# 得票率の記述統計:2が正解
sum(is.finite(dta$Vote100))[1] 18
mean(dta$Vote100, na.rm = TRUE)[1] 51.98107
sd(dta$Vote100, na.rm = TRUE)[1] 5.28013
min(dta$Vote100, na.rm = TRUE)[1] 44.5481
max(dta$Vote100, na.rm = TRUE)[1] 61.7861
締切:2026年11月15日24:00
注意:この課題のデータはWebClassの「第7回R実習課題データ(大統領選挙)」から入手できる。添付資料07_USPresident.RDSをダウンロードした上で、授業の手順に沿ってPositCloud上にアップロードし、R上にインポートすること。成功すればデータはdtaというオブジェクトに格納されているはずである。
このデータは1948年から2016年までのアメリカ大統領選挙に関するデータである。これをRで分析し、経済成長(=実質所得が増えること)が与党候補の得票率に与える影響を考察してみよう。なお、コードブックは以下の通り。
問1:与党候補の得票率の記述統計として正しいものを以下から選びなさい(小数点3位以下は四捨五入)。
# 得票率の記述統計:2が正解
sum(is.finite(dta$Vote100))[1] 18
mean(dta$Vote100, na.rm = TRUE)[1] 51.98107
sd(dta$Vote100, na.rm = TRUE)[1] 5.28013
min(dta$Vote100, na.rm = TRUE)[1] 44.5481
max(dta$Vote100, na.rm = TRUE)[1] 61.7861
問2:前回選挙からの実質可処分所得の変化の記述統計として正しいものを以下から選びなさい(小数点3位以下は四捨五入)。
# 前回選挙からの実質可処分所得の変化の記述統計:4が正解
sum(is.finite(dta$RDI))[1] 18
mean(dta$RDI, na.rm = TRUE)[1] 2.66213
sd(dta$RDI, na.rm = TRUE)[1] 1.695629
min(dta$RDI, na.rm = TRUE)[1] -0.4444883
max(dta$RDI, na.rm = TRUE)[1] 5.967757
問3:実質可処分所得の変化を横軸、現職得票率を縦軸とした散布図を作成するコマンドは次のうちどちらか。
plot(dta$RDI, dta$Vote100)◯plot(dta$Vote100, dta$RDI)plot(dta$RDI, dta$term)plot(dta$RDI, dta$Reelection)問4:問3の正しいコマンドを実行した結果出力されるグラフは次のうちどれか。(正解は1)




plot(dta$RDI, dta$Vote100)
問5:実質可処分所得の変化を独立変数、現職得票率を従属変数として二変量回帰分析を実行するコマンドは次のうちどれか。なお結果はOLSResultというオブジェクトに保存するものとする。
OLSResult <- lm(RDI ~ Reelection, data = dta)OLSResult <- lm(RDI ~ Vote100, data = dta)OLSResult <- lm(Vote100 ~ RDI, data = dta)◯OLSResult <- lm(Vote100 ~ term, data = dta)問6:問5の正しいコマンドを実行した結果の解釈として正しいものを次から全て選べ。
# 正解は1、2、5
OLSResult <- lm(Vote100 ~ RDI, data = dta)
summary(OLSResult)
Call:
lm(formula = Vote100 ~ RDI, data = dta)
Residuals:
Min 1Q Median 3Q Max
-5.9735 -1.6769 -0.4575 2.7576 7.5961
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 46.1157 1.7224 26.774 1.02e-14 ***
RDI 2.2033 0.5501 4.005 0.00102 **
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 3.846 on 16 degrees of freedom
Multiple R-squared: 0.5006, Adjusted R-squared: 0.4694
F-statistic: 16.04 on 1 and 16 DF, p-value: 0.001021
問7:同じデータを使って、現職が立候補している場合としていない場合でそれぞれ回帰分析を行い、結果を比較したい。この時実行すべき正しいコマンドは次のうちどれか、全て選べ。なお現職立候補の結果はOLSResult_Incum、現職不出馬の結果はOLS_Result_NoIncumというオブジェクトにそれぞれ格納するものとする。
OLSResult_Incum <- lm(Vote100 ~ RDI, data = dta, subset = (Reelection == 1))◯OLSResult_Incum <- lm(Vote100 ~ RDI, data = dta, subset = (Reelection == 0))OLSResult_NoIncum <- lm(Vote100 ~ RDI, data = dta, subset = (Reelection == 0))◯OLSResult_NoIncum <- lm(Vote100 ~ RDI, data = dta, subset = (Reelection == 1))問8:問7の正しいコマンドを実行した結果の解釈として正しいものを次から全て選べ。
# 正解は1, 3
# 現職立候補
OLSResult_Incum <- lm(Vote100 ~ RDI, data = dta, subset = (Reelection == 1))
summary(OLSResult_Incum)
Call:
lm(formula = Vote100 ~ RDI, data = dta, subset = (Reelection ==
1))
Residuals:
Min 1Q Median 3Q Max
-3.369 -2.482 -1.586 2.588 5.574
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 47.3546 2.2315 21.221 1.3e-07 ***
RDI 2.4169 0.6152 3.928 0.00569 **
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 3.347 on 7 degrees of freedom
Multiple R-squared: 0.688, Adjusted R-squared: 0.6434
F-statistic: 15.43 on 1 and 7 DF, p-value: 0.005687
# 現職不出馬
OLSResult_NoIncum <- lm(Vote100 ~ RDI, data = dta, subset = (Reelection == 0))
summary(OLSResult_NoIncum)
Call:
lm(formula = Vote100 ~ RDI, data = dta, subset = (Reelection ==
0))
Residuals:
Min 1Q Median 3Q Max
-4.1348 -1.5920 -0.0031 2.0362 3.7920
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 47.4908 1.8614 25.513 3.63e-08 ***
RDI 0.6986 0.7330 0.953 0.372
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 2.853 on 7 degrees of freedom
Multiple R-squared: 0.1149, Adjusted R-squared: -0.01158
F-statistic: 0.9084 on 1 and 7 DF, p-value: 0.3723