就職氷河期世代の定義

就職氷河期世代とは、景気低迷の影響で新卒採用が著しく減少した時期に、学校を卒業して就職活動を行った世代を指します。一般的に、この世代は1993年から2004年頃に卒業期を迎えた人々とされ、多くが安定した正規雇用に就くことが難しかったため、いわゆる「ロストジェネレーション(失われた世代)」とも呼ばれています。

この時期の背景には、日本のバブル経済崩壊が影響しており、企業の新規採用が抑えられたことが原因です。特に、1970年代後半から1980年代初頭生まれの人々がこの氷河期の影響を強く受けました。

政府は、現在でも不安定な雇用状況に置かれた氷河期世代のため、安定雇用支援や再就職のためのセミナー、ハローワークによる専門窓口の設置など、多様な支援策を展開しています。

対象となる世代(1970年代後半-80年代生まれ)

就職氷河期世代は、1970年代後半から1980年代に生まれた人々を指し、1990年代半ばから2000年代初頭にかけての厳しい雇用環境の中で就職活動を行った世代です。特に、1991年のバブル崩壊後、多くの企業が新卒採用を抑制したため、希望する正社員としての就職が難しくなりました。

この世代は、多くが非正規雇用で働くことを余儀なくされ、安定した職業や生涯年収に大きな影響を受けています。2022年時点では、この世代は38歳から52歳程度となり、社会的にも重要な課題として注目されています。

現在、日本政府は氷河期世代への支援策として、再就職支援プログラムや非正規雇用からのキャリア形成支援を強化し、社会参加の促進を目指しています。これには資格取得支援や就業体験なども含まれており、個々人の生活の安定を図る取り組みが進んでいます。

問題の概要と社会への影響

就職氷河期世代の問題は、単なる雇用の難しさにとどまらず、日本社会全体に多岐にわたる影響を及ぼしています。

まず、この世代(1970年代後半から1980年代生まれ)は、バブル崩壊後の経済停滞期に就職活動を行ったため、新卒採用が極端に減少し、多くの人が非正規雇用やフリーターとして働かざるを得ませんでした。そのため、正社員としてのキャリア形成が不十分で、生涯賃金も他の世代より低くなっています。

社会への影響として、就職氷河期世代では雇用の不安定さから生活保護の受給者が増える懸念があります。また、将来の年金受給額が少なくなる可能性が高く、老後の生活も不安定になることが指摘されています。これにより、社会保障費の増加が見込まれ、財政への負担も深刻です。

この世代への支援策として、政府は就労支援プログラムやリスキリング(新たなスキルの習得)を促進していますが、依然として多くの人が安定した職に就けていない現状があります。そのため、支援の継続と、社会参加のための柔軟な取り組みが求められています。

このように、就職氷河期世代の課題は、個人のキャリア問題にとどまらず、日本社会全体の雇用・福祉・経済に大きな影響を与えており、引き続き長期的な支援が必要とされています。

バブル崩壊と長期不況の影響

1990年代初頭のバブル崩壊

1990年代初頭のバブル崩壊は、日本の経済に大きな影響を与えた出来事です。1980年代後半、日本では株価と地価が急激に上昇し、過剰な投資ブームが起きました。これは、政府の低金利政策と公共事業の拡大によって引き起こされ、多くの資金が不動産や株式に流れ込んだ結果です。この時期、日本経済は表面的には絶好調で、土地や株式の価格が実体経済を大きく上回る「バブル景気」が発生しました。

しかし、1989年に政府は過熱する経済を抑えるために金融引き締め策を開始し、公定歩合の引き上げや「総量規制」という不動産融資を制限する政策を導入しました。これにより、株価と地価は急落し、1990年にはバブルが崩壊しました。日経平均株価は1989年末の38,915円から、1990年には2万円台まで急落し、不動産価格も大幅に下がりました。

このバブル崩壊の影響で、多くの企業や銀行が不良債権を抱え込み、経営が悪化しました。1997年には山一證券や北海道拓殖銀行が破綻するなど、日本は深刻な金融危機に陥り、経済は長期にわたって停滞しました。この経済の低迷期は「失われた10年」、さらにその後も続く停滞は「失われた20年」と呼ばれ、日本社会に大きな負の影響を与えました。

経済成長の停滞と企業の採用抑制

日本経済の長期停滞は、バブル崩壊後に続く経済低迷の影響を受け、複数の要因によって促進されました。主な要因として、企業の採用抑制と投資不足が挙げられます。1990年代以降、多くの企業は不況への対策として人件費を抑制し、新卒採用や社員のスキル育成を減らしました。これにより雇用機会が減少し、労働市場の活力が低下しました。

さらに、経済成長に不可欠な設備投資も停滞し、企業は利益を内部留保として蓄積する一方、十分な再投資を行わない傾向が強まりました。このような消極的な投資行動が、日本経済全体の生産性向上を妨げ、潜在的な成長力の低下を引き起こしています。

これらの構造的な課題により、日本経済は「失われた20年」とも呼ばれる長期間の停滞に陥り、特に若年層や就職氷河期世代が大きな影響を受けました。現在も、持続可能な経済成長を実現するためには、企業による積極的な投資と人材育成が求められています。

新卒至上主義の雇用慣行がもたらした悪循環

日本の「新卒至上主義」は、学生が卒業と同時に正社員になることを重視する雇用慣行であり、長年にわたって企業文化に深く根付いてきました。しかし、この制度は多くの悪循環をもたらしています。

まず、企業は新卒者に過度に依存する一方で、既卒者や転職希望者を雇用する機会が限られてしまうため、職場での多様な人材の活用が阻まれています。特に、就職活動に失敗した既卒者は「キャリアの空白期間」とみなされ、再就職が難しくなるケースが多いです。

また、新卒一括採用は、学生にとっても厳しい競争をもたらし、短期間での進路決定を余儀なくされます。その結果、ミスマッチが生じて早期離職が増え、企業の人材育成にも悪影響を及ぼします。例えば、「会社を3年以内で辞める若者」が増える傾向が続いているのは、こうした制度の影響とされています。

さらに、新卒一括採用の重視は、労働市場全体の柔軟性を欠く要因にもなっています。景気の変動や技術革新が進む中で、通年採用や中途採用への移行が求められているものの、依然として多くの企業が伝統的な新卒一括採用に依存しているのが現状です。

こうした問題を解消するためには、柔軟な採用制度の導入と、既卒者や転職希望者に対する支援の強化が必要とされています。また、企業と教育機関が協力し、学生が卒業後に多様なキャリアを追求できる環境づくりも求められています。

労働市場の構造変化と非正規雇用の増加

人材派遣法の改正と非正規雇用の広がり

日本の労働市場は、1990年代以降の構造変化に伴い非正規雇用が大幅に増加しました。特に、企業はコスト削減のため、正規雇用から非正規雇用へのシフトを進め、パートや派遣労働者の採用を積極的に行うようになりました。この変化により、労働者の安定した雇用が減少し、所得格差やキャリア形成の問題が顕在化しています。

人材派遣法は、派遣労働の適用範囲を拡大することで非正規雇用の広がりを促しました。1999年の法改正により、派遣労働がほぼ全業種で可能となり、2015年の改正では同一労働同一賃金が推進されました。しかし、これにより一部の労働者が柔軟な働き方を享受する一方で、多くの非正規労働者が低賃金や不安定な雇用に直面する結果となっています。

また、非正規雇用は女性や高齢者の就労機会を拡大する一方で、労働者の所得が低く抑えられ、キャリアアップの機会が制限されるなどの課題も抱えています。特に、非正規雇用から正規雇用への転換が難しいことが、生涯所得や社会保障の面での不利を生んでいます。

このような背景から、日本社会では非正規労働者に対する支援策が求められており、キャリア形成支援や労働条件の改善が進められています。しかし、これらの改革の効果が広く行き渡るには時間がかかるため、持続的な政策支援が必要とされています。

正規雇用ポストの減少と企業のコストカット戦略

日本の労働市場では、バブル崩壊後の経済停滞を背景に、企業がコスト削減を重視する戦略を進め、正規雇用ポストの減少が顕著になりました。1990年代以降、多くの企業が経営の柔軟性を高めるため、パートや派遣社員などの非正規雇用を積極的に採用するようになりました。

企業にとって、非正規雇用は人件費を抑え、経済の不確実性に対応するための有効な手段でした。正規雇用には長期的な賃金上昇や福利厚生が伴うため、これを減らし、より短期契約の非正規雇用者を活用することで、企業は固定費を削減しやすくなったのです。

この変化により、非正規雇用は労働市場全体の約37.5％に達し、特にパートタイムや派遣社員が増加しました。しかし、これに伴う課題も深刻で、非正規雇用者は低賃金に加え、安定したキャリア形成の機会が制限される傾向があります。また、正規雇用への転換が難しく、生涯所得の格差も拡大しています。

今後の課題として、非正規雇用者の待遇改善と、正規・非正規の雇用形態の柔軟な移行を支援する制度の強化が求められています。企業は短期的なコストカットだけでなく、長期的な人材育成と雇用の安定性を両立することが、持続的な成長の鍵となります。

フリーター・派遣社員としてのキャリアの難しさ

フリーターや派遣社員としての働き方は、一見すると自由度が高く魅力的に映る一方で、長期的なキャリア形成において多くの困難を伴います。フリーターは自分の時間を柔軟に使える反面、アルバイトやパートの雇用形態が多く、社会的な信用や安定性に欠けることが問題です。例えば、企業からは「責任感に乏しい」という偏見を持たれるケースが多く、履歴書でのアピールが難しいため、正社員への転職活動で苦戦することも少なくありません。

一方、派遣社員としての働き方は、派遣会社を通じて多様な職場経験を積むことができるというメリットがありますが、その反面、契約期間が限られているために雇用の不安定さがつきまといます。企業は必要に応じて労働力を調整するため、契約満了後に再契約されないリスクが常に存在します。さらに、派遣の業務はルーティンワークが多いため、スキルアップの機会が限られ、管理職への昇進や昇給の可能性も乏しいという課題があります。

このように、非正規雇用の働き方は、短期間での収入を得やすい一方で、長期的な視点ではキャリアの選択肢が狭まりやすくなります。また、非正規雇用から正社員への転換が難しいことから、生涯にわたる収入の不安や老後の生活への影響も無視できません。そのため、資格の取得やスキルアップを意識的に行い、労働市場での価値を高める取り組みが求められます。労働市場全体としても、柔軟な働き方の価値を再評価し、非正規労働者への支援を強化することが重要な課題です。

就職氷河期世代の再生

就職氷河期世代の再生は、日本社会の持続可能な発展にとって重要な課題です。バブル崩壊後の厳しい経済環境で十分な就職機会を得られなかったこの世代の多くは、長期間にわたる非正規雇用や不安定な生活を余儀なくされましたが、近年では、再チャレンジのための支援策が進展しています。

・近年の再チャレンジ支援策の効果

政府は就職氷河期世代への再挑戦を促すため、雇用支援プログラムや職業訓練を強化してきました。特に、地方自治体やハローワークでは専門窓口を設け、この世代を対象にした職業相談やセミナーが開催されています。また、企業に対しては氷河期世代の採用を促進するための助成金制度も導入されました。これにより、これまでに正規雇用の経験が少なかった人々が、新たなキャリアを築く機会が増えつつあります。

・経験を活かす社会参加の可能性

多くの就職氷河期世代は、非正規雇用での経験を通じて様々な職務に携わってきました。そのため、これらの経験を活かし、社会に再び貢献する可能性があります。最近では、この世代の特性を生かした「リスキリング（新たなスキルの習得）」や「ボランティア活動」への参加も注目されています。多様な経験を持つ人材がコミュニティ活動や地域振興の場で活躍することで、新しい形の社会参加が促進されつつあります。

・多様な働き方を支える未来の社会像

これからの社会では、氷河期世代を含むすべての労働者が多様な働き方を選択できる環境づくりが重要になります。リモートワークやフレックスタイム制など、柔軟な働き方を支える制度の整備が進む中で、働く人々がライフスタイルに合わせてキャリアを選択できる社会が求められます。また、非正規雇用と正規雇用の垣根を低くし、誰もが自身の能力に応じて成長できる環境の構築が必要です。このような取り組みは、日本社会全体の包摂性と持続可能な発展に寄与するでしょう。

氷河期世代の再生は、過去の経験を活かし、未来に向けた柔軟な働き方を支える社会の構築において重要な鍵となります。支援策のさらなる進化と、多様なキャリアの価値を認める社会的風潮が、すべての世代の豊かな未来を支える基盤となるでしょう。

エリート過剰生産が国家を滅ぼす

Amazon

Yahoo

Rakuten

1. エリートの過剰生産（Elite Overproduction）

ターキンは、エリートが過剰に生産されると社会が不安定化すると主張しています。高度な学位や富を持つ人々が増えることで、限られた権力の座を巡る競争が激化し、エリートになれなかった人々が「反エリート」として反体制運動を起こし、社会の分裂を促します。

2. 大衆の困窮（Popular Immiseration）

経済的な停滞や格差の拡大によって、多くの人々が生活の困難を感じると、政府や体制への不満が高まり、社会の不安定化が進みます。これが革命や暴動を引き起こす可能性があります。

3. 統合と崩壊のサイクル

ターキンの分析では、社会は安定期と崩壊期を周期的に繰り返します。格差拡大、賃金停滞、エリート間の対立、国家機能の低下が揃うと、社会は崩壊の局面に突入します。彼は、現在のアメリカが崩壊期の終盤にあると警告します。

4. 富の汲み上げ（The Wealth Pump）

「富の汲み上げ」は、社会の富が大衆から少数のエリートに集中する現象を指します。この動きが、経済的不平等を助長し、大衆の困窮とエリート間の対立を引き起こします。

5. アメリカへの適用

ターキンは、1970年代以降のアメリカ社会が急速に不安定化していると指摘しています。政治的分断、公共機関への信頼低下、負債の増加が進んでおり、これらは崩壊の兆候だと述べています。彼は、ニューディール政策や19世紀イギリスの改革のような大規模な再構築が必要だとしています。

6. 危機を回避する希望

ターキンは、危機を乗り越えた歴史的な例として、19世紀ロシアの農奴解放やアメリカのニューディール政策を挙げています。こうした改革により、富と権力のバランスを回復することが、社会崩壊を防ぐ鍵であると強調します。

社会の盛衰を理解するための理論的枠組みを提供し、現代の政治・経済状況に対する深い洞察を示しています。エリート間の対立と経済的不平等が社会崩壊の主要な要因であるとしつつ、適切な改革によって次の崩壊を防ぐ可能性を探っています。

エリート過剰生産が国家を滅ぼす

Amazon

Yahoo

Rakuten

第1部: 権力のクリオダイナミクス

歴史がただの偶然の出来事の連続ではなく、予測可能なパターンに従っているという考えが展開されています。ターキンは、社会の変動や政治的不安定のサイクルを理解するために、「クリオダイナミクス（cliodynamics）」という新たな学問分野を提唱します。このアプローチは、歴史的なデータを数学的モデルで分析し、社会がなぜ安定から崩壊へと向かうのかを説明するものです。

ターキンが特に注目するのは、社会の不安定化に関わるエリート層の役割です。彼は、社会がエリートを必要以上に生み出し、その結果、エリート間の競争が激化する現象を「エリートの過剰生産」と呼びます。これは、限られた権力のポジションを巡っての争いを引き起こし、社会全体に亀裂をもたらします。ターキンは、これを「椅子取りゲーム」に例え、椅子（権力の座）の数が一定である中で、参加者（エリート志願者）が増え続けることで、不満を持ったエリートが増加し、最終的には社会の秩序が崩壊する危険性を指摘します。

歴史を振り返ると、社会は「統合期」と「解体期」を交互に経験するとターキンは主張します。統合期では社会が安定し、エリート層も協力的になりますが、解体期に入るとエリート間の対立が激化し、政治的な暴力や反乱が頻発します。アメリカ社会についても、ターキンはこのモデルを適用し、経済的不平等の拡大や賃金の停滞、公共機関への信頼の低下が、不安定な時代への前兆であるとしています。

また、ターキンは、社会の安定と崩壊には経済的な不平等だけでなく、「権力」の多様な形が関わると述べます。権力は単に富の所有にとどまらず、行政的権力や軍事的権力、さらには思想的・文化的な影響力も含まれます。CEOや政治家、ソーシャルメディアのインフルエンサーなど、さまざまなエリートがこれらの領域で相互作用しながら社会を動かしていきます。

ターキンは特にアメリカを例に挙げ、1970年代から始まった賃金の停滞と不平等の拡大が、社会の「第二の金ぴか時代（Gilded Age）」を引き起こし、2020年代の政治的不安定を予測可能なものにしたと主張します。彼はこの状況を、エリートの過剰生産と大衆の困窮という二つの要因が同時に進行する「危険な組み合わせ」として位置づけています。

第1部では、こうした歴史的・社会的パターンがどのように現在の危機につながっているかを示し、アメリカが過去の時代と同様に解体期にあると結論づけています。ターキンは、社会が過去にどのようにして危機を乗り越えたかを理解することで、今後の選択がより良い未来につながる可能性があると読者に訴えかけています。

エリート過剰生産が国家を滅ぼす

Amazon

Yahoo

Rakuten

第2部: 不安定性の要因

ピーター・ターキンが社会の不安定を引き起こす根本的な要因について掘り下げています。彼は、歴史的に複雑な社会がなぜ危機に陥るのかを解明するために、社会構造とエリートの役割、そして経済的不平等との関係を分析します。この章では、エリート間の対立と大衆の困窮が、どのように社会を不安定に導くかが説明されています。

ターキンは、まず「大衆の困窮（Popular Immiseration）」に焦点を当てています。社会の大部分の人々が経済的に苦しみ、生活水準が低下すると、大規模な社会不安が高まります。賃金の停滞や格差の拡大が人々の不満を蓄積させ、その不満は次第に政府やエリートに向けられるようになります。こうした状況は、単に経済的な問題だけでなく、社会全体の結束をも脅かし、政治的な暴動や革命の引き金となり得るのです。

次に、ターキンは「エリートの過剰生産（Elite Overproduction）」という現象を取り上げます。社会が必要以上に多くのエリートを生み出すと、限られた権力のポジションを巡って競争が激化します。結果として、エリート同士の対立が深まり、既存の体制に不満を抱く「反エリート」も現れます。こうした競争は、エリート間の協力を妨げ、社会全体の安定を脅かします。ターキンは、特にアメリカ社会における富裕層の支配（プルートクラシー）がこのエリートの過剰生産と密接に関わっていると指摘しています。

また、統治層の無力化も社会の危機を促進する要因として重要です。政治エリートが増大する不満に対応できなくなると、政府の統治能力が低下し、社会全体の信頼が失われます。このような状況では、エリート層の内部対立と大衆の不満が共鳴し合い、危機が深まるとターキンは説明します。さらに、これらの要因がどのように現在のアメリカに当てはまるかについても具体的に言及しています。

ターキンは、第2部を通じて、社会の不安定化は単一の要因ではなく、エリートと大衆の相互作用によって引き起こされる複雑なプロセスであることを強調します。エリート間の競争と大衆の不満が高まると、社会は急速に不安定になり、政治的な危機に陥るリスクが高まるのです。この分析は、単に歴史を解釈するだけでなく、現在と未来の社会の課題に対する警鐘としても機能しています。

エリート過剰生産が国家を滅ぼす

Amazon

Yahoo

Rakuten

第3部: 危機とその余波

ピーター・ターキンが社会が危機に陥るプロセスと、その後どのように回復や変革を遂げるのかを探ります。彼は、歴史を通じて繰り返されてきた国家崩壊のパターンと、その先に待つ未来について分析します。この章では、危機がどのように深まるか、そしてその後に社会がどのように立て直されるかが議論されています。

ターキンは、まず「国家の崩壊（State Breakdown）」がいかにして起こるかを説明します。エリート間の対立、大衆の不満、政府の財政不安が複雑に絡み合い、国家は統治能力を失っていきます。このような危機的状況では、社会全体が無秩序に陥り、内戦や暴動が発生する可能性が高まります。ターキンは、国家崩壊が突然の出来事ではなく、徐々に進行するプロセスであることを強調し、その予兆として信頼の崩壊や制度の機能不全を挙げています。

しかし、ターキンはまた、社会が崩壊後にどのように再生するかにも目を向けます。彼は、歴史上の多くの社会が深刻な危機を乗り越え、新たな安定期を迎えた事例を紹介します。例えば、内戦や革命の後に新たな政治体制が構築され、社会の安定が回復することもあります。この「新しい社会契約」の形成によって、エリートと大衆の間に新たな協力関係が生まれ、再び国家が統合されると説明します。

さらに、ターキンは未来に関する展望にも触れます。彼は、社会が危機からどのように回復するかは、エリートと大衆が協力して新しい制度を作り上げることにかかっていると述べます。現代社会においては、特に経済的不平等の是正や、エリート間の対立を抑制するための新しいルールが必要だと指摘します。また、民主主義の未来についても触れ、もし適切な改革が行われなければ、民主的制度がさらに弱体化する可能性があると警告しています。

第3部の中心的なメッセージは、危機は避けられないものの、それをどのように乗り越えるかが社会の未来を決定づけるということです。ターキンは、歴史を学び、同じ過ちを繰り返さないようにすることの重要性を強調し、社会が崩壊の先にある再生の可能性を探るための道筋を示しています。このようにして、彼は現代社会の課題に対する深い洞察と、未来に向けた希望を同時に提供しています。

エリート過剰生産が国家を滅ぼす

Amazon

Yahoo

Rakuten

Kaggleとは、2010年にスタートし、2017年にGoogleが買収した、データサイエンスの課題を解決するサービスです。
Kaggleに参加する人たちはKagglerと呼ばれ、定期的に開催されるコンペで順位を競っています。
Kaggleの一番の醍醐味はコンペティションと呼ばれるものです。ある企業が、AIを使ってこの課題を解決したいけど、社内にAIのアルゴリズムを開発できる人がいない。。。と困っているとします。その企業がKaggleを使えば、世界中のKaggler達が問題の解決に挑み、コンペに優勝した人は、無償利用権を企業に与える代わりに、賞金を手にすることができます。
企業はAIの課題を解決してもらえる。Kagglerはスキルを伸ばすことができ、賞金ももらえるという、双方にメリットがあるマッチングのプラットフォームがKaggleです。

Kaggleを使うメリット

ここからは、Kaggleを使う2つの大きなメリットを紹介します。
まずは、初心者でも安心して学べる環境が整っていることです。
コンペ終了後に、Kernelと呼ばれる、他の参加者がどのようにして解いたのか、そのコードや説明が書いてあるページを見ることができます。世界中の優秀な人たちのコードを見て、自分のスキルも高めることができます。
また、プログラミングやAIの基礎を学べるチュートリアルも非常に豊富で、しかも無料で学べることができます！
質問があった場合は、Kaggleには非常に活発なコミュニティ機能があるので、そこで質問してみてもいいかもしれません。

もう一つのメリットは、無料で大会に参加できることです。
コンペは頻繁に開催されており、参加費などはかかりません。日本企業も最近はコンペを開催していて、メルカリによる、「自動で商品の価格をつけるためのAIを作る」というコンペは話題になりました。

• 初心者でも安心して学べる！
• 無料で大会に参加できる！

Kaggleのデメリット

そんなKaggleですが、一つ大きなデメリットがあります。それは、日本語にほとんど対応していない、ということです。先程のチュートリアルや、大会の内容、Kernelも全て英語なので、ある程度の英語の読み書きができる必要があります。
このチャンネルでは、英語が話せない方でも、簡単にKaggleを使えるように、解説動画やチュートリアル動画をたくさん出していく予定なので、ぜひ高評価とチャンネル登録をしてください！

Kaggleのおすすめルート

Kaggleを始めたいなら、まずは公式サイトから無料で会員登録をしましょう。
その後チュートリアルを進めて、自分がわからない部分について学んでいくことがおすすめです。私のおすすめは、Intro to Machine Learningです。「人工知能がどうやって動くのか」から、実際にコードをかくところまで丁寧に解説しているので、非常にわかりやすいです！

いかがでしたか？近年ますます人工知能の技術が進歩してきており、データサイエンスや人工知能に興味を持つ方も増えてきています。Kaggleはそんな方のためにぴったりのサービスだと思うので、ぜひ一緒にKaggleを利用しましょう！

Stataで扱ったデータをcsvファイルとして出力、あるいはStataにcsvファイルを読み込むための「outsheet/insheet」というコマンドの使い方を紹介していきます。

1. CSVファイルを出力する

CSVファイルを出力するときには、「outsheet」というコマンドを利用します。

「outsheet using ファイル名, comma」と指定することで、CSVファイルを出力することができます。ファイル名は、拡張子まで含めます。

outsheet using mydata.csv, comma

【図1】

図1を見ると、1行目には変数名、それ以下にはデータというStata上の表と同じような形式で出力されていることが確認できます。

また、outsheetコマンドを利用する際には、ファイル名の後ろにある「comma」は必ず指定が必要です。このオプションを打ち込まないと、図2のように同じセル内にデータが出力されてしまいます。

【図2】

2. CSVファイルを読み込む

次に、CSVファイルを読み込みについてです。先ほど出力した「mydata.csv」を読み込んでみましょう。CSVファイルの読み込みのときには「insheet」というコマンドを利用します。

insheet using mydata.csv

「insheet using CSVファイル名」と指定することで、CSVファイルを読み込むことができます。ファイル名は、outsheetと同様拡張子まで含めます。

コンソール上には、2つの変数(2 vars)と10のデータ数(10 obs)という図3のような情報が表示されます。

【図3】

【図4】

図4を見ると、CSVファイルの1行目、var1とvar2という変数名でそのまま定義されていることがわかります。このようにCSVファイルは出力/読込時に変数を引き継ぐことができるので、Excelファイルよりもデータを扱いやすいです。

Stataを利用していると、普段使っているコマンドの詳しい情報がほしいときがあります。そんな時に、Googleなどの検索ツールを使うよりも、Stataの「help」コマンドがおすすめです。

例えば「obs」コマンドについて詳しく知りたいとき、以下のコマンドを打ち込んでみましょう。

help obs

【図1】

図1のように、コマンドの機能の説明が書かれたマニュアルが新しいウィンドウに表示されます。

また、メニューバーにある「ヘルプ(H)>Stataのコマンド…(O)」をクリックすると、

【図2】

図2のようなポップアップが出てくるので、用語を検索することができます。入力フォームに調べたいコマンド名を入れて、OKを押すと、先ほどのようなマニュアルが表示されます。

コマンドの使い方に困ったときにおすすめの「help」、ぜひ活用してみてください。

Stataで扱ったデータをExcelファイルとして出力、あるいはExcelファイルを読み込んでデータを扱いたいときに使う「export/import」というコマンドについて紹介していきます。

1. Excelファイルを出力する

Stataで生成したデータをExcelファイルに出力してみましょう。

まずは、データ数とデータの値をそれぞれ定義していきます。今回は、データ数10としてvar1、var2、var3という3つの変数を生成してきます。

set obs 10

gen var1 = _n

gen var2 = _n^2

gen var3 = _n^3

export excel mydata

「export excel ファイル名」と打ち込むと、「ファイル名.xlsx」というExcelファイルを出力することができます。

【図1】

図1のように、3つの変数がそれぞれのセルとして保存されていることが分かります。

ただし、var1、var2、var3という変数名は引き継がれません。

また、exportを使うとStata.exeのあるフォルダ内に出力されます。

2. Excelファイルを読み込む

それでは、次にExcelファイルを読み込んでみましょう。先ほど出力した「mydata.xlsx」を参照します。

import excel mydata

「import excel ファイル名」とすることで、「ファイル名.xlsx」というExcelファイルを読み込むことができます。

【図2】

図2のように、データ数10の3つの変数のデータを読み込むことができました。

3. 出力/読込する列を指定する

次に、指定した列だけを出力、読込してみましょう。

まず、先ほどのように3つの変数を定義します。

set obs 10

gen var1 = _n

gen var2 = _n^2

gen var3 = _n^3

図3のような表になっていることが確認できます。

【図3】

それでは、こちらの表のうちの2つの変数を出力してみましょう。

export var1 var2 using mydata

「export 変数1 変数2 … using ファイル名」のように書くことで、指定した変数の列のみデータとして出力することができます。

【図4】

図4のように、2つの変数のみが出力されていることがわかります。

次は、読み込みについてです。2つの変数が出力された「mydata.xlsx」から、A列(A1～A10)のみを読み込んでみましょう。

import excel var1 using mydata

【図5】

図5のように表示されます。

先ほどの記述だと、Excelファイルの“1列目”を「var1」という変数で定義するという意味になります。

それでは、2列目以降を範囲指定して呼び出す方法についてみていきましょう。

2列目(B列)を呼び出したい場合、「cellrange」というオプションを利用します。

import excel mydata, cellrange(B1:B10)

【図6】

図6のように、B1からB10までの列を指定すると、以下のようにB列を読み込むことができました。

Stataにおける「list」は、generate(あるいはgen)で生成した数値を一覧表示するコマンドです。

1. obsでデータ数を指定

obsを使ってデータ数を指定してみましょう。

set obs 10

図1のように、表の行に10番目までの番号が振られ、データ数が10個に指定されたことが分かります。

【図1】

2. 変数を定義する

次に、generateを使って変数を定義していきましょう。

例えば「generate var1 = 10」とすると、データ数10として、新たな変数var1を10と定義したことになります。10というデータが、10個分生成されたことを意味します。

今回は、少しだけ応用のやり方を紹介します。

generate var1 = _n

【図2】

「_n」とすると、図2のようにデータ番号に沿った数値がデータとして定義されることが分かります。

もし0から始めたい場合には「_n-1」、何らかの数値との積にしたい場合には「_n*2」、2乗の値にしたい場合には「_n^2」などを指定することができます。

3. リスト表示する

それでは、先ほど定義した変数をリストで一覧表示してみましょう。

list var1

【図3】

図3のように、データに対してindexが割り振られることがわかります。

4. 複数の変数を一覧表示する

次に、1つの変数だけでなく複数の変数を一覧として表示してみましょう。

変数を以下のように定義しましょう。

gen var1 = _n-1

gen var2 = _n

gen var3 = _n+1

var1、var2、var3を定義したら、以下のようなコマンドを打ちます。

list var1 var2 var3

【図4】

図4のように、3つの変数のリストが表示されました。

5. 範囲内のデータだけ表示する

最後に、範囲を指定してデータを表示させてみましょう。

例えば、3番目から5番目の数値を取り出したいとき、「in 3/5」のように記述します。

list var1 in 3/5

【図6】

すると、図Ⅵのように3から5までの小さめのリストが表示されました。

1～5なら「in 1/5」、6～9なら「in 6/9」のように、inのあとの数字を変えることで調整することができます。

今回はstataで演算を行う際に、不等号や条件式をどのように扱うのかについて説明していきます。まず以下のようにコマンドしみましょう。

set obs 20

gen x1 = _n

set seed 1234

gen rnd = runiform()

sort rnd

gen x2 =_n

gen x3 = 1 if x1==x2

gen x4 = 1 if x1 != x2

gen x5 = 1 if x1 >= 5

gen x6 = 1 if x1 < 5

gen x7 = 1 if x1 <= 15

gen x8 = 1 if x1 > 15

まず4行目までは、データ数を20に設定し、変数x1には1から20までの正の整数（自然数）が出力されており、変数rndにはseed 1234における0から１までの乱数が出力されています。5行目でsort rnd を用いることで、rndの乱数を昇順に並べることができます。このとき、図のようにx1にはそれぞれの乱数に対応した番号が割り振られています。

次に6行目のようにx2に1から20までの番号を順番に割り振っていきます。そして7行目で、x1とx2が等しいときにx3に１を出力するようにコマンドを打ちます。このとき、x1とx2が等しい状態をx1==x2と表します。イコールを2つ重ねることに注意しましょう。

８行目では、x1とx2が異なる数字の場合に、x4に１と出力するようにコマンドしています。9行目ではx1が5以上のときはx5に１、10行目ではx1が5未満のときx6に１、11行目ではx1が15以下のときx7に1、12行目ではx1が15より大きいときとx8に１と出力するコマンドを表しています。

ここではstataで演算をする方法について説明し、基本的な四則演算と変数を用いた計算について扱います。

コマンドdisplayについて

displayとは計算結果や文字列を画面に出力するときに用いられコマンドです。まずstataを開いたら、下部のコマンド欄に

display 2+3

display 7-2

display 3*7

display 10/5

display 2^10

と打ち込んでいくと画面左上部に計算結果が出力されましたね。では次に、もう少し複雑な計算式で試してみましょう。

display 2+3*5+3

display (2+3)*5+3

（）をつけた部分は先に計算されるので、異なる値になっていますね。今回のように簡単な計算では（）を付け忘れることは少ないですが、より多くの変数や複雑な関数を扱う場合は忘れがちなので注意しましょう。

さらに、平方根、自然対数、絶対値はそれぞれsqrt(x),  log(x), abs(x)を用いて出力することが可能です。

display sqrt(16)

display log(10)

display abs(-10)

変数を用いた演算について

ここでx1、x2にランダムに割り振った1から20までの整数の和をx3として出力する工程について説明していきます。まずは以下のコマンドを打ち込んでみましょう。

set obs 20

gen x1 = _n

set seed 1234

gen rnd = runiform()

sort rnd

drop rnd

set seed 5678

gen x2 = _n

gen rnd2 = runiform()

sort rnd2

drop rnd2

gen x3 = x1 + x2

１行目で扱うデータ数を20とします。次に、_nを用いて変数x1について1から20まで番号をつけてデータ番号をつけていきます。そして3行目で乱数の元となるseedを1234と設定したうえで、4行目ではruniform()を用いてrnd という変数に0から1までの乱数を割り振り振ると、下表のようになります。このとき、x1のデータ番号はrnd に割り振られた番号にそれぞれ対応していることに注意してください。

次に5行目では、0から１までの乱数を昇順に並べると、下表のようにそれぞれの乱数に対応したデータ番号も並び変わっていることが分かりますね。rndはもう使用することはないので、表を見やすくするためにdropを用いて削除しましょう。

7行目から11行目までのコマンドでx2についても同様の作業を行います。このとき、乱数の元となるseedを先ほどとは異なる5678としていることに注意しましょう。このseedを1234のままにしておくと、rnd2にはrnd1と同じ乱数が割り振られてしまいます。最後に12行目でx3をx1とx2の和であると定義すると、下表のようにx1、x2にそれぞれランダムに並べられた1から20の整数の和をx3として出力することができましたね。

ここでは変数の足し算について扱いましたが、割り算や掛け算などについても同様に演算を行うことができます。

今回はstataを用いて正規分布に従う変数をどのように出力し、グラフ化するかについて解説します。まず、stataを起動させたら、図１にあるように

【図1】

set seed 5678

set obs 10000

gen x1 = rnormal (0, 1)

とコマンドしましょう。seed 5678は「乱数を出力する元となる値を5678にしたこと」を意味しています。また、seedに続く値は任意の自然数となります。さらに、2行目で観測データ数を10000に指定して、3行目でx1を標準正規分布に従う変数と定義しています。

rnormal (a ,b)は平均a、標準偏差bの正規分布に従う数を出力するためのコマンドです。特に平均０、標準偏差１の正規分布のことを標準正規分布といいます。

このときデータエディタ（編集）を開くと図2のようになります。ⅹ1として定義された列に乱数が10000個並んでいるのが分かりますね。

【図2】

続けて

sum x1

と打ち込んでいくと、図３のような結果が出力されます。この結果を見るとMean（平均）はほぼ０、Std. Dev.（標準偏差）は1にかなり近い値になっていますね。今回はサンプル数を10000にしましたが、さらに数を増やすとMean、Std. Dev.はそれぞれ限りなく0、１に近づいていきます。このことは中心極限定理によって調べることがっできます。

【図3】

2．グラフのプロット

今回は正規分布に従う乱数を出力しましたが、その確率分布は一体どれほど正規分布に近いのかグラフを用いて直観的に理解していきましょう。

まず、前述のsum x1のあとに

twoway (kdensity x1)

と打ち込んでみると図４のようになります。おおよそ標準正規分布に従うグラフになりましたね。これはカーネル密度推定という手法で、今回は正規分布に従う乱数を想定しましたが、それが本当に正規分布のような確率分布になるのかをグラフから直観的に理解することができます。

【図4】

次に、平均と分散の異なる正規分布をプロットするとどうなるのか、確かめてみましょう。前述のコマンドのあとに図５のように

【図5】

gen x2 = rnormal (0, 5)

gen x3 = rnormal (3, 1)

twoway (kdensity x1) (kdensity x2）

twoway (kdensity x1) (kdensity x3)

と打ち込んでグラフをプロットすると、図６，7のようになります。図６ではx2は平均がx1と同じですが分散が大きく、x1のグラフ比べて横に裾野が広くなっているのが分かりますね。一方で、図７ではx3は平均はx1と異なります、分散は等しく、x1のグラフを横にスライドさせたようなグラフになりましたね。

【図6】

【図7】