[Rによるデータ分析入門]正誤表

拙著「Rによるデータ分析入門」に誤植が見つかりましたので訂正します。
2024年6月17日更新

Ｒによるデータ分析入門―経済分析の基礎から因果推論まで― | 松浦 寿幸 |本 | 通販 | Amazon

P. ⅳ 9行目
(誤)高野祐介 (正) 高野佳佑

第1章　RとRStudioの基本動作

P.27 6行目 "tableone"は一つ不要（動作上は問題ありません）

第3章　回帰分析

P.78 5行目 ｔ値の定義式の右辺の分母
誤) $${t=\frac{係数}{係数の標準偏差}}$$
正) $${ t=\frac{係数}{係数の標準誤差}}$$

P.84 1行目
誤）たとえばageを1/12して（age_rev）築何か月かを示す指標にすると
正）たとえばageを1/12（age_rev）にすると

P.85　囲み、自由度調整済決定係数の最後の項
誤）$${\frac{1-1}{n-k}}$$
正）$${\frac{1-1}{n-k-1}}$$

P.108 下から7行目
誤）性の賃金と年齢の関係
正）男性の賃金と年齢の関係

P.107 下から2行目
誤）dataf<- dataf %>% dlpyr::mutate(age_male=age*male)
正）dataf<- dataf %>% dplyr::mutate(age_male=age*male)

P.109 下から4行目
誤）使用するデータ：wage-census-ca.R
正）使用するデータ：wage-census-ca.csv

P.131 13行目　「これで回帰分析を実施します。」の後ろに以下の一文を挿入
“なお、Chapter3-4.Rでは「cityが"kunitachi_city"なら１」をとるダミー変数kunitachi_cityを作成し、下記の回帰分析に導入しています。”

P.137 6行目
誤）library("estimatr")
正）library(estimatr)

第5章　差の差の分析とパネルデータ分析

P. 181 2行目
誤）$${ Y_{Tit}-Y_{Tit} }$$
正）$${ Y_{Tit}-Y_{Tit-1} }$$

P. 181 7行目
誤）$${ Y_{Cit}-Y_{Cit} }$$
正）$${ Y_{Cit}-Y_{Cit-1} }$$

P. 181 9行目
誤）$${ (Y_{Tit} - Y_{Tit}) - (Y_{Cit} - Y_{Cit}) }$$
正）$${ (Y_{Tit} - Y_{Tit-1}) - (Y_{Cit} - Y_{Cit-1}) }$$

P. 183 7行目
誤）$${ Treat }$$
正）$${ Treat_i }$$

P.184 ボックス内の数式 　誤）a →　正）α

P.184 13行目（ボックス内の3つ目の数式）
誤）$${ Y_{T, 2004} =+\beat_{1}Treat+… }$$
正）$${Y_{T, 2004}=\alpha +\beat_{1}Treat+… }$$

P.185 4行目、7行目
誤）station=="shonandai"
正）station=="Shonandai"

P.201 下から4行目
誤）Fixe-Effects
正）Fixed-Effects

P.203 表の第3列1行目
誤)　b →正）β

P.206　3行目
誤）$${+\alpha +bX_{i2}+\gamma_{1}D_{1}…}$$
正）$${+\alpha +\beta X_{i2}+\gamma_{1}D_{1}…}$$

P.231 下から4行目
誤）ｔ期も非参加なら１
正）ｔ期も非参加なら０

P.232　下から6行目～、「ここでは～回帰」を削除
最後に回帰分析結果を見ておきましょう。ここではｔ時点で労働組合に入っていない人が、t+1期にかけて組合に参加すると賃金が変化するかを見ようとしていますので、以下のようにdplyr::filter()関数でt-1時点に労働組合に入っていない人に限定したオブジェクトを作成します。
pdataf2 <- pdataf %>% dplyr::filter(plm::lag(pdataf$union)==0)
この新しいオブジェクトを使って実施した回帰分析の結果が以下です。説明変数はlag関数を使って1期前の値を用いています。

P.237　下から3行目
誤）tidyer ::pivot_longer()関数を使います
正）tidyr ::pivot_longer()関数を使います

P.237　下から1行目
誤）tidier ::pivot_longer(~
正）tidyr ::pivot_longer(~

P.238　11行目
誤）caprate <-tidier ::pivot_longer(~
正）caprate <-tidyr ::pivot_longer(~

P.247 13行目
誤）ヒスパニックダミー（hisssp）
正）ヒスパニックダミー（hisp）

P.248 3-5行目
被説明変数に犯罪発声率→被説明変数に犯罪発生率
逮捕される確率(lprobarr)→逮捕される確率(lprbarr)
逮捕されたのち有罪になる確率(lprobconv)→逮捕される確率(lprbconv)
収監される確率(lprobpris)→収監される確率(lprbpris)

第6章　操作変数法

P.262 2行目
誤）fitstat=~ivwald+ivwald.p+sargan+sargan.p,se.below=TRUE)
正）fitstat=~ivf+ivf.p,se.below=TRUE)
※WEBサポートで配布されているChapter6-1.Rには変更ありません。

P.267 12行目
誤）Cigarret2
正）CigarettesSW

P.273 下から1行目
逮捕される確率（lprobarr）→逮捕される確率（lprbarr）

P.274
逮捕されたのち有罪になる確率(lprobconv)→逮捕される確率(lprbconv)
収監される確率(lprobpris)→収監される確率(lprbpris)

第7章　傾向スコア法

P.280 ボックス内
誤）使用するデータ：nswcps_pamatch.csv
正）使用するデータ：nswcps_psmatch.csv

P.292 13行目, 16行目 educ2とmarriedを追加
※P.291下から11行目の予測確率の計算でeduc2とmarriedが含まれているのに対して、P.292の処置効果の計算では含まれていないため、これを追加
誤）lm(re78 ~ treated+age+age2+educ+nodegree
正）lm(re78 ~ treated+age+age2+educ+educ2+married+nodegree
これにより表7.1の結果が以下のように変わり、P.293の数値も変更になります。

P.293 2行目, 3行目
誤）最小二乗法（OLS(unweighted)）では、treatedの係数は739と小さく
正）最小二乗法（OLS(unweighted)）では、treatedの係数は840と小さく
誤）傾向スコア回帰（PS-reg(weighted)）では、係数は1332と
正）傾向スコア回帰（PS-reg(weighted)）では、係数は1298と

P.302 12行目
誤）雇用の状況(empster_cat)
正）雇用の状況(empstat_edt)

補論

P.354 下から3行目、P.355上から2行目
rent_totla→rent_total

参考文献

P.357 5行目
野口春子→野口晴子

三河直斗先生（慶応義塾大学経済学部助教）、児玉直美先生（明治学院大学経済学部教授）、大野陽輝さん（東京経済大学黒田敏史ゼミ）、note.com上のWEBサポートへのコメントとして、i _sugxxx2さんにご指摘いただきました。ありがとうございました。