---
title: "統計データ解析"
subtitle: "第7講 実習"
date: "`r Sys.Date()`"
format:
    html: 
      toc: true
      html-math-method: katex
      self-contained: true
      grid: 
        margin-width: 350px
execute: 
  echo: true
  warning: false
reference-location: margin
citation-location: margin
tbl-cap-location: margin
fig-cap-location: margin
editor: visual
editor_options: 
  chunk_output_type: console
---

## 準備

以下で利用する共通パッケージを読み込む．

```{r}
library(conflicted) # 関数名の衝突を警告
conflicts_prefer(   # 優先的に使う関数を指定
  dplyr::filter(),
  dplyr::select(),
  dplyr::lag(),
  )
library(tidyverse)  
library(broom)      # 解析結果を tibble 形式に集約
library(gt)         # 表の作成
library(gtsummary)  # 分析結果の表の作成
library(ggfortify)  # biplot表示のため
```

## 寄与率・累積寄与率

### 問題

標準化の有無の違いで寄与率・累積寄与率がどのように異なるか確認しなさい．

``` r
prcomp(toy_data)                # 標準化を行わない場合
prcomp(toy_data, scale. = TRUE) # 標準化を行う場合
```

::: column-margin
正式なオプション名は `scale.` であるが，`sc = TRUE` など他のオプションと区別できれば短縮表記も可能．
:::

-   `japan_social.csv` の読み込み方の例

    ``` r
        js_data <- read_csv("data/japan_social.csv") |>
            mutate(Area = as_factor(Area))
    ```

-   `MASS::UScereal` の整理の例

    ``` r
    glimpse(MASS::UScereal) # 各変数の属性を確認する．
    uc_data <- MASS::UScereal |>
        rownames_to_column(var = "product") |> # 行名の製品名を列に加える
        as_tibble() 
    ```

    ::: column-margin
    `base R` の `data.frame` 型なので tibble 型に変換しておく．
    :::

```{r}

```

## 主成分分析の視覚化

### 問題

それぞれのデータの主成分分析の結果を利用してバイプロットによる可視化を行いなさい．

-   標準化したデータでの主成分分析を行いなさい．
-   第1主成分と第2主成分でのバイプロットを描きなさい．
-   第2主成分と第3主成分でのバイプロットを描きなさい．

``` r
autoplot(prcompの結果, x = x軸成分, y = y軸成分) # 主成分の指定
```

```{r}

```