一瞬でストップさせる典型パターンで