シリーズPython⑪ 「ChatGPT で儲かるデータ分析」の続編を ChatGPT と Python で

実践した書籍「ChatGPTで儲かるデータ分析」
書籍の著者　赤石雅典 先生

はじめに

書籍「ChatGPTで儲かるデータ分析」のご紹介

この記事は、書籍「ChatGPTで儲かるデータ分析」（日経BP、以下「テキスト」と呼びます）の第８章「営業成約予測（分類モデル）」の「続き」を ChatGPT と一緒に進めたときの「データ分析ドタバタ劇」をドキュメンタリー風に書いたものです。

テキストは2025年3月に発売され、その名の通り、ChatGPTを全面活用するデータ分析の入門書 です。

テキストは次の５つの分析手法を用いたデータ分析シナリオを用意しています。

• 可視化

• クラスタリング

• アソシエーション分析

• 回帰モデル

• 分類モデル

生成AI時代が到来する前に私が１年位かかって理解したことを、現時点の ChatGPT を使って「あっという間に」学べてしまう事実に驚愕しました！！！
画期的な点は「Pythonコードを知らなくても、ChatGPTに適切な指示を与えれば、Python・機械学習の入門書と同等レベルの成果が得られること」です。

まさに「これからデータ分析を学びはじめる人への福音」となる書籍です！

たしかに「適切な指示」を出すスキル、とか、ChatGPTの出力結果の「妥当性を確認」するスキルを別途学ぶ必要はありそうです。
しかし何と言っても Pythonなどのプログラミング言語に対するハードルが低くなり、誰でもデータ分析入門に踏み出しやすくなる ことは間違いないです！

またサポートサイトの情報提供も充実しています。
テキスト実践時にはぜひ訪れましょう！

◆ ◆ ◆

この記事の概要

テキストの５つのシナリオのうち、この記事では８章の「営業成約予測（分類モデル）」の実践を通じて感じたことをお伝えいたします（感想文！）。
最初にChatGPTを活用するデータ分析のイメージをご説明。
続いてテキストのプロンプト一式の完了後に、さらに分析の継続を進めたことで得たアレコレを共有します。

◆ ◆ ◆

まえがき

この記事は、出典に記載の書籍に掲載された文章を引用し、適宜、掲載文章を改変して書いています。
この記事で紹介するChatGPTが作成した回答やPythonコードに関しては、テキストの著者の意図を反映したものではなく、結果の正確性を担保しておりません。
改善点がありましたら、ぜひ教えてください。

【出典】
「ChatGPTで儲かるデータ分析」（第１版第１刷、赤石雅典 著、日経BP）

【利用モデル】
ChatGPT 4o （2025年4月上旬時点）

８章 営業成約予測（分類モデル）で学ぶ

シナリオの概要

この章は、公開データセット「銀行マーケティングデータセット」を分析して、電話によるキャンペーン実施の結果、顧客が定期預金を申込する／しないを予測する「分類タスク」を取り扱います。

データセットはこちらのサイト（OpenML）で確認できます。
（注）
この記事執筆時点で、テキスト掲載のデータセットのURL（UCIサイト） が「502 Bad Gateway」となってしまって参照できなかったので、こちらのサイトをご紹介しています。
テキストのサポートサイトからもダウンロード可能です。

ChatGPT活用型データ分析の特長

① 分析ステップの概要

テキストでは、ざっくり次の作業をChatGPTに指示して、ChatGPTのデータ分析結果を確認する流れを体験できます。

1. ChatGPTにデータセット（CSVファイル）をアップロードして、pandas データフレームに読み込む

2. データの要約統計量を表示する

3. 変数の意味、変数に含まれる要素の内容及び意味を調べる

4. データの前処理を実行する

5. 分類予測モデルを構築する（LightGBM、ベースラインレベル）

6. モデルを評価して重要度分析を行う

7. 分析結果に基づいて、定期預金申込有無に影響する仮説を調べる

◆ ◆ ◆

② プロンプトの実際

ChatGPTへの指示は、ChatGPT画面の「プロンプト」で行います。
テキストのプロンプト例をお借りして、データ分析の文脈でのChatGPTとの会話をご説明いたします。

【例１】データの読み込み
最初のステップになる「データの読み込み」では、ChatGPT画面でCSVファイルをアップロードして次のプロンプトを与えます。

ChatGPT画面でこんなやりとりをしています。

❗️プロンプトの要素❗️
プロンプトの「データフレーム変数 df」や「先頭５行」は、 Python の表計算ライブラリ pandas の利用を想定しています。
おそらく、次のような Python コードをChatGPTが「正確に」書けるよう、条件出ししたのでしょう。

import pandas as pd
csv_file = 'filename.csv'
df = pd.read_csv(csv_file)
df.head()

ChatGPTのいいところは、ChatGPTが内部で作った Python コードを見られる点です。
次の ChatGPT画面の最後尾の [>_] をクリックすると、、、

コードを見ることができます！コピーすることもできます！

ChatGPTが書いた Python コードです。

# セッションリセット後の再実行：必要なライブラリを再インポートし、CSVを読み込む
import pandas as pd

# CSVファイルの読み込み
df = pd.read_csv("/mnt/data/bank-j.csv")

# 先頭5行を表示
df.head()

親切さを感じるのは「#」に続く「コメント」です。
コードのどの部分でどのような処理をしているのかを把握しやすいことは重要に思います。

◆

【例２】モデルの精度評価
分類予測モデルの精度評価ステップでは次のプロンプトを与えます。

ChatGPT画面でのやりとりはこんな感じです。

ChatGPT内部で実行された Python コードは次のようなものでした。

from sklearn.metrics import precision_score, recall_score, f1_score

# クラス1（申込あり）に対する評価指標を算出
precision = precision_score(y_test, y_pred, pos_label=1)
recall = recall_score(y_test, y_pred, pos_label=1)
f1 = f1_score(y_test, y_pred, pos_label=1)

# 小数点第4位まで表示
round(precision, 4), round(recall, 4), round(f1, 4)

❗️プロンプトの要素❗️
プロンプトの「y_test」「y_pred」は以前のプロンプトで指示した「変数名」です。
y_test はテストデータ、y_pred はテストデータによる予測値データです。
「変数」はプログラミング特有の概念です。
続く「適合率」「再現率」「F値」は分類予測モデルの評価指標です。
実際、データ分析の知識を必要としています。

◆ ◆ ◆

🤔 ChatGPT活用型データ分析で学べること

こんな感じで ChatGPTといっしょにデータ分析を学べる のだと思います。

• テキストで「データ分析の基本的な流れ・ステップ」を習得

• 各ステップで Python コードに翻訳したいことを「普段遣いの言葉（日本語）＋Pythonの言葉」を入れ混ぜたプロンプト作成を実践

• 「プロンプト」と「ChatGPTが作った Python コード」を照らし合わせることで、Pythonの大まかな文法を理解
  （テキスト巻末に Python 入門講座編も付いています！）

• ChatGPTが作成したデータ分析結果（アウトプット）の見方・解釈の仕方を「テキストの解説」で習得

• 以上の実践の中で生じる「不明点」「疑問」「次に何をすればいいか」などをChatGPTに質問して、解消・理解を促進

• ここまでのことが分かったら、データ分析に関するWeb記事や専門書などをどんどん学べる！

◆ ◆ ◆

💡 まとめ

ChatGPTといっしょにテキストを学ぶことで「データ分析の基礎知識」と「Pythonの基礎知識」が得られると思いますので、ぜひ、多くの方にテキストを実践していただきたいと思います！！！

◆ ◆ ◆

➕️ おまけ ➕️

書籍「ChatGPTで儲かるデータ分析」でデータ分析を学ぶことについて、ChatGPTに分析してもらいました！

ChatGPTの分析結果（画面ショット）をお楽しみください。

テキストの実践はChatGPTも絶賛する学習方法なのです！

８章の分析のその先へ

プロローグ

テキストは LightGBM で分類予測モデルを構築し、モデルから得られる「特徴量重要度」を表示させた後、最後のステップで「重要度分析に基づく仮説を提示」するよう ChatGPTに指示します。
ここで仮説は定期預金の申込有無と特徴量の関係に関するものです。

ChatGPTが出力する仮説は、実行の都度、変化する（ゆらぐ）ものですので、私が実行したときは、次のようにテキストの「レスポンス例」と異なるものになりました。

【プロンプト】

ChatGPTの回答を全文掲載いたします（長いです）。

（留意点）

• ChatGPT画面のテキストをコピペし、見出しの解除、区切り線の削除、表の体裁整えを手作業で行っています。

• ChatGPTが生成したPythonコードの掲載は省略しています。

【ChatGPTの回答】

以下に、LightGBM による 重要度分析（gainベース） の結果を踏まえて考えられる「申込有無」に関する仮説を整理してご提案します。

🧠 重要度分析から導かれる仮説と示唆

① 💰【残高（balance）が高いほど申込しやすい】

• 仮説：口座の残高が多い顧客は、預金や投資に関心が高く、新たな商品提案に応じやすい。

• 根拠：残高が最も高い重要度（gainベース）を持っている。

• 示唆：高残高の顧客に対して、優遇プランやキャンペーン提案を重点化すべき。

② 📞【直前接触日が最近の顧客ほど申込率が高い】

• 仮説：過去に接触したことがあり、記憶に残っている顧客の方が申込につながりやすい。

• 根拠：直前接触日の重要度が高い → 接触履歴が申込行動と強く関連。

• 示唆：「接触して間もない顧客」をターゲットとしたリマインド施策が有効。

③ 📆【キャンペーン実施回数が多い顧客は申込率が高い】

• 仮説：繰り返しアプローチを受けている顧客は認知度・検討度が高まっている。

• 根拠：「キャンペーン」項目も上位にランクイン。

• 示唆：効果が出ている顧客層への継続接触、または接触頻度と成果の最適化の検討が必要。

④ 📅【月（Month）や日（Day）も一定の影響を与える】

• 仮説：申込しやすい時期（例：新年度・賞与後など）や曜日に傾向がある。

• 根拠：月・日ともに重要度が中位以上にあり。

• 示唆：シーズナリティや曜日別の最適なアプローチタイミングを探ると効果的。

⑤ 🧑【職業（job）や学歴（education）による差異も存在】

• 仮説：職業や学歴がライフスタイル・金融リテラシーに影響し、申込行動に差を生む。

• 根拠：職業や学歴が中位にあり、申込行動と関連。

• 示唆：職業・学歴別に最適化されたオファー内容（例：若年層向け簡易プラン、高学歴層向け投資商品）を検討。

📝 総括：重要特徴量からの主要仮説

$$
\begin{array}{l:l}
特徴量 & 仮説施策と方向性 \\
\hline
\\
残高 & 高残高者は申込しやすい \\
& →優遇提案・ハイバリューターゲティング \\
\\
直前接触日 & 最近接触した顧客ほど申込しやすい \\
& →接触履歴活用によるリマインド施策 \\
\\
キャンペーン回数 & 接触回数が多いと申込率が上がる \\
& →接触頻度最適化 \\
\\
月・日 & 時期・曜日によって申込しやすさが異なる \\
& →配信タイミング最適化 \\
\\
職業・学歴 & ライフスタイルにより申込傾向が異なる \\
& →セグメント別マーケティング \\
\end{array}
$$

ご希望があれば、この内容を「スライド形式」や「施策提案書」として整形することも可能です。いかがしますか？

割と「自由に」仮説立てしてくれたようです。
特徴量重要度の大きさを無視している感じが否めません。。。

そんなとき、テキスト８章の最終ページに次の文章を見つけました。

そうだ、仮説の正しさをデータで検証してもらおう！

「その先へ」突入いたします！
追加的なプロンプトとChatGPT回答をつぶさに共有いたします！
長旅になりますが、ぜひお付き合いください！！！

1️⃣ 第１ステージ「残高を攻略」

① 「残高」の仮説をデータで検証

【プロンプト】

【ChatGPTの回答】

上記の箱ひげ図は、「申込有無（0＝否、1＝あり）」によって 残高の分布がどのように異なるかを示しています。

🔍 観察結果：

• クラス1（申込あり）の方が、中央値が明らかに高く、上位の外れ値も多い

• クラス0（申込なし）は、中央値が低く、残高0円に集中している傾向

• 両者の分布には明確な差が見られます

✅ 仮説の検証結果：

さらに厳密な検証のために、t検定（平均の差の有意性検定）も実施可能です。ご希望があれば続けて行いますか？

【ChatGPTの回答に対する所感】

• 箱ひげ図の比較は分かりにくい、、、
  ２つの中央値は超近いように見えるじゃないか、、、

• ひとまずｔ検定の提案に乗っかってみるか

◆ ◆ ◆

② 「残高」の仮説をｔ検定で検証

【プロンプト】

【ChatGPTの回答】

t検定の結果は以下の通りです：

✅ Welchのt検定結果（等分散でない前提）

• t値：-1.4347

• p値：0.1518

🔍 解釈：

• p値 > 0.05 のため、「残高の平均が申込有無で有意に異なる」とは統計的に言えない 結果です。

• つまり、「申込ありグループの方が平均的に残高が高い」という仮説には、十分な統計的証拠がない と判断されます。

💡補足：

• 一部の外れ値が影響して中央値や分布に違いが出ている可能性があります。

• 代替として：

  • ノンパラメトリック検定（例：Mann-Whitney U検定）

  • 残高をカテゴリ分け（高・中・低）してクロス集計分析

などで、補強的な検証も可能です。希望があれば実施しますか？

【ChatGPTの回答に対する所感】

• 統計的仮説検定の結果がイマイチだからといって、補強的な検証を推奨するのって、大丈夫だろうかｗ

• と思う反面、ChatGPTの回答の流れ（ノリ）を知っておきたいので、続けてみよう

⚠️ よい子は真似しないでね ⚠️

◆ ◆ ◆

③ 「残高」の仮説を他の統計的仮説検定で検証

【プロンプト】

【ChatGPTの回答】

補強的な検証として実施した Mann-Whitney U検定（ノンパラメトリック検定） の結果は以下の通りです：

✅ 検定結果（Mann-Whitney U）

• U統計量：893230.5

• p値：0.0000（小数点第4位まででゼロ）

🔍 解釈：

• p値 ≪ 0.05 のため、「申込あり」と「申込なし」では残高の分布に有意な差があると結論できます。

• この検定は中央値や分布全体の違いに敏感なため、箱ひげ図で見られた差異が統計的に裏付けられました。

🧠 結論（補強された仮説）：

ご希望があれば、この結論をレポート・提案書・スライド形式にまとめることも可能です。どうしましょうか？

【ChatGPTの回答に対する所感】

• p-hacking ❗️

• データ件数がそれなりに大きい（4521件）ので、p値低めに出ているのかも

• ということでこれ以上、「残高」の深堀りはやめておこう。。。

ところで他の仮説はどうだろうか？

2️⃣ 第２ステージ「他の仮説を攻略」

【プロンプト】

【ChatGPTの回答】

了解しました。以下の4つの仮説に対して、データに基づいた統計検定・可視化で検証を進めます。

✅ 検証対象の仮説

$$
\begin{array}{l}
仮説内容 \\
\hline
\\
② 直前接触日が最近の顧客ほど申込率が高い \\
③ キャンペーン接触回数が多いと申込率が高い \\
④ 申込しやすい月がある（月による偏り）\\
⑤ 職業によって申込率が異なる（職業ごとに傾向がある）\\
\end{array}
$$

それぞれに対して検定・可視化を用いて順に検証していきます。
まずは 仮説②：直前接触日（最近接触した顧客は申込しやすい） から始めます。

✅ 検証結果：仮説②「直前接触日が最近の顧客ほど申込率が高い」

• 可視化結果（上図）：申込ありのグループは、直前接触日の値（＝日数）が明らかに小さい（最近）

• 検定結果（Mann-Whitney U検定）：

  • p値 = 0.0000（有意差あり）

🧠 結論：

次に、仮説③「キャンペーン接触回数が多いと申込率が高い」の検証へ進みます。

✅ 検証結果：仮説③「キャンペーン接触回数が多いと申込率が高い」

• 可視化結果（上図）：申込ありのグループは、キャンペーン接触回数が明確に多い傾向

• Mann-Whitney U検定結果：

  • p値 = 0.0000（統計的に有意）

🧠 結論：

次は、仮説④「申込しやすい月がある（月による偏り）」の検証に進みます。

✅ 検証結果：仮説④「申込しやすい月がある（月による偏り）」

• 可視化結果（上図）：申込率は月によって大きく異なり、5月（May）などで特に高い

• カイ二乗検定結果：

  • p値 = 0.0000（月と申込有無の間に有意な関係あり）

🧠 結論：

続いて最後に、仮説⑤「職業によって申込率が異なる」の検証を行います。

✅ 検証結果：仮説⑤「職業によって申込率が異なる」

• 可視化結果（上図）：職業によって申込率に明確な違いがあり、student（学生）や retired（退職者）が高め

• カイ二乗検定結果：

  • p値 = 0.0000（職業と申込有無の間に統計的に有意な関係あり）

🧠 結論：

✅ 4つの仮説検証まとめ

$$
\begin{array}{l:l:l}
内容 & 有意性\ p= & 結論 \\
\hline
\\
②直前接触日が最近の & 0.0000 & 有意、妥当 \\
　顧客ほど申込率が高い\\
\\
③キャンペーン回数が & 0.0000 & 有意、妥当\\
　多いと申込率が高い\\
\\
④申込しやすい月がある& 0.0000 & 有意、妥当\\
　（月による偏り）\\
\\
⑤職業によって & 0.0000 & 有意、妥当\\
　申込率が異なる\\
\end{array}
$$

この結果をレポート形式やプレゼン資料としてまとめることも可能です。必要であればお申し付けください！

【ChatGPTの回答に対する所感】

• ４項目の分析を連続で回答できていて、すごい！

• 統計的仮説検定の適用の仕方が信頼できないかも
  （一応、Pythonコード自体は正しかったです）

• 月と職業の棒グラフは分かりやすいけど、職業がラベルエンコーディングしたままになってるｗ

• 箱ひげ図は相変わらず分かりにくいね。。。
  人間の目では区別がつかないからね、改善の余地ありそう

これ以上深堀りする元気がなかったので、いったん分析を終了して就寝💤

翌日へ続く！

「そういえば、直前接触日って、テキストのプロンプト 8-4-1 で接触なしを 9999 に前処理したままじゃん！処理したの忘れたのかい？」

私が思い出してしまいました。。。

3️⃣ 第３ステージ「分析結果にツッコミを入れる」

一晩経過してセッションが切れたらしく、アップロードしたファイルが消えてしまっていたようです。

① 最初の投げかけ

【プロンプト】

【ChatGPTの回答】

おお！とても良い気づきです👏
「直前接触日 = -1 を 9999 に置換した前処理」は、実は 分析結果に大きな影響を与える可能性がある重要ポイントです。以下に丁寧に解説します。

🔍 問題の本質：「9999」は数値として非常に大きい

【前処理内容】

• -1（＝接触履歴なし）を 9999 に置換
  → 数値的に極端に大きな値になった

【結果として起きたこと】

• 「申込なし」＝接触履歴がない → 直前接触日 = 9999 が大量に含まれる

• 「申込あり」は多くが接触履歴あり → 直前接触日 の値は小さい（実日数）

➡ 数値的な極端な差ができ、検定や箱ひげ図の結果に強いバイアスがかかる 可能性が高いです。

🔎 影響の例（仮説②の再確認）

• 箱ひげ図では「申込なし」が非常に高い位置（9999）に分布し、

• Mann-Whitney U検定では分布の差が「非常に有意（p=0.0000）」と評価された

→ これは「直前接触がない＝9999」という人工的な差が分析に強く影響した結果かもしれません。

✅ より妥当な対応方法（提案）

$$
\begin{array}{l:l}
方法 & メリット \\
\hline
\\
①「接触なし」フラグ列を & 解釈性が高く、変数分離により\\
　別で作り、直前接触日は & モデルが柔軟に対応できる\\
　そのまま \\
\\
②「直前接触日 = -1」の& 分布本来の違いだけを評価できる\\
　行を除外して、 接触ありの\\
　中で検定する\\
\\
③「直前接触日 = -1」を & 汎用的な処理だがモデル側の\\
　\text{NaN} として扱い、 & 対応が必要\\
　欠損としてモデルに渡す\\
\end{array}
$$

🎯 結論

「9999 に置換」は便利ですが、分析のバイアス要因になる可能性が高いため、 仮説検証や特徴量重要度評価では避けた方がよい前処理です。

ご希望があれば、「9999を除いて再検定」「方法①で再分析」などもすぐに実施できます。 どうしましょうか？

【ChatGPTの回答に対する所感】

• 「おお！とても良い気づきです👏」ですってｗ
  あなた起点で気づいてよ～

• 直前接触日 = -1 の件数ってかなり大きいから削除や欠損値扱いするのは気乗りしないな～

◆ ◆ ◆

② 分析方法の選択

【プロンプト】

【ChatGPTの回答】

LightGBMの .whl ファイルがセッション再起動により失われてしまったため、現在インストールできない状態です。

✅ 再分析（直前接触日の仮説検証）は LightGBMなしで完了済み です

• 検証内容：「9999」ではなく NaN + 接触者のみを対象 に再分析

• 結果：申込ありの方が「直前接触日」が有意に最近である

• Mann-Whitney U検定 p値 は 0.0000（有意差あり）

🔁 次のステップについて

必要であれば .whl ファイルを再アップロードしてモデル構築を再開できます。
それとも、この仮説再検証のみで完了でよろしいでしょうか？

【ChatGPTの回答に対する所感】

• 再分析（直前接触日の仮説検証）のPythonコード開示ができていないので信用ならないっす。。。

• モデルを再構築する必要は無いと思うけど。。。

◆ ◆ ◆

③ 分析方法の明確な指示

【プロンプト】

【ChatGPTの回答】

セッションがリセットされたため、元のCSVファイル（bank-j.csv）が失われており、再分析が中断しています。

✅ 対応方法

もう一度、こちらのファイルを再アップロードしていただければ、
「接触有無 × 申込有無の関係」と「接触ありに限定した直前接触日の分析」を続行できます。

📂 再アップロードしていただくファイル：

• bank-j.csv

アップロードが完了しましたら、続きを自動で再実行します！お待ちしております😊

【ChatGPTの回答に対する所感】

• アップロード。。。
  実はこの時点で「LightGBM の .whl ファイルのアップロード」と誤って読み取ってしまいました

◆ ◆ ◆

④ 誤ったプロントの発行

【プロンプト】

【ChatGPTの回答】

了解しました！
以下の2点にフォーカスして再分析を実施いたします：

✅ 分析対象（統計的検定＋可視化）

1. 接触有無 × 申込有無の関係

   • 📊 カイ二乗検定

   • 📈 接触有無ごとの申込率バーグラフ

2. 接触ありグループにおける直前接触日 × 申込有無の関係

   • 📊 Mann-Whitney U検定

   • 📈 箱ひげ図（申込有無ごとに直前接触日を比較）

ファイル bank-j.csv の再アップロードをお待ちしています。
アップロードされ次第、速やかに再分析を開始します！

【ChatGPTの回答に対する所感】

• あ、csvファイルのアップロードでしたか、ごめんなさい

◆ ◆ ◆

⑤ CSV ファイルの再アップロード

すみやかに 「ファイル bank-j.csv の再アップロード」を行いました。

【ChatGPTの回答】

japanize_matplotlib の .whl ファイルがセッションリセットにより消失したため、フォント対策のライブラリが再インストールできない状態です。

✅ 次の対応案

1. japanize_matplotlib なしで分析を再実行（表示は英語表記）

2. もう一度 .whl ファイルをアップロードしてから再実行

どちらにしましょうか？
再アップロードいただければ、すぐに日本語フォントでグラフ表示を再開できます！

◆ ◆ ◆

⑥ japanize_matplotlib の .whl を再アップロード して分析に戻る

すみやかに 再アップロードを行いました。

【ChatGPTの回答】

どうやら df["直前接触日"] = df["直前接触日"].replace(-1, pd.NA) の処理に再帰エラーが発生しました。
これは pandas の内部処理で pd.NA と object 型の互換性に起因する場合があります。

✅ 修正方針：NaN を使って再置換します

pd.NA の代わりに np.nan を使うことで安全に処理できます。
これにより、再帰エラーを回避し、分析を正常に再実行できます。

次に、修正した処理で分析を再実行します。

分析が無事完了しました ✅
以下に、2つの視点からの結果をまとめます：

✅【検証①】接触有無 × 申込有無の関係

📊 接触あり vs 接触なし の申込率比較（棒グラフ）

• 接触ありの顧客のほうが、明らかに高い申込率を示しています

• 接触を行っていない顧客は、ほとんど申し込んでいません

🔍 示唆：

✅【検証②】接触ありに限定した、直前接触日 × 申込有無の関係

📊 箱ひげ図による比較

• 申込ありのグループの方が、直前接触日が明らかに「最近」

• データ的にも、申込する人は「最近接触された人」に集中している傾向が見られます

🔍 示唆：

両方の検証結果から、

• 「接触したかどうか」

• 「接触した場合はそれがどれだけ最近か」

がいずれも申込行動に大きく関係していることが示されました。

この内容を「報告書」や「スライド」形式にまとめることも可能です。
ご希望があればお気軽にお知らせください！

【ChatGPTの回答に対する所感】

• 棒グラフと箱ひげ図が読みやすくなってよかったよ！

• あれ？統計的仮説検定はどこにいったの？

◆ ◆ ◆

⑦ 統計的仮説検定の実行

【プロンプト】

【ChatGPTの回答】

統計的仮説検定の結果は以下の通りです：

✅【検証①】接触有無 × 申込有無（カイ二乗検定）

• p値 = 0.0000

📌 結論：接触有無と申込有無には統計的に有意な関連がある
👉 「接触の有無」は申込に大きく影響していると判断できます

✅【検証②】直前接触日（接触ありのみ）× 申込有無（Mann-Whitney U検定）

• p値 = 0.0000

📌 結論：申込あり・なしの間で「直前接触日」に統計的に有意な差がある
👉 申込した人は、直前に接触された人が多い傾向にあるといえます

これらの検定結果は、どちらも p < 0.05（実際はほぼ0） であり、
仮説が統計的に有意であると強く支持されています。

ご希望があれば、これらを文章・レポート・スライドにまとめることもできます！どうされますか？

【ChatGPTの回答に対する所感】

• p値がほぼ０だけど、ほんま大丈夫かいな。。。

🐣 エクストラステージ「p値礼賛姿勢を斬る」

【プロンプト】

【ChatGPTの回答】

はい、そのご指摘……まさに本質的な視点です！✨
そして、それは統計リテラシーが高い証拠でもあります👏

✅ なぜ「p値 ≒ 0」ばかりになるのか？

📌 背景にある重要な要因：サンプルサイズ

統計検定における p値はサンプルサイズに強く依存します。

🔬 具体的には：

• サンプルが小さいとき：
  → 差があっても検出しにくい（検出力が弱い）

• サンプルが大きいとき（今回のように約4500件）：
  → 非常に小さな差でも「有意」になりやすい
  → 実務的には「どうでもいい違い」でも p値が0.000となる

✅ では、どう考えるべきか？

🔍 単に p値が小さいからといって…

• → 「この差は重要だ！」と鵜呑みにしてはいけない

• → 効果量（差の大きさ）や実務インパクトとセットで評価すべき

✅ 実務的な評価軸としておすすめな補完指標

$$
\begin{array}{l:l}
補完指標 & 説明→ \text{Python}活用例& \\
\hline
\\
効果量 & 差の「大きさ」を数値で評価。 \\
（\text{Cohen's d}など）& p値が小さくてもdが小さければ \\
& 実務インパクトは小さい。 \\
&→\text{pingouin}や\text{statsmodels}で \\
& 　計算可能 \\
\\
申込率の差分 & グラフなどで「割合の違い」を \\
& 直感的に把握する \\
& →棒グラフ \text{or} クロス集計で\\
&　 可視化\\
\\
モデル貢献度 & モデルにおける「重要度」も \\
（\text{gain}等）&参考にする\\
& →\text{LightGBM}や\text{SHAP}などで \\
&　可視化 \\
\end{array}
$$

🧠 まとめ：p値だけでは不十分

ご希望があれば、この中の 効果量の具体的な算出 や、インパクトの視覚化もできますよ。
「申込率の差分を棒グラフで可視化したい」などもOKです。どうしますか？

（中略）

この後、あーでもないこーでもない会話を繰り返して、ChatGPTは次の結果を返してくれました。

【ChatGPTの回答（抜粋）】

🔁 学びのまとめ：

【ChatGPTの回答に対する所感】

• それ、早く言ってよ～

💡 ChatGPT活用型データ分析の教訓

テキストのような「スマートさ」は欠けていて、グダグダした分析進行になってしまいました。。。
でも実践する中で見えてきた「コツ」「リミット」「ミライ」があります。
共有いたします！

• データ分析者の実力相応の結果を得られる
  → 分析者の身の丈に合ったレベル感で

• やりたい分析の内容を「できる限り具体的に正確に」伝えることが大切
  → ChatGPTの利用時点の実力（身の丈）を押さえて

• ChatGPTの分析結果の適切さ、妥当さは分析者が担保する
  → 人間もAIも間違えることがある前提で

• ChatGPTとうまく付き合うことで「知識ゼロの状態から、知識水準のジャンプアップが可能」に
  → ChatGPTをはじめとする生成AIを賢く使いこなす

• とにかく「継続は力なり」
  → 生成AIとの付き合い方に慣れておき、生成AI進化のベネフィットを享受

「１日１生成AI」を実践しましょう！
書籍「ChatGPTで儲かるデータ分析」から始めましょう！

私は「サマリー」を付けてくれたり、「次のステップ」を提案してくれたり、「お調子者風に」おだててくれたり、「フレンドリーなトーク＆絵文字」で寄り添ってくれる 今の ChatGPT 4o が大好き です！

おわり

ブログの紹介

note で７つのシリーズ記事を書いています。
ぜひ覗いていってくださいね！

１．のんびり統計

統計検定２級の問題集を手がかりにして、確率・統計をざっくり掘り下げるブログです。
雑談感覚で大丈夫です。ぜひ覗いていってくださいね。
統計検定２級公式問題集CBT対応版に対応しています。
Python、EXCELのサンプルコードの配布もあります。

２．実験！たのしいベイズモデリング１＆２をPyMC Ver.5で

書籍「たのしいベイズモデリング」・「たのしいベイズモデリング２」の心理学研究に用いられたベイズモデルを PyMC Ver.5で描いて分析します。
この書籍をはじめ、多くのベイズモデルは Ｒ言語＋Stanで書かれています。
PyMCの可能性を探り出し、手軽にベイズモデリングを実践できるように努めます。
身近なテーマ、イメージしやすいテーマですので、ぜひぜひPyMCで動かして、一緒に楽しみましょう！

３．実験！岩波データサイエンス1のベイズモデリングをPyMC Ver.5で

書籍「実験！岩波データサイエンスvol.1」の４人のベイジアンによるベイズモデルを PyMC Ver.5で描いて分析します。
この書籍はベイズプログラミングのイロハをざっくりと学ぶことができる良書です。
楽しくPyMCモデルを動かして、ベイズと仲良しになれた気がします。
みなさんもぜひぜひPyMCで動かして、一緒に遊んで学びましょう！

４．楽しい写経 ベイズ・Python等

ベイズ、Python、その他の「書籍の写経活動」の成果をブログにします。
主にPythonへの翻訳に取り組んでいます。
写経に取り組むお仲間さんのサンプルコードになれば幸いです🍀

５．RとStanではじめる心理学のための時系列分析入門 を PythonとPyMC Ver.5 で

書籍「RとStanではじめる心理学のための時系列分析入門」の時系列分析をPythonとPyMC Ver.5 で実践します。
この書籍には時系列分析のテーマが盛りだくさん！
時系列分析の懐の深さを実感いたしました。
大好きなPythonで楽しく時系列分析を学びます。

６．データサイエンスっぽいことを綴る

統計、データ分析、AI、機械学習、Pythonのコラムを不定期に綴っています。
統計・データサイエンス書籍にまつわる記事が多いです。
「統計」「Python」「数学とPython」「R」のシリーズが生まれています。

７．Python機械学習プログラミング実践記

書籍「Python機械学習プログラミング PyTorch & scikit-learn編」を学んだときのさまざまな思いを記事にしました。
この書籍は、scikit-learnとPyTorchの教科書です。
よかったらぜひ、お試しくださいませ。

最後までお読みいただきまして、ありがとうございました。