SlideShare a Scribd company logo
1 of 12
Copyright © SAS Institute Inc. All rights reserved.
SAS Visual Analytics 8.3 における
クロス集計表の作成と可視化
SAS Institute Japan 株式会社
アカデミア推進室
Copyright © SAS Institute Inc. All rights reserved.
はじめに
テーマ:人口増加
女性の社会進出が活発化して、仕事と育児の両立が求められるよう
になってきたことから「育児が働く女性の重荷になっている」とい
う仮説を立てました。
• 日本の統計が閲覧できる政府統計ポータルサイトe-Stat
(https://www.e-stat.go.jp/)の統計データから分析。
• データセット情報:就業構造基本調査 / 平成29年就業構造基本調査 / 都
道府県編(全国,全国市部,都道府県,都道府県市部,政令指定都市)
人口・就業に関する統計表
• 男女別で育児活動の有無による就業希望者数・求職者数の比較を
することで分析。
Copyright © SAS Institute Inc. All rights reserved.
利用するデータの選択
左側にある をクリック。別スライド「SAS Visual Analytics 8.3 における
データのインポート時の注意点」でインポートした「育児有無別_就業希望
人口」というデータがあるので、それを選択します。
Copyright © SAS Institute Inc. All rights reserved.
クロス表の作成
オブジェクト の中から、クロス表を選択します。
右側に表示されるデータ役割の列・行・メジャーを追加します。
追加したもの
メジャー:就職者、就職希望者
行:男女、年齢
列:育児有無・育児休有無
Copyright © SAS Institute Inc. All rights reserved.
クロス表の作成
必要なデータだけを抽出し見やすくするために、フィルタを使います。
フィルタの新規作成を選択し、それぞれのカテゴリやメジャーから必
要でない項目の☑マークを外します。
Copyright © SAS Institute Inc. All rights reserved.
クロス表の作成
フィルタ
• 育児有無のみ
• 男女から総数を消す
• 地域区分を全国のみ
にする
• 対象年齢を絞る
Copyright © SAS Institute Inc. All rights reserved.
グラフの作成
(円グラフ)
オブジェクト から「円グラフ」を選択し、クロス表の時と同様に
利用するカテゴリ・メジャーを選択→フィルタで抽出します。
Copyright © SAS Institute Inc. All rights reserved.
グラフの作成
(円グラフ)
追加したもの
メジャー:就業希望者、求職者
(それぞれのグラフに)
カテゴリ:育児有無・育児休有無
グループ:男女
フィルタ
• 育児有無のみ
• 男女から総数を消す
• 地域区分を全国のみにする
• 対象年齢を絞る
Copyright © SAS Institute Inc. All rights reserved.
グラフの作成
(棒グラフ)
棒グラフも円グラフと同様にして作成します。グラフに起こすことで
クロス表に並んだ数字が可視化され、比較しやすくなります。
Copyright © SAS Institute Inc. All rights reserved.
グラフの作成
(棒グラフ)
追加したもの
メジャー:就業希望者、求職者
カテゴリ:男女
格子列:育児有無・育児休有無
フィルタ
• 育児有無のみ
• 男女から総数を消す
• 地域区分を全国のみにする
• 対象年齢を絞る
Copyright © SAS Institute Inc. All rights reserved.
グラフの作成
(棒グラフ)
地域区分を各都道府
県・市区町村ごとに比
較したい場合、ページ
コントロールを地域区
分で追加すると扱いや
すいです。
(左側の を選択した
後、カテゴリの地域区
分の上で右クリック)
Copyright © SAS Institute Inc. All rights reserved.
結果と仮説の検証
仮説:「育児が働く女性の重荷になっている」
グラフから、下記の結果が得られます。
• 女性の中で育児の有無により求職者数には大きな差がない一方、
就業希望者数にはおよそ1.75倍の差がある。
• 育児をしている女性の就業希望者数と求職者数には、男性に比べ
て大きな差がある。
これらより、女性が働くことに育児が何かしら影響していること
がわかります。

More Related Content

What's hot

UDC2016キックオフ 新拠点紹介 岐阜
UDC2016キックオフ 新拠点紹介 岐阜UDC2016キックオフ 新拠点紹介 岐阜
UDC2016キックオフ 新拠点紹介 岐阜CSISi
 
青森市営バスのその筋屋を用いたデータ整備事例
青森市営バスのその筋屋を用いたデータ整備事例青森市営バスのその筋屋を用いたデータ整備事例
青森市営バスのその筋屋を用いたデータ整備事例Masaki Ito
 
UDC2016中間シンポジウム-intro
UDC2016中間シンポジウム-introUDC2016中間シンポジウム-intro
UDC2016中間シンポジウム-introCSISi
 
UDC2016キックオフ 新拠点紹介 京都
UDC2016キックオフ 新拠点紹介 京都UDC2016キックオフ 新拠点紹介 京都
UDC2016キックオフ 新拠点紹介 京都CSISi
 
公的統計擬似ミクロデータのRへの読込み
公的統計擬似ミクロデータのRへの読込み公的統計擬似ミクロデータのRへの読込み
公的統計擬似ミクロデータのRへの読込みwada, kazumi
 
Research on Creation and Application of Vacant Houses Database
Research on Creation and Application of Vacant Houses DatabaseResearch on Creation and Application of Vacant Houses Database
Research on Creation and Application of Vacant Houses DatabaseTaro Mori
 
公共交通オープンデータ この1年を振り返る
公共交通オープンデータ この1年を振り返る公共交通オープンデータ この1年を振り返る
公共交通オープンデータ この1年を振り返るMasaki Ito
 
20181110[16th bms]inKUMAGAYA data&map
20181110[16th bms]inKUMAGAYA data&map20181110[16th bms]inKUMAGAYA data&map
20181110[16th bms]inKUMAGAYA data&mapKenji Morohoshi
 
アーバンデータチャレンジ2016開催に向けて
アーバンデータチャレンジ2016開催に向けてアーバンデータチャレンジ2016開催に向けて
アーバンデータチャレンジ2016開催に向けてCSISi
 
標準的なバス情報フォーマットによるオープンデータを始めよう −地域交通をより身近にするために−
標準的なバス情報フォーマットによるオープンデータを始めよう −地域交通をより身近にするために−標準的なバス情報フォーマットによるオープンデータを始めよう −地域交通をより身近にするために−
標準的なバス情報フォーマットによるオープンデータを始めよう −地域交通をより身近にするために−Masaki Ito
 
Tips for creating machine friendly data
Tips for creating machine friendly dataTips for creating machine friendly data
Tips for creating machine friendly data康雄 内田
 
UDCaichi2016 kickoff 20160715 report
UDCaichi2016 kickoff 20160715 reportUDCaichi2016 kickoff 20160715 report
UDCaichi2016 kickoff 20160715 reportNobuo Kawaguchi
 
東京メトロオープンデータから実際の遅延情報を取得してみた
東京メトロオープンデータから実際の遅延情報を取得してみた東京メトロオープンデータから実際の遅延情報を取得してみた
東京メトロオープンデータから実際の遅延情報を取得してみたSatoshi Hyuga
 
UDC2016中間シンポジウム_オープンガバメント推進協議会
UDC2016中間シンポジウム_オープンガバメント推進協議会UDC2016中間シンポジウム_オープンガバメント推進協議会
UDC2016中間シンポジウム_オープンガバメント推進協議会CSISi
 
LODチャレンジ Japan 2013 基盤提供パートナー賞 アプリクリエータ賞
LODチャレンジ Japan 2013 基盤提供パートナー賞 アプリクリエータ賞LODチャレンジ Japan 2013 基盤提供パートナー賞 アプリクリエータ賞
LODチャレンジ Japan 2013 基盤提供パートナー賞 アプリクリエータ賞Linked Open Dataチャレンジ実行委員会
 
LT_hannari python45th_20220121_2355
LT_hannari python45th_20220121_2355LT_hannari python45th_20220121_2355
LT_hannari python45th_20220121_2355博三 太田
 
交通データの標準化・オープン化とその先へ −ITによる交通イノベーションに向けて−
交通データの標準化・オープン化とその先へ −ITによる交通イノベーションに向けて−交通データの標準化・オープン化とその先へ −ITによる交通イノベーションに向けて−
交通データの標準化・オープン化とその先へ −ITによる交通イノベーションに向けて−Masaki Ito
 
標準的なバス情報フォーマットによるオープンデータを始めよう −データで地域交通をより便利に−
標準的なバス情報フォーマットによるオープンデータを始めよう −データで地域交通をより便利に−標準的なバス情報フォーマットによるオープンデータを始めよう −データで地域交通をより便利に−
標準的なバス情報フォーマットによるオープンデータを始めよう −データで地域交通をより便利に−Masaki Ito
 
東京公共交通オープンデータから標準的なバス情報フォーマットを作る
東京公共交通オープンデータから標準的なバス情報フォーマットを作る東京公共交通オープンデータから標準的なバス情報フォーマットを作る
東京公共交通オープンデータから標準的なバス情報フォーマットを作るMasaki Ito
 

What's hot (20)

UDC2016キックオフ 新拠点紹介 岐阜
UDC2016キックオフ 新拠点紹介 岐阜UDC2016キックオフ 新拠点紹介 岐阜
UDC2016キックオフ 新拠点紹介 岐阜
 
青森市営バスのその筋屋を用いたデータ整備事例
青森市営バスのその筋屋を用いたデータ整備事例青森市営バスのその筋屋を用いたデータ整備事例
青森市営バスのその筋屋を用いたデータ整備事例
 
UDC2016中間シンポジウム-intro
UDC2016中間シンポジウム-introUDC2016中間シンポジウム-intro
UDC2016中間シンポジウム-intro
 
UDC2016キックオフ 新拠点紹介 京都
UDC2016キックオフ 新拠点紹介 京都UDC2016キックオフ 新拠点紹介 京都
UDC2016キックオフ 新拠点紹介 京都
 
LODチャレンジ Japan 2013 スポンサー賞 日本マイクロソフト賞
LODチャレンジ Japan 2013 スポンサー賞 日本マイクロソフト賞LODチャレンジ Japan 2013 スポンサー賞 日本マイクロソフト賞
LODチャレンジ Japan 2013 スポンサー賞 日本マイクロソフト賞
 
公的統計擬似ミクロデータのRへの読込み
公的統計擬似ミクロデータのRへの読込み公的統計擬似ミクロデータのRへの読込み
公的統計擬似ミクロデータのRへの読込み
 
Research on Creation and Application of Vacant Houses Database
Research on Creation and Application of Vacant Houses DatabaseResearch on Creation and Application of Vacant Houses Database
Research on Creation and Application of Vacant Houses Database
 
公共交通オープンデータ この1年を振り返る
公共交通オープンデータ この1年を振り返る公共交通オープンデータ この1年を振り返る
公共交通オープンデータ この1年を振り返る
 
20181110[16th bms]inKUMAGAYA data&map
20181110[16th bms]inKUMAGAYA data&map20181110[16th bms]inKUMAGAYA data&map
20181110[16th bms]inKUMAGAYA data&map
 
アーバンデータチャレンジ2016開催に向けて
アーバンデータチャレンジ2016開催に向けてアーバンデータチャレンジ2016開催に向けて
アーバンデータチャレンジ2016開催に向けて
 
標準的なバス情報フォーマットによるオープンデータを始めよう −地域交通をより身近にするために−
標準的なバス情報フォーマットによるオープンデータを始めよう −地域交通をより身近にするために−標準的なバス情報フォーマットによるオープンデータを始めよう −地域交通をより身近にするために−
標準的なバス情報フォーマットによるオープンデータを始めよう −地域交通をより身近にするために−
 
Tips for creating machine friendly data
Tips for creating machine friendly dataTips for creating machine friendly data
Tips for creating machine friendly data
 
UDCaichi2016 kickoff 20160715 report
UDCaichi2016 kickoff 20160715 reportUDCaichi2016 kickoff 20160715 report
UDCaichi2016 kickoff 20160715 report
 
東京メトロオープンデータから実際の遅延情報を取得してみた
東京メトロオープンデータから実際の遅延情報を取得してみた東京メトロオープンデータから実際の遅延情報を取得してみた
東京メトロオープンデータから実際の遅延情報を取得してみた
 
UDC2016中間シンポジウム_オープンガバメント推進協議会
UDC2016中間シンポジウム_オープンガバメント推進協議会UDC2016中間シンポジウム_オープンガバメント推進協議会
UDC2016中間シンポジウム_オープンガバメント推進協議会
 
LODチャレンジ Japan 2013 基盤提供パートナー賞 アプリクリエータ賞
LODチャレンジ Japan 2013 基盤提供パートナー賞 アプリクリエータ賞LODチャレンジ Japan 2013 基盤提供パートナー賞 アプリクリエータ賞
LODチャレンジ Japan 2013 基盤提供パートナー賞 アプリクリエータ賞
 
LT_hannari python45th_20220121_2355
LT_hannari python45th_20220121_2355LT_hannari python45th_20220121_2355
LT_hannari python45th_20220121_2355
 
交通データの標準化・オープン化とその先へ −ITによる交通イノベーションに向けて−
交通データの標準化・オープン化とその先へ −ITによる交通イノベーションに向けて−交通データの標準化・オープン化とその先へ −ITによる交通イノベーションに向けて−
交通データの標準化・オープン化とその先へ −ITによる交通イノベーションに向けて−
 
標準的なバス情報フォーマットによるオープンデータを始めよう −データで地域交通をより便利に−
標準的なバス情報フォーマットによるオープンデータを始めよう −データで地域交通をより便利に−標準的なバス情報フォーマットによるオープンデータを始めよう −データで地域交通をより便利に−
標準的なバス情報フォーマットによるオープンデータを始めよう −データで地域交通をより便利に−
 
東京公共交通オープンデータから標準的なバス情報フォーマットを作る
東京公共交通オープンデータから標準的なバス情報フォーマットを作る東京公共交通オープンデータから標準的なバス情報フォーマットを作る
東京公共交通オープンデータから標準的なバス情報フォーマットを作る
 

More from SAS Institute Japan

SAS Japan Blog 記事「統計的因果推論コラム(2)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(2)」補足資料SAS Japan Blog 記事「統計的因果推論コラム(2)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(2)」補足資料SAS Institute Japan
 
SAS Japan Blog 記事「統計的因果推論コラム(1)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(1)」補足資料SAS Japan Blog 記事「統計的因果推論コラム(1)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(1)」補足資料SAS Institute Japan
 
SAS Learning Subscription 登録手順
SAS Learning Subscription 登録手順SAS Learning Subscription 登録手順
SAS Learning Subscription 登録手順SAS Institute Japan
 
ディープラーニングは、時系列予測でも最強なのか?
ディープラーニングは、時系列予測でも最強なのか?ディープラーニングは、時系列予測でも最強なのか?
ディープラーニングは、時系列予測でも最強なのか?SAS Institute Japan
 
SAS Viyaのディープラーニングを用いた物体検出
SAS Viyaのディープラーニングを用いた物体検出SAS Viyaのディープラーニングを用いた物体検出
SAS Viyaのディープラーニングを用いた物体検出SAS Institute Japan
 
SAS OnDemand for Academics 登録方法
SAS OnDemand for Academics 登録方法SAS OnDemand for Academics 登録方法
SAS OnDemand for Academics 登録方法SAS Institute Japan
 
SAS Viyaによる意識改革からみえたData Scientistの生き方 ~僕たちはどう生きるか~
SAS Viyaによる意識改革からみえたData Scientistの生き方 ~僕たちはどう生きるか~SAS Viyaによる意識改革からみえたData Scientistの生き方 ~僕たちはどう生きるか~
SAS Viyaによる意識改革からみえたData Scientistの生き方 ~僕たちはどう生きるか~SAS Institute Japan
 
SAS ViyaのCNNを活用したProcess Innovation ~機械は解析図表をどう見ているのか~
SAS ViyaのCNNを活用したProcess Innovation ~機械は解析図表をどう見ているのか~SAS ViyaのCNNを活用したProcess Innovation ~機械は解析図表をどう見ているのか~
SAS ViyaのCNNを活用したProcess Innovation ~機械は解析図表をどう見ているのか~SAS Institute Japan
 
SAS Viya Deep Dive: 予測モデリング
SAS Viya Deep Dive: 予測モデリングSAS Viya Deep Dive: 予測モデリング
SAS Viya Deep Dive: 予測モデリングSAS Institute Japan
 
SAS Viya Deep Dive: 自然言語処理&AI
SAS Viya Deep Dive: 自然言語処理&AISAS Viya Deep Dive: 自然言語処理&AI
SAS Viya Deep Dive: 自然言語処理&AISAS Institute Japan
 
SAS University Editionにおける日本語を含むファイルの取り扱い
SAS University Editionにおける日本語を含むファイルの取り扱いSAS University Editionにおける日本語を含むファイルの取り扱い
SAS University Editionにおける日本語を含むファイルの取り扱いSAS Institute Japan
 
SAS言語派集まれ!SAS StudioからSAS Viyaを使ってみよう!
SAS言語派集まれ!SAS StudioからSAS Viyaを使ってみよう!SAS言語派集まれ!SAS StudioからSAS Viyaを使ってみよう!
SAS言語派集まれ!SAS StudioからSAS Viyaを使ってみよう!SAS Institute Japan
 
SAS Viya で異常検知してみよう!
SAS Viya で異常検知してみよう!SAS Viya で異常検知してみよう!
SAS Viya で異常検知してみよう!SAS Institute Japan
 
Pythonで操るSAS Viyaの画像処理技術入門編
Pythonで操るSAS Viyaの画像処理技術入門編Pythonで操るSAS Viyaの画像処理技術入門編
Pythonで操るSAS Viyaの画像処理技術入門編SAS Institute Japan
 
SAS OnDemand for Academics 登録方法
SAS OnDemand for Academics 登録方法SAS OnDemand for Academics 登録方法
SAS OnDemand for Academics 登録方法SAS Institute Japan
 
無料統計・予測分析ツールを提供:SAS Analytics U
無料統計・予測分析ツールを提供:SAS Analytics U無料統計・予測分析ツールを提供:SAS Analytics U
無料統計・予測分析ツールを提供:SAS Analytics USAS Institute Japan
 
SASによるテキスト・アナリティクス入門
SASによるテキスト・アナリティクス入門SASによるテキスト・アナリティクス入門
SASによるテキスト・アナリティクス入門SAS Institute Japan
 
SAS Enterprise Minerを使用した機械学習
SAS Enterprise Minerを使用した機械学習SAS Enterprise Minerを使用した機械学習
SAS Enterprise Minerを使用した機械学習SAS Institute Japan
 
SAS High-Performance Analyticsによるビッグデータ解析
SAS High-Performance Analyticsによるビッグデータ解析SAS High-Performance Analyticsによるビッグデータ解析
SAS High-Performance Analyticsによるビッグデータ解析SAS Institute Japan
 

More from SAS Institute Japan (20)

SAS Japan Blog 記事「統計的因果推論コラム(2)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(2)」補足資料SAS Japan Blog 記事「統計的因果推論コラム(2)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(2)」補足資料
 
SAS Japan Blog 記事「統計的因果推論コラム(1)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(1)」補足資料SAS Japan Blog 記事「統計的因果推論コラム(1)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(1)」補足資料
 
SAS Learning Subscription 登録手順
SAS Learning Subscription 登録手順SAS Learning Subscription 登録手順
SAS Learning Subscription 登録手順
 
ディープラーニングは、時系列予測でも最強なのか?
ディープラーニングは、時系列予測でも最強なのか?ディープラーニングは、時系列予測でも最強なのか?
ディープラーニングは、時系列予測でも最強なのか?
 
SAS Viyaのディープラーニングを用いた物体検出
SAS Viyaのディープラーニングを用いた物体検出SAS Viyaのディープラーニングを用いた物体検出
SAS Viyaのディープラーニングを用いた物体検出
 
SAS OnDemand for Academics 登録方法
SAS OnDemand for Academics 登録方法SAS OnDemand for Academics 登録方法
SAS OnDemand for Academics 登録方法
 
SAS Viyaによる意識改革からみえたData Scientistの生き方 ~僕たちはどう生きるか~
SAS Viyaによる意識改革からみえたData Scientistの生き方 ~僕たちはどう生きるか~SAS Viyaによる意識改革からみえたData Scientistの生き方 ~僕たちはどう生きるか~
SAS Viyaによる意識改革からみえたData Scientistの生き方 ~僕たちはどう生きるか~
 
SAS ViyaのCNNを活用したProcess Innovation ~機械は解析図表をどう見ているのか~
SAS ViyaのCNNを活用したProcess Innovation ~機械は解析図表をどう見ているのか~SAS ViyaのCNNを活用したProcess Innovation ~機械は解析図表をどう見ているのか~
SAS ViyaのCNNを活用したProcess Innovation ~機械は解析図表をどう見ているのか~
 
SAS Viya Deep Dive: 予測モデリング
SAS Viya Deep Dive: 予測モデリングSAS Viya Deep Dive: 予測モデリング
SAS Viya Deep Dive: 予測モデリング
 
SAS Viya Deep Dive: 自然言語処理&AI
SAS Viya Deep Dive: 自然言語処理&AISAS Viya Deep Dive: 自然言語処理&AI
SAS Viya Deep Dive: 自然言語処理&AI
 
SAS University Editionにおける日本語を含むファイルの取り扱い
SAS University Editionにおける日本語を含むファイルの取り扱いSAS University Editionにおける日本語を含むファイルの取り扱い
SAS University Editionにおける日本語を含むファイルの取り扱い
 
SAS言語派集まれ!SAS StudioからSAS Viyaを使ってみよう!
SAS言語派集まれ!SAS StudioからSAS Viyaを使ってみよう!SAS言語派集まれ!SAS StudioからSAS Viyaを使ってみよう!
SAS言語派集まれ!SAS StudioからSAS Viyaを使ってみよう!
 
SAS Viya で異常検知してみよう!
SAS Viya で異常検知してみよう!SAS Viya で異常検知してみよう!
SAS Viya で異常検知してみよう!
 
Pythonで操るSAS Viyaの画像処理技術入門編
Pythonで操るSAS Viyaの画像処理技術入門編Pythonで操るSAS Viyaの画像処理技術入門編
Pythonで操るSAS Viyaの画像処理技術入門編
 
Python / R で使うSAS Viya
Python / R で使うSAS ViyaPython / R で使うSAS Viya
Python / R で使うSAS Viya
 
SAS OnDemand for Academics 登録方法
SAS OnDemand for Academics 登録方法SAS OnDemand for Academics 登録方法
SAS OnDemand for Academics 登録方法
 
無料統計・予測分析ツールを提供:SAS Analytics U
無料統計・予測分析ツールを提供:SAS Analytics U無料統計・予測分析ツールを提供:SAS Analytics U
無料統計・予測分析ツールを提供:SAS Analytics U
 
SASによるテキスト・アナリティクス入門
SASによるテキスト・アナリティクス入門SASによるテキスト・アナリティクス入門
SASによるテキスト・アナリティクス入門
 
SAS Enterprise Minerを使用した機械学習
SAS Enterprise Minerを使用した機械学習SAS Enterprise Minerを使用した機械学習
SAS Enterprise Minerを使用した機械学習
 
SAS High-Performance Analyticsによるビッグデータ解析
SAS High-Performance Analyticsによるビッグデータ解析SAS High-Performance Analyticsによるビッグデータ解析
SAS High-Performance Analyticsによるビッグデータ解析
 

SAS Visual Analytics 8.3 におけるクロス集計表の作成と可視化

  • 1. Copyright © SAS Institute Inc. All rights reserved. SAS Visual Analytics 8.3 における クロス集計表の作成と可視化 SAS Institute Japan 株式会社 アカデミア推進室
  • 2. Copyright © SAS Institute Inc. All rights reserved. はじめに テーマ:人口増加 女性の社会進出が活発化して、仕事と育児の両立が求められるよう になってきたことから「育児が働く女性の重荷になっている」とい う仮説を立てました。 • 日本の統計が閲覧できる政府統計ポータルサイトe-Stat (https://www.e-stat.go.jp/)の統計データから分析。 • データセット情報:就業構造基本調査 / 平成29年就業構造基本調査 / 都 道府県編(全国,全国市部,都道府県,都道府県市部,政令指定都市) 人口・就業に関する統計表 • 男女別で育児活動の有無による就業希望者数・求職者数の比較を することで分析。
  • 3. Copyright © SAS Institute Inc. All rights reserved. 利用するデータの選択 左側にある をクリック。別スライド「SAS Visual Analytics 8.3 における データのインポート時の注意点」でインポートした「育児有無別_就業希望 人口」というデータがあるので、それを選択します。
  • 4. Copyright © SAS Institute Inc. All rights reserved. クロス表の作成 オブジェクト の中から、クロス表を選択します。 右側に表示されるデータ役割の列・行・メジャーを追加します。 追加したもの メジャー:就職者、就職希望者 行:男女、年齢 列:育児有無・育児休有無
  • 5. Copyright © SAS Institute Inc. All rights reserved. クロス表の作成 必要なデータだけを抽出し見やすくするために、フィルタを使います。 フィルタの新規作成を選択し、それぞれのカテゴリやメジャーから必 要でない項目の☑マークを外します。
  • 6. Copyright © SAS Institute Inc. All rights reserved. クロス表の作成 フィルタ • 育児有無のみ • 男女から総数を消す • 地域区分を全国のみ にする • 対象年齢を絞る
  • 7. Copyright © SAS Institute Inc. All rights reserved. グラフの作成 (円グラフ) オブジェクト から「円グラフ」を選択し、クロス表の時と同様に 利用するカテゴリ・メジャーを選択→フィルタで抽出します。
  • 8. Copyright © SAS Institute Inc. All rights reserved. グラフの作成 (円グラフ) 追加したもの メジャー:就業希望者、求職者 (それぞれのグラフに) カテゴリ:育児有無・育児休有無 グループ:男女 フィルタ • 育児有無のみ • 男女から総数を消す • 地域区分を全国のみにする • 対象年齢を絞る
  • 9. Copyright © SAS Institute Inc. All rights reserved. グラフの作成 (棒グラフ) 棒グラフも円グラフと同様にして作成します。グラフに起こすことで クロス表に並んだ数字が可視化され、比較しやすくなります。
  • 10. Copyright © SAS Institute Inc. All rights reserved. グラフの作成 (棒グラフ) 追加したもの メジャー:就業希望者、求職者 カテゴリ:男女 格子列:育児有無・育児休有無 フィルタ • 育児有無のみ • 男女から総数を消す • 地域区分を全国のみにする • 対象年齢を絞る
  • 11. Copyright © SAS Institute Inc. All rights reserved. グラフの作成 (棒グラフ) 地域区分を各都道府 県・市区町村ごとに比 較したい場合、ページ コントロールを地域区 分で追加すると扱いや すいです。 (左側の を選択した 後、カテゴリの地域区 分の上で右クリック)
  • 12. Copyright © SAS Institute Inc. All rights reserved. 結果と仮説の検証 仮説:「育児が働く女性の重荷になっている」 グラフから、下記の結果が得られます。 • 女性の中で育児の有無により求職者数には大きな差がない一方、 就業希望者数にはおよそ1.75倍の差がある。 • 育児をしている女性の就業希望者数と求職者数には、男性に比べ て大きな差がある。 これらより、女性が働くことに育児が何かしら影響していること がわかります。