10 管理会計で用いるデータとその分析

Author

佐久間智広

Published

2025/06/20

Modified

2025/06/26

1 管理会計って何だった？

管理会計は一言で言うと，

企業の構想実現のために会社で使われる仕組み

谷 (2022)

組織の構想実現のために企業内で整備される仕組み
企業のデータを構想実現に役立てる仕組み
会計データをはじめとしたデータを経営管理のために使う

1.1 企業のデータを経営管理に使う

1.1.1 企業のデータ？

企業はさまざまな情報源からさまざまなデータを集めている

財務データ

売上原価原価
人件費
研究開発費
広告宣伝費
売上高

非財務データ

人事評価データ
良品率（不良品率）
顧客満足度
従業員満足度
研修参加率

1.1.2 経営管理に使う?

大きく分けて2種類の使い方があるとされる(Luft 2009; Grafton, Lillis, and Widener 2010; 伊丹 and 青木 2016)

従業員の行動に影響を与える

業績評価アプローチ
（意思決定影響機能）

企業目標に向かって自発的に働いてくれるよう仕向ける

目標数値を設定
目標を達成したかどうかで評価
評価に応じて昇給やボーナス，昇進を決める

意思決定に役立てる

意思決定アプローチ
（意思決定支援機能）

新規事業AとBどちらに参入する？
新しい工場・設備を導入する？
自社で作る？外注する？
撤退する？継続する？
広告宣伝費にいくらかける？

経営管理

組織のさまざまな階層における経営管理者が組織目標達成のために遂行する仕事。

これらの使い方は，それぞれ別の仕組みがあるとは限らず，1つの仕組みの中で2つの役割が求められることがほとんど。

1.2 会計の中の管理会計(再掲)

会計データは，企業の活動を金銭的価値として測定したもの

大きく分けて財務会計と管理会計がある

それぞれ（時に別のデータと組み合わせながら）様々な目的のために分析される

2 管理会計に使われるデータ

2.1 役立てられるデータの種類が増えている

企業が経営管理のために役立てられるデータの幅は増えてきています。

昔は原価計算・予算管理など財務的な指標を使うことに注目していました。
財務指標（だけ）を使った管理会計システムの不具合，限界が指摘され (Johnson, Kaplan, and 鳥居 1992)，より多くの社内のデータを組み合わせた経営管理が提唱されるように (例えば，Balanced Scorecard Kaplan and Norton 1992, 2001, 2004)

より多くのデータを使うことで，データの収集・集計，分析の難易度は増しています。

2.2 データは企業内に散在

一方で，財務指標データ（会計データ）とその他データは多くの場合，バラバラの部署でバラバラに蓄積されています。

フォーマットも会社によってバラバラです。
使われている用語や分類方法もバラバラです。
場合によっては単位も違います（社内通貨など）

2.3 例: アメーバ経営

京セラで生まれ，関連企業だけでなく，KCCSマネジメントコンサルティングを通して多くの企業に導入されている経営の仕組み

小集団（例えば5人とか10人とか）

それぞれが社内外と取引する形にする

社内外での売り買いがあるので利益計算が可能

結果として，それぞれの小集団が小さい会社のように利益追求できるように

アメーバ経営において，小集団がそれぞれ利益管理ができるよう，簡単な利益計算のフォーマットが作成される

収益は社外出荷と社内売
そこから社内買を差し引いて総生産
総生産から経費（部門共通費や本社経費等を含むけれど人件費は含まない）を差し引いて差引収益
差引収益を総労働時間で割って時間当り採算

一般的（簿記の仕組みで出てくる）費目の分け方や，利益の計算方法とは違う

2.4 「一般的なデータ・分析方法」？

（言い訳じみていますが）管理会計のデータは千差万別で，こんな分析ができますよ，というのを体系立てて説明することは結構難しいです。

そもそもどんなデータをどんなふうに蓄積しているかがバラバラです。
データの役立て方も産業や企業によってバラバラです。

そこで…

データを分析できる形に整形すること
教科書的な知識になっているような分析を実装すること
企業が本当はやりたい（けど難しい）いくつかの分析

といったことを扱います。

3 企業に蓄積されているデータとその形状

3.1 データの形？

企業内のデータは様々なフォーマットで様々な部署に点在しています。
前半の授業では，分析に向いた形に整形されたものが使われていました。
しかし，管理会計データは大抵，分析に不向きな形で集計されています。
そこでまずデータの代表的な形について考えます。

3.2 データセットの並び方

データを集計して，表にまとめるときには，いくつかの方法があります。

データ分析上望ましいのは，変数が列，測定単位が行の形です。

3.2.1 例：田中兄弟の身長

ある兄弟は，毎月身長を測っています。年齢データとともに表にまとめました。

3.2.2 （分析するにあたって）よくない形

時系列の身長データが月ごとに別の列になっている
- m1からm12は，全て身長の数値

Code

pacman::p_load(tidyverse, magrittr, readxl, kableExtra,rmarkdown,tinytable, here)

case_wide <- here("data","case_wide.xlsx") |> read_excel()
case_wide

3.2.3 望ましい形

分析に使うために望ましいのは

列が変数，行が測定単位になっている

状態。これを目指す！

Code

case_widel <- case_wide |>
  pivot_longer(starts_with("m"),
               names_to = "month",
               names_prefix = "m",
               values_to = "height") |>
  mutate(month = as.numeric(month))
case_widel

4 データセットの種類

データセットには，集計された種類で大きく3種類に分けられます。

クロスセクションデータ ¹（cross section data）
時系列データ（time-series data）
パネルデータ ²（panel data）

4.1 クロスセクションデータ

測定単位がそれぞれ独立しているデータ。

例えば，
- 1回だけとったアンケート
- 1回だけやった学力テスト

1時点の傾向がわかる

4.2 時系列データ

1つの測定対象に対して複数時点でとったデータ

時系列変化がわかる

[ユニクロの2018年から2022年までの業績データ](https://www.fastretailing.com/jp/ir/financial/past_5yrs.html)

4.3 パネルデータ

複数の測定対象に対して，複数時点でとったデータ

クロスセクション × 時系列

いろんなことがわかる

4.4 まとめ（データセットの種類）

データは列が変数名，行が個々のサンプルになるように並んでて欲しい
データの種類によってクロスセクション・時系列・パネルデータがある

5 データの整形

5.1 Case 1 : 財務諸表的並び

ある企業の店舗レベルデータ

店舗ごとにエクセルに分かれている
1年度の業績が費目が縦，年月が横に並んでいる
分析可能な形に加工したい

Code

case1a <- here("data","case1_a.xlsx") |> read_excel() 
case1b <- here("data","case1_b.xlsx") |> read_excel()
case1c <- here("data","case1_c.xlsx") |> read_excel()

case1a

理想的な形は月次のパネルデータ

列が変数（店舗名や費目）
行が各月の業績数値
それが3店舗分下につながっている状態

shop	shop_id	売上高	売上原価	年	月
A	20	6600	3684	2016	4
A	20	7100	3928	2016	5
A	20	6300	3529	2016	6

現在の形はワイド形式，long形式に直したい

Code

case1al <- case1a |>
  select(-合計) |>
  pivot_longer(cols = c(-shop_id, -shop, -himoku), 
               names_to = "yearmonth") |>
  pivot_wider(id_cols = c(shop_id, shop, yearmonth),
              names_from = himoku, 
              values_from = value)

case1al

1: データを縦に伸ばす
2: データを横に開く

元々のデータ

Code

case1a

5.1.1 データを縦に伸ばす

指定した範囲の列を一つの列に結合して縦に伸ばす

1604から1703までの部分を結合して伸ばす

pivot_longer()関数を使う

()の中でcols = として，結合したい列を指定する。今回は結合”したくない”列を取り除く形で指定してる

Code

case1al <- case1a |>
  select(-合計) |>
  pivot_longer(cols = c(-shop_id, -shop, -himoku), 
               names_to = "yearmonth")
case1al

5.1.2 データを横に開く

費目単位で横に伸ばす

pivot_wider()関数を使う

id_colsはそのまま残したい列
names_from列名にしたい(引き伸ばしたい)情報が入った列
values_fromは，列に入れたい情報が入った列

Code

case1al <- case1al |>
  pivot_wider(id_cols = c(shop_id, shop, yearmonth),
              names_from = himoku, 
              values_from = value)
case1al

5.1.3 これを年数分繰り返す

ここでは，forループを使って繰り返しを自動化します

Code

file_list <- c("data/case1_a.xlsx", 
               "data/case1_b.xlsx", 
               "data/case1_c.xlsx")
data_list <- list()

for (file in file_list) {
  data <- here(file) |> read_excel()
  data_list[[file]] <- data |>
    select(-合計) |>
    pivot_longer(cols = c(-shop_id, -shop, -himoku), 
                 names_to = "yearmonth") |>
    pivot_wider(id_cols = c(shop_id, shop, yearmonth),
                names_from = himoku,
                values_from = value)
  }
combined_data <- bind_rows(data_list)
combined_data

1: データを読み込む
2: 繰り返したい作業
3: ファイルごとに作ったものを，縦方向に繋げる(bind_rows()関数)

5.2 Case2: 財務データと人事データの結合

大抵の場合，店舗や支店の業績は月次で管理されるけれど，業績評価は半年単位とかで決まる
業績評価は年度単位で期間が区切られる
- 2016/4-2016/9までが前半
- 2016/10-2017/3までが後半

次のような順番で作業してみる

人事データを結合
財務データの年度と前半・後半を作成
財務データに人事データを結合

findata.csvと，case3_p1.xlsx, case3_p2.xlsxという三つのデータを使います

Code

findata <- here("data/findata.csv") |> read.csv()
case3_p1 <- here("data/case3_p1.xlsx") |> read_excel()
case3_p2 <- here("data/case3_p2.xlsx") |> read_excel()
case3_p1

5.2.1 人事データを結合

人事データ2期分は別のファイルになっている。
データを縦方向に結合する
- bind_rows()関数は，変数名が同じ2つのデータセットを縦方向に結合してくれる。

変数名が揃ってるか要確認

（企業のデータだと，ある年から名前が変わってたり，全角と半角が変わってたりする）

Code

person <- bind_rows(case3_p1,case3_p2)
person <- person |> 
  rename(fiscalyear = year)
person

1: 財務データ側は暦年をyearとしているので，年度だとわかるように名前を変える

5.2.2 財務データに年度と半期識別データを作成

case_when() 関数は，条件分岐させて処理を変えるための関数。
- 1, 2, 3月は前年度なので，暦年から1を差し引く
ifelse()関数も条件分岐。
- 2条件ならこっちでも良い

Code

findata <- findata |>
  mutate(fiscalyear = case_when(month %in% c(1, 2, 3) ~ year - 1,
                                TRUE ~ year),
         half = ifelse(month >= 4 & month < 10, 1,2))
findata

5.2.3 データを結合

財務データの列に店長と業績評価の列をくっつける

left_join()関数はExcelのvlookupみたいな挙動。
by =で指定した変数をキーにして，2つのデータを横向きに結合

Code

data_full <- left_join(findata, person ,
                       by = c('fiscalyear','half','shop'))
data_full

6 課題

6.1 課題: 半パネルデータ

case2.xlsxは企業の財務データです。
- Case 1 : 財務諸表的並びとの違いは，すでに各店舗のデータがくっついている点です。
データ分析に適した形（パネルデータ）に加工してください
コードのみ記載してください

完成イメージ
shop	…	売上高	売上原価	yearmonth
A				1604
A				1605
…				…
B				1604
…				…
C				1604

Code

kadai <- here("data/case2.xlsx") |> read_excel()
tt(kadai)

shop_id	shop	himoku	1604	1605	1606	1607	1608	1609	1610	1611	1612	1701	1702	1703	合計
20	A	売上高	6600	7100	6300	6900	8000	6600	6800	6400	9300	9000	6400	6800	86200
20	A	売上原価	3711	3924	3541	3880	4462	3727	3770	3552	5155	5020	3582	3782	48105
20	A	人件費合計	1550	1650	1421	1584	1832	1460	1526	1454	2109	2014	1486	1574	19660
20	A	水道光熱費計	33	36	32	35	41	34	35	32	47	45	33	34	437
20	A	その他営業経費	14	14	14	14	17	14	14	13	20	18	13	14	178
20	A	本部・本社費計	594	640	567	622	720	594	613	576	838	811	576	612	7764
20	A	経費合計	5902	6264	5574	6135	7072	5829	5958	5627	8169	7908	5690	6016	76144
20	A	店舗営業利益高	698	836	726	765	928	771	842	773	1131	1092	710	784	10056
70	B	売上高	5400	6200	5800	6000	7400	5400	5800	5300	8500	8000	5400	5800	75000
70	B	売上原価	3068	3433	3195	3400	4127	3064	3215	3000	4762	4499	3010	3267	42040
70	B	人件費合計	1236	1409	1303	1330	1728	1211	1318	1185	1926	1763	1219	1361	16988
70	B	水道光熱費計	28	32	29	31	37	28	29	27	43	41	28	30	382
70	B	その他営業経費	12	13	12	13	16	11	12	11	17	17	11	12	156
70	B	本部・本社費計	487	558	523	540	666	486	522	478	766	720	486	523	6756
70	B	経費合計	4831	5446	5062	5314	6574	4799	5096	4701	7514	7040	4754	5192	66322
70	B	店舗営業利益高	569	754	738	686	826	601	704	599	986	960	646	608	8678
100	C	売上高	4109	4441	4958	4183	5548	5918	4927	4370	6033	6897	4437	5942	61763
100	C	売上原価	2265	2478	2750	2340	3056	3261	2808	2405	3393	3872	2444	3270	34342
100	C	人件費合計	954	1034	1152	999	1289	1363	1166	1051	1348	1569	1008	1382	14315
100	C	水道光熱費計	22	23	26	22	29	30	25	23	30	35	23	30	316
100	C	その他営業経費	9	9	10	9	11	12	10	9	13	14	9	12	130
100	C	本部・本社費計	370	400	446	377	499	533	444	394	544	621	400	535	5564
100	C	経費合計	3620	3944	4384	3747	4884	5200	4454	3882	5328	6111	3883	5230	54667
100	C	店舗営業利益高	489	496	575	436	664	719	473	488	706	786	554	712	7096
111	D	売上高	4659	4011	4426	4059	5036	5065	4333	4560	6859	6993	4067	5880	59949
111	D	売上原価	2608	2226	2443	2267	2832	2880	2424	2592	3851	3863	2327	3315	33627
111	D	人件費合計	1072	912	986	978	1161	1135	1021	1052	1586	1622	933	1317	13774
111	D	水道光熱費計	24	21	23	21	26	26	22	24	35	36	21	30	306
111	D	その他営業経費	10	9	10	8	10	10	9	10	15	15	9	12	126
111	D	本部・本社費計	420	361	399	365	454	456	391	411	618	630	366	530	5401
111	D	経費合計	4134	3529	3860	3639	4483	4507	3867	4088	6105	6164	3656	5204	53235
111	D	店舗営業利益高	525	482	565	419	553	558	466	472	754	829	412	676	6713
200	E	売上高	6831	6394	5546	4954	5145	5869	4272	4090	7557	7720	5890	6781	71047
200	E	売上原価	3759	3523	3091	2743	2831	3313	2352	2335	4230	4339	3317	3794	39627
200	E	人件費合計	1508	1496	1260	1151	1170	1367	972	980	1741	1714	1380	1542	16281
200	E	水道光熱費計	35	33	28	26	26	30	22	21	39	39	30	34	362
200	E	その他営業経費	14	13	12	10	11	13	9	9	15	16	12	14	149
200	E	本部・本社費計	616	576	500	446	464	529	385	368	681	695	530	610	6400
200	E	経費合計	5931	5641	4890	4376	4502	5252	3740	3713	6706	6803	5270	5996	62821
200	E	店舗営業利益高	899	752	656	578	642	617	531	377	851	917	620	786	8227

6.2 答え

Code

kadai <- kadai |>
  select(-合計) |>
  pivot_longer(cols = c(-shop_id, -shop, -himoku),
               names_to = "yearmonth")|>
  pivot_wider(id_cols = c(shop_id, shop, yearmonth),
              names_from = himoku,
              values_from = value)
kadai

参考文献

Grafton, J., A. M. Lillis, and S. K. Widener. 2010. The role of performance measurement and evaluation in building organizational capabilities and performance. Accounting, Organizations and Society 35: 689706.

Johnson, H. T., R. S. Kaplan, and 鳥居宏史. 1992. レレバンス・ロスト : 管理会計の盛衰. 東京: 白桃書房.

Kaplan, R. S., and D. P. Norton. 1992. The balanced scorecard: Measures that drive performance. Harvard Business Review 70: 7179.

Kaplan, R. S., and D. P. Norton. 2001. The strategy-focused organization : How balanced scorecard companies thrive in the new business environment. Boulder, Colo.: NetLibrary.

Kaplan, R. S., and D. P. Norton. 2004. Strategy maps: Converting intangible assets into tangible outcomes. Boston: Harvard Business School Press.

Luft, J. 2009. Nonfinancial information and accounting: A reconsideration of benefits and challenges. Accounting Horizons 23: 307325.

伊丹敬之., and 青木康晴. 2016. 現場が動き出す会計 : 人はなぜ測定されると行動を変えるのか. 日本経済新聞出版社.

谷武幸. 2022. エッセンシャル管理会計. 第4版 ed. 東京: 中央経済社.

Footnotes

分野によっては横断データと呼ぶこともあるようです↩︎
分野によっては縦断データと呼ぶこともあるようです。↩︎

--- title: "10 管理会計で用いるデータとその分析" date: 2025/06/20 author: 佐久間智広 format: html: df-print: paged code-fold: true revealjs: output-file: 10_mgt_slide.html df-print: paged echo: true code-fold: true draft: false --- # 管理会計って何だった？ {data-stack-name="管理会計とは"} ------------------------------------------------------------------------ 管理会計は一言で言うと， > 企業の構想実現のために会社で使われる仕組み @tani2022 - 組織の構想実現のために企業内で整備される仕組み - 企業のデータを構想実現に役立てる仕組み - 会計データをはじめとしたデータを経営管理のために使う ------------------------------------------------------------------------ ## 企業のデータを経営管理に使う ### 企業のデータ？企業はさまざまな情報源からさまざまなデータを集めている \ ::::: columns ::: {.column width="50%"} #### 財務データ {.unnumbered} - 売上原価原価 - 人件費 - 研究開発費 - 広告宣伝費 - 売上高 ::: ::: {.column width="50%"} #### 非財務データ {.unnumbered} - 人事評価データ - 良品率（不良品率） - 顧客満足度 - 従業員満足度 - 研修参加率 ::: ::::: ![](images/undraw_data_processing_yrrv.svg){fig-align="right" width="350"} ------------------------------------------------------------------------ ### 経営管理に使う? 大きく分けて2種類の使い方があるとされる[@luft2009; @grafton2010; @itami2016]\ \ :::::::: columns :::: {.column width="45%"} ::: boxbox **従業員の行動に影響を与える** ------------------------------------------------------------------------ 業績評価アプローチ\ （意思決定影響機能）企業目標に向かって自発的に働いてくれるよう仕向ける - 目標数値を設定 - 目標を達成したかどうかで評価 - 評価に応じて昇給やボーナス，昇進を決める ::: :::: ::: {.column width="7%"} ::: :::: {.column width="45%"} ::: boxbox **意思決定に役立てる** ------------------------------------------------------------------------ 意思決定アプローチ\ （意思決定支援機能） - 新規事業AとBどちらに参入する？ - 新しい工場・設備を導入する？ - 自社で作る？外注する？ - 撤退する？継続する？ - 広告宣伝費にいくらかける？ ::: :::: :::::::: ::: callout-note ### 経営管理組織のさまざまな階層における経営管理者が組織目標達成のために遂行する仕事。 ::: ::: {.callout-note appearance="simple"} これらの使い方は，それぞれ別の仕組みがあるとは限らず，1つの仕組みの中で2つの役割が求められることがほとんど。 ::: ## 会計の中の管理会計(再掲) 会計データは，企業の活動を金銭的価値として測定したもの大きく分けて財務会計と管理会計がある ::::: r-stack ::: {.fragment .fade-out} ![](images/clipboard-1500285785.png) ::: ::: {.fragment .fade-in} それぞれ（時に別のデータと組み合わせながら）様々な目的のために分析される ![](images/data1-1.png) ::: ::::: # 管理会計に使われるデータ {data-stack-name="データ"} ## 役立てられるデータの種類が増えている企業が経営管理のために役立てられるデータの幅は増えてきています。 - 昔は原価計算・予算管理など財務的な指標を使うことに注目していました。 - 財務指標（だけ）を使った管理会計システムの不具合，限界が指摘され [@johnson1992]，より多くの社内のデータを組み合わせた経営管理が提唱されるように [例えば，Balanced Scorecard @kaplan1992; @kaplan2001; @kaplan2004] より多くのデータを使うことで，データの収集・集計，分析の難易度は増しています。 ## データは企業内に散在一方で，財務指標データ（会計データ）とその他データは多くの場合，バラバラの部署でバラバラに蓄積されています。 - フォーマットも会社によってバラバラです。 - 使われている用語や分類方法もバラバラです。 - 場合によっては単位も違います（社内通貨など） ![](images/10-1.png){fig-align="center" width="974"} ## 例: アメーバ経営 > 京セラで生まれ，関連企業だけでなく，KCCSマネジメントコンサルティングを通して多くの企業に導入されている経営の仕組み > > - 小集団（例えば5人とか10人とか） > - それぞれが社内外と取引する形にする > - 社内外での売り買いがあるので利益計算が可能 > > 結果として，それぞれの小集団が小さい会社のように利益追求できるように ------------------------------------------------------------------------ :::::: columns ::: column ![](images/13-b.png){fig-align="center" width="441"} ::: :::: column アメーバ経営において，小集団がそれぞれ利益管理ができるよう，簡単な利益計算のフォーマットが作成される - 収益は社外出荷と社内売 - そこから社内買を差し引いて総生産 - 総生産から経費（部門共通費や本社経費等を含むけれど人件費は含まない）を差し引いて差引収益 - 差引収益を総労働時間で割って時間当り採算 ::: red [一般的（簿記の仕組みで出てくる）費目の分け方や，利益の計算方法とは違う]{.red} ::: :::: :::::: ------------------------------------------------------------------------ ## 「一般的なデータ・分析方法」？（言い訳じみていますが）管理会計のデータは千差万別で，こんな分析ができますよ，というのを体系立てて説明することは結構難しいです。 - そもそもどんなデータをどんなふうに蓄積しているかがバラバラです。 - データの役立て方も産業や企業によってバラバラです。そこで… - データを分析できる形に整形すること - 教科書的な知識になっているような分析を実装すること - 企業が本当はやりたい（けど難しい）いくつかの分析といったことを扱います。 # 企業に蓄積されているデータとその形状 {data-stack-name="形状"} ## データの形？ - 企業内のデータは様々なフォーマットで様々な部署に点在しています。 - 前半の授業では，分析に向いた形に整形されたものが使われていました。 - しかし，管理会計データは大抵，分析に不向きな形で集計されています。 - そこでまずデータの代表的な形について考えます。 ## データセットの並び方データを集計して，表にまとめるときには，いくつかの方法があります。データ分析上望ましいのは，変数が列，測定単位が行の形です。 ### 例：田中兄弟の身長ある兄弟は，毎月身長を測っています。年齢データとともに表にまとめました。 ------------------------------------------------------------------------ ### （分析するにあたって）よくない形 - 時系列の身長データが月ごとに別の列になっている - m1からm12は，**全て身長の数値** ```{r} pacman::p_load(tidyverse, magrittr, readxl, kableExtra,rmarkdown,tinytable, here) case_wide <- here("data","case_wide.xlsx") |> read_excel() case_wide ``` ------------------------------------------------------------------------ ### 望ましい形分析に使うために望ましいのは - 列が変数，行が測定単位になっている状態。これを目指す！ ```{r} case_widel <- case_wide |> pivot_longer(starts_with("m"), names_to = "month", names_prefix = "m", values_to = "height") |> mutate(month = as.numeric(month)) case_widel ``` # データセットの種類 {data-stack-name="種類"} ------------------------------------------------------------------------ データセットには，集計された種類で大きく3種類に分けられます。 - [クロスセクションデータ](#クロスセクションデータ)[^1]（cross section data） - [時系列データ](#時系列データ)（time-series data） - [パネルデータ](#パネルデータ)[^2]（panel data） ## クロスセクションデータ測定単位がそれぞれ独立しているデータ。 - 例えば， - 1回だけとったアンケート - 1回だけやった学力テスト 1時点の傾向がわかる ![1回だけ行った学力テスト](images/t3-3-01.png) ## 時系列データ 1つの測定対象に対して複数時点でとったデータ - 時系列変化がわかる ![\[ユニクロの2018年から2022年までの業績データ\](https://www.fastretailing.com/jp/ir/financial/past_5yrs.html)](images/t3-5.png) ## パネルデータ複数の測定対象に対して，複数時点でとったデータ - クロスセクション × 時系列いろんなことがわかる ![複数回行った学力テストの結果](images/t3-4-01.png){fig-align="center" width="931"} ## まとめ（データセットの種類） - データは列が変数名，行が個々のサンプルになるように並んでて欲しい - データの種類によってクロスセクション・時系列・パネルデータがある ![](images/t3-6.png) # データの整形 {data-stack-name="整形"} ## Case 1 : 財務諸表的並びある企業の店舗レベルデータ - 店舗ごとにエクセルに分かれている - 1年度の業績が費目が縦，年月が横に並んでいる - 分析可能な形に加工したい ```{r} case1a <- here("data","case1_a.xlsx") |> read_excel() case1b <- here("data","case1_b.xlsx") |> read_excel() case1c <- here("data","case1_c.xlsx") |> read_excel() case1a ``` ------------------------------------------------------------------------ 理想的な形は月次のパネルデータ - 列が変数（店舗名や費目） - 行が各月の業績数値 - それが3店舗分下につながっている状態 | shop | shop_id | 売上高 | 売上原価 | ... | 年 | 月 | |------|---------|--------|----------|-----|------|-----| | A | 20 | 6600 | 3684 | | 2016 | 4 | | A | 20 | 7100 | 3928 | | 2016 | 5 | | A | 20 | 6300 | 3529 | | 2016 | 6 | 現在の形はワイド形式，long形式に直したい ------------------------------------------------------------------------ ```{r} case1al <- case1a |> select(-合計) |> pivot_longer(cols = c(-shop_id, -shop, -himoku), names_to = "yearmonth") |> #<1> pivot_wider(id_cols = c(shop_id, shop, yearmonth), names_from = himoku, values_from = value) #<2> case1al ``` 1. データを縦に伸ばす 2. データを横に開く ------------------------------------------------------------------------ 元々のデータ ```{r} case1a ``` ------------------------------------------------------------------------ ### データを縦に伸ばす指定した範囲の列を一つの列に結合して縦に伸ばす - 1604から1703までの部分を結合して伸ばす `pivot_longer()`関数を使う - ()の中で`cols =` として，結合したい列を指定する。今回は結合”**したくない**”列を取り除く形で指定してる ```{r} case1al <- case1a |> select(-合計) |> pivot_longer(cols = c(-shop_id, -shop, -himoku), names_to = "yearmonth") case1al ``` ------------------------------------------------------------------------ ### データを横に開く費目単位で横に伸ばす `pivot_wider()`関数を使う - `id_cols`はそのまま残したい列 - `names_from`列名にしたい(引き伸ばしたい)情報が入った列 - `values_from`は，列に入れたい情報が入った列 ```{r} case1al <- case1al |> pivot_wider(id_cols = c(shop_id, shop, yearmonth), names_from = himoku, values_from = value) case1al ``` ------------------------------------------------------------------------ ### これを年数分繰り返す - ここでは，`for`ループを使って繰り返しを自動化します ```{r} #| code-fold: show file_list <- c("data/case1_a.xlsx", "data/case1_b.xlsx", "data/case1_c.xlsx") data_list <- list() for (file in file_list) { data <- here(file) |> read_excel() #<1> data_list[[file]] <- data |> #<2> select(-合計) |> pivot_longer(cols = c(-shop_id, -shop, -himoku), names_to = "yearmonth") |> pivot_wider(id_cols = c(shop_id, shop, yearmonth), names_from = himoku, values_from = value) } combined_data <- bind_rows(data_list) #<3> combined_data ``` 1. データを読み込む 2. 繰り返したい作業 3. ファイルごとに作ったものを，縦方向に繋げる(`bind_rows()`関数) ## Case2: 財務データと人事データの結合 - 大抵の場合，店舗や支店の業績は月次で管理されるけれど，業績評価は半年単位とかで決まる - 業績評価は年度単位で期間が区切られる - 2016/4-2016/9までが前半 - 2016/10-2017/3までが後半次のような順番で作業してみる 1. 人事データを結合 2. 財務データの年度と前半・後半を作成 3. 財務データに人事データを結合 ------------------------------------------------------------------------ ```{r} #| echo: false case2 <- here("data/case2.xlsx") |> read_excel() findata <- case2 |> select(-合計) |> pivot_longer(cols = c(-shop_id, -shop, -himoku), names_to = "yearmonth")|> pivot_wider(id_cols = c(shop_id, shop, yearmonth), names_from = himoku, values_from = value) findata <- findata |> mutate(year = as.numeric(str_sub(yearmonth, start = 1, end = 2)) + 2000, #<1> month = as.numeric(str_sub(yearmonth, start = 3, end = 4))) #<2> write.csv(findata, here("data/findata.csv")) ``` `findata.csv`と，`case3_p1.xlsx`, `case3_p2.xlsx`という三つのデータを使います ```{r} findata <- here("data/findata.csv") |> read.csv() case3_p1 <- here("data/case3_p1.xlsx") |> read_excel() case3_p2 <- here("data/case3_p2.xlsx") |> read_excel() case3_p1 ``` ------------------------------------------------------------------------ ### 人事データを結合 - 人事データ2期分は別のファイルになっている。 - データを縦方向に結合する - `bind_rows()`関数は，変数名が同じ2つのデータセットを縦方向に結合してくれる。 ::: {.callout-tip appearance="simple" icon="false"} 変数名が揃ってるか要確認 - （企業のデータだと，ある年から名前が変わってたり，全角と半角が変わってたりする） ::: ```{r} person <- bind_rows(case3_p1,case3_p2) person <- person |> rename(fiscalyear = year) #<1> person ``` 1. 財務データ側は暦年をyearとしているので，年度だとわかるように名前を変える ------------------------------------------------------------------------ ### 財務データに年度と半期識別データを作成 - `case_when()` 関数は，条件分岐させて処理を変えるための関数。 - 1, 2, 3月は前年度なので，暦年から1を差し引く - `ifelse()`関数も条件分岐。 - 2条件ならこっちでも良い ```{r} findata <- findata |> mutate(fiscalyear = case_when(month %in% c(1, 2, 3) ~ year - 1, TRUE ~ year), half = ifelse(month >= 4 & month < 10, 1,2)) findata ``` ------------------------------------------------------------------------ ### データを結合財務データの列に店長と業績評価の列をくっつける - `left_join()`関数はExcelのvlookupみたいな挙動。 - `by =`で指定した変数をキーにして，2つのデータを横向きに結合 ```{r} data_full <- left_join(findata, person , by = c('fiscalyear','half','shop')) data_full ``` # 課題 {data-stack-name="課題"} ## 課題: 半パネルデータ - `case2.xlsx`は企業の財務データです。 - [Case 1 : 財務諸表的並び](#case-1-財務諸表的並び)との違いは，すでに各店舗のデータがくっついている点です。 - データ分析に適した形（パネルデータ）に加工してください - **コードのみ記載してください** | shop | … | 売上高 | 売上原価 | yearmonth | |------|-----|--------|----------|-----------| | A | | | | 1604 | | A | | | | 1605 | | ... | | | | ... | | B | | | | 1604 | | ... | | | | ... | | C | | | | 1604 | : 完成イメージ --------------- ```{r} kadai <- here("data/case2.xlsx") |> read_excel() tt(kadai) ``` ## 答え ```{r} kadai <- kadai |> select(-合計) |> pivot_longer(cols = c(-shop_id, -shop, -himoku), names_to = "yearmonth")|> pivot_wider(id_cols = c(shop_id, shop, yearmonth), names_from = himoku, values_from = value) kadai ``` # 参考文献 {.unnumbered .no-auto-agenda data-stack-name="参考文献"} [^1]: 分野によっては横断データと呼ぶこともあるようです [^2]: 分野によっては縦断データと呼ぶこともあるようです。