SD法教材コード集

このアーカイブは、pandas を使った リッカート尺度の集計 から始めて、SD法（Semantic Differential法）の集計・可視化・因子分析・対象物の比較 までを段階的に学ぶためのサンプルコード集です。
前半は likert_*.py、後半は sd_*.py で構成されています。

想定データ

• sample_1.csv : リッカート尺度の練習用データ
• sample_sd.csv : SD法の練習用データ

各スクリプトは、基本的に ../sample_data/ にある CSV を読み込む想定です。

主な構成

*_g.py は、表の出力に加えてグラフ表示が追加されたコードです。

リッカート尺度の基礎

• likert_1.py : CSVを読み込み、DataFrameの基本表示を確認します。
• likert_2.py : 1項目の回答度数を集計し、reindex で尺度順を整えます。
• likert_3.py : 複数項目を melt で縦長に変換し、項目×評定値の集計表を作ります。

SD法の基礎

• sd_1.py : SDデータを読み込み、件数と内容を確認します。
• sd_2.py : 形容詞対・対象物コード・回答者コードの一覧を確認します。
• sd_3.py : 1つの対象物について、形容詞対ごとの評定分布を集計します。
• sd_4.py : 全対象物について、形容詞対ごとの平均評定を計算します。
• sd_5.py : 形容詞対どうしの相関行列を求め、関係の強さを確認します。

因子分析

• sd_6.py : 因子分析を行い、因子負荷行列を表で確認します。
• sd_7.py : 因子のまとまりに合わせて形容詞対を並べ替え、必要に応じて尺度方向を反転して見やすく整理します。
• sd_8.py : 各回答の因子得点を求め、対象物ごとの平均因子得点を算出します。

発展編

• sd_9.py : 対象物ごとの平均因子得点を標準化し、距離計算・階層的クラスタリング（Ward法）・silhouette によるクラスタ数比較まで行います。

補助関数

• sd_utils.py : CSVパス取得、日本語フォント設定などの共通処理をまとめた補助モジュールです。

使用ライブラリ

• pandas
• matplotlib
• scikit-learn
• scipy