# ボストンの住宅価格のデータ
###### tags: `quality-management`
## データの出自

データの入手先: [CMUのStatLib](http://lib.stat.cmu.edu/datasets/boston)

データに付与されていた説明:

The Boston house-price data of Harrison, D. and Rubinfeld, D.L. 'Hedonic prices and the demand for clean air', J. Environ. Economics & Management, vol.5, 81-102, 1978. Used in Belsley, Kuh & Welsch, 'Regression diagnostics ...', Wiley, 1980. N.B. Various transformations are used in the table on pages 244-261 of the latter.

変数(上のファイルの中の記載順):
|Variable|Details|
|---|---|
|CRIM|per capita crime rate by town|
|ZN|proportion of residential land zoned for lots over 25,000 sq.ft.|
|INDUS|proportion of non-retail business acres per town|
|CHAS|Charles River dummy variable (= 1 if tract bounds river; 0 otherwise)|
|NOX|nitric oxides concentration (parts per 10 million)|
|RM|average number of rooms per dwelling|
|AGE|proportion of owner-occupied units built prior to 1940|
|DIS|weighted distances to five Boston employment centres|
|RAD|index of accessibility to radial highways|
|TAX|full-value property-tax rate per $10,000|
|PTRATIO|pupil-teacher ratio by town|
|B|1000(Bk - 0.63)^2 where Bk is the proportion of blacks by town|
|LSTAT|% lower status of the population|
|MEDV|Median value of owner-occupied homes in $1000's|

|Variable|Details|JMP|
|---|---|---|
|CRIM|町別の「犯罪率」|犯罪率|
|ZN|25,000平方フィートを超える区画に分類される住宅地の割合＝「広い家の割合」|区画|
|INDUS|町別の「非小売業の割合」|産業|
|CHAS|チャールズ川のダミー変数（区画が川に接している場合は1、そうでない場合は0）|川|
|NOX|「NOx濃度（0.1ppm単位）」＝一酸化窒素濃度（parts per 10 million単位）|窒素酸化物|
|RM|1戸当たりの「平均部屋数」|部屋数|
|AGE|1940年より前に建てられた持ち家の割合|築年|
|DIS|5つあるボストン雇用センターまでの加重距離|距離|
|RAD|「主要高速道路へのアクセス性」の指数|高速道路|
|TAX|10,000ドル当たりの「固定資産税率」|税|
|PTRATIO|町別の「生徒と先生の比率」|先生と生徒の比|
|B|「1000(Bk - 0.63)」の二乗値。Bkは「町ごとの黒人の割合」|-|
|LSTAT|「低所得者人口の割合」|低所得者|
|MEDV|「住宅価格」（1000ドル単位）の中央値。通常はこの数値が目的変数として使われる|住宅価格|

Chales Riverはボストンの中心が河口で、ケンブリッジとの境界を流れる川。

[](https://ja.wikipedia.org/wiki/チャールズ川)

1900年のチャールズ川。


Employment centresはいわゆるハローワーク？住宅街にはなさそう。



Radial highwaysは放射状に伸びる高速道路。

[](https://www.aaroads.com/guides/i-095-ma/)

変数RADは実は順序尺度。

JMPのデータは、Bを除いてある。

graph concept {
    node [shape=box]
    1 [label="犯罪率"]
    2 [label="区画"]
    3 [label="産業"]
    4 [label="川"]
    5 [label="窒素酸化物"]
    6 [label="部屋数"]
    7 [label="築年"]
    8 [label="距離"]
    9 [label="高速道路"]
    10 [label="税"]
    11 [label="生徒/先生"]
    12 [label="低所得者"]
    13 [label="住宅価格"]
    rankdir=LR
    1 -- 13
    2 -- 13
    2 -- 6
    3 -- 13
    4 -- 13
    5 -- 13
    6 -- 13
    7 -- 13
    8 -- 13
    9 -- 13
    13 -- 10
    3 -- 8
    5 -- 8
    9 -- 8
    11 -- 13
    12 -- 13
    2 -- 11
}

## データの分析の目的

目的変数について

1. 影響の大きい要因を特定する
2. 未来の値を予測する
3. 未来の値を操作する

これらが(重)回帰分析の主な目的です。

誰の立場に立って、これらの目的を掲げるか、でも分析が異なります。

## 分析のシナリオ

1. まずデータのテーブルを眺めます。
2. 次に変数がそれほど多くなければ概念図を描きます。
3. 目的が最適化であれば特性要因図も描きます。
4. やっと〔１変量の分布〕
5. そして〔２変量の関係〕
6. さらに〔相関係数行列〕
7. 最後にやっと〔モデルのあてはめ〕