一橋大学 経済学部 経済学のための実践的データ分析 5.特許データの分析 - 特許データ分析 - 重回帰分析 - SQL の利用方法

1. 経済学のための実践的データ分析
5.特許データの分析
1405教室
経済学研究科
原泰史
yasushi.hara@r.hit-u.ac.jp

2. 確認事項
• 電源タップは足りているでしょうか？

3. アナウンスメント
• 4/23 日に予定していた講義内容
「 (人力や Web スクレイピングやRPA で)データを集めてきて
処理をするまでの長く険しい道」
は4/26 日実施に変更します
• 4/26 日に予定していた講義内容
「特許データベースの使い方」
は次回4/23 日実施に変更します

4. 今日の内容
(105分)
1: レポート(第一回)のご説明
2: データベースを使える環境
を作る
3:データベースを触ってみる

5. 1. レポート(第一回目)
の解説

6. レポートの内容
• 概要
• Manaba にアップロードされたデータセットを Jupyter Notebook 上
で解析し, 重回帰分析を行う
• レポートでは
• (1) 被説明変数と説明変数の関係性
• (2) R二乗項の値
• (3) VIF 値による, 多重共線性のチェック
などを報告した上で, 構築したモデルについて考察を行うこと
• 提出期間: 2019/4/23 15:00:00 - 2019/4/26 13:15:00 (JST)
• 提出方法: Manaba のレポート提出ページに, ipynbまたはPDF
形式で提出すること
• ※. Word または LaTeX で, PDF でアウトプットすること

7. レポートの内容(2)
• 引用文献がある場合, 末尾に明記すること
• 文字数は問わない

8. データセット
• FIFA19 Datasets
• https://www.kaggle.com/karangadiya/fifa19
FIFA 19 に収録されている
フットボールプレイヤー選手
の能力値や市場価値をまとめたデータ

9. データセット(2)

10. 分析について
• どれを説明変数/被説明変数にするかはおまかせします
• サラリー and/or 市場価値 and/or 能力?
• ダミー変数の作成などもおまかせします
• 必要あれば, 火曜日の講義で補足します

11. 考えうる仮説
• 選手の加齢は市場価値を押し下げる
• クラブの移籍は選手のサラリーを押し上げる
• 国際的な認知度は選手の市場価値を押し上げる
• 現在の契約終了年までの期間が短いほど、市場価値を上げる
• 南米出身の選手は、欧州出身の選手に比べサラリーの水準が低
い
• Etc…

12. レポートの評価方法
• Excellent
• データおよび適切な分析手法に基づき、独自の視点で十分に考察がなされている
• Good
• データおよび適切な分析手法に基づき、独自の視点で考察がなされている
• Fair
• データに対して分析が行われているが、一般的な範囲での考察にとどまる
• Bad
• 考察がなされていない，あるいはデータの解析が十分に行われていない
• Failed
• 断りなく他者の見解を引用している，その他不正行為に相当する

13. レポートの評価基準
• 説明の順序は適切か．特に重要な項目の抜けや漏れはないか．
• 原典からの引用内容に事実誤認はないか．
• 誤字脱字（誤植）はないか．文法上の誤りはないか．文法ルー
ルが統一されているか．
• 文章は明快か．誤解を招くような内容・表現はないか．
• 参照，引用のルールに準拠しているか．剽窃はないか．
• 不正行為に相当する事項はないか．
• 提出期限を厳守しているか．

14. Manaba で配布した Notebook

15. Manaba で配布した Notebook の解説
• データを取り込み, 重回帰分析まで行った結果を Jupyter
Notebook に記述して, Manaba にアップロードしました
• 被説明変数と説明変数を入れ替えれば, ご自身のレポートにお
使い頂けます

16. Manaba で配布した Notebook の解説
やっていること
・Excel にしたデータをJupyter Notebook
に取り込む (同じディレクトリにデータを
入れておくこと)
・シートの1枚目 (0番目) を
input_sheet_df にインポートする
・input_sheet_df.head(10) で, データの
10番目までを表示する
Messi や Ronaldo, Suarez などのデータ
が表示されていることが確認できる

17. Manaba で配布した Notebook の解説
やっていること
・説明変数と被説明変数をそれぞれの列か
ら取り出す (.iloc [行, 列]で, 行を指定せず
列のみを指定する)
・scipy.stats.lingress(説明変数, 被説明変
数) で単回帰を回す
・散布図および, 単回帰分析の結果をアウ
トプットする

18. Manaba で配布した Notebook の解説
被説明変数; overall (ゲーム上での総合評価)
説明変数; age (年齢)
年齢が高くなるほど, 総合的な評価が高くなる
-> おそらく, 評価の高くない選手は引退している

19. Manaba で配布した Notebook の解説
sm.OLS(被説明変数, 定数項+説明変数) で回帰分析
を行い, 結果を表として出力する
被説明変数; overall (ゲーム上での総合評価)
説明変数; age (年齢)
定数項および説明変数はそれぞれプラスに有意だが,
R修正項は高くない。

20. Manaba で配布した Notebook の解説
sm.OLS(被説明変数, 定数項+説明変数) で回帰分析
を行い, 結果を表として出力する
被説明変数; wage (年俸)
説明変数; age (年齢)
定数項はマイナス, 説明変数はプラスに有意だが,
R修正項はかなり高くない。

21. Manaba で配布した Notebook の解説
• plt.scatter パッケージを用い,
wage (年俸)とage(年齢) をプ
ロットする
• 30歳までは年俸は上昇してい
くが, その後下方トレンドが
あることが確認できる
• いくつか外れ値があることが
確認できる

22. Manaba で配布した Notebook の解説
• Seaborn パッケージで, ヒス
トグラムと散布図を同時にプ
ロットする
• 年齢はF分布, 年俸はべき乗分
布に近いことが確認できる
• 外れ値はメッシやクリスティ
アーノロナウドなど.

23. Manaba で配布した Notebook の解説
• 同様に, 重回帰分析を
sm.OLS パッケージを用いて
行う
• 説明変数が空の行を削除する
(x_list.drop… 以下)
• 年齢とレピュテーション, 契
約満期までの残り年数および
評価値はプラスに有意, 定数
項はマイナスに有意, 利き足
ダミーは有意であるとはいえ
ないことが確認できる

24. Manaba で配布した Notebook の解説
• VIF値を確認する (第二回の講
義参照)
• いずれも10は超えてないこと
が確認できる

25. Manaba で配布した Notebook の解説
• sns.pairplot を使って, 変数間
の散布図および, ヒストグラ
ムを表示する
• .savefig を用いて, 出力結果を
保存する

26. わかること
・年俸の分布はかなりskew
・年齢と年俸の単回帰の傾きは, 右利きと
左利きでかなり違う(メッシエフェクト?)
・年齢が高くなると, 残りの契約期間は短
くなる（自明）
・国際的なレピュテーションと, 総合的な
評価は正の関係
・年齢と総合的な評価もやはり正の関係
(生存バイアス)

27. みなさんにレポートでやって頂きたいこ
と
• Python + Jupyternotebook に慣れていただく
• 被説明変数と説明変数の組み合わせを考えてみる
• 変数を自分で作り出す
• 与えられている92の変数から, 自分で変数を作成する
• ある程度説明力 (ここではとりあえずR修正2乗値) の高い誘導
形のモデルを作り出す

28. 2. データベースを使ってみる

29. 今日もやってみること (60分～75分)
1. リレーショナルデータベース (MySQL) の環境をローカル (自
分の PC and/or Mac) に構築するため, MySQL Server と
MySQL Workbench を導入する
2. Manaba からデータをダウンロードし, MySQL 上にデプロイ
する
3. 展開したデータを MySQL Workbench を使って, 初期的な解
析を行う
4. JupyterNotebook からデータを読み込み初期的な解析をする
• 時間内に終わらない場合には, 次回引き続き実習を行います。

30. 今日のレシピ
• 標準化された特許データベース (の一部分; サンプルデータ) を
Manaba 経由でお配りします
• 先程の事例と同じように, 企業ごとの特性などを MySQL や
python をつかって解析します

31. 使うデータ;
日本の特許データベース
4/18/2019 31
・特許庁の手続きデータを工業所
有権情報・研修館が提供している
整理標準化データが元データ。
・app_info を中心にデータが構成さ
れるリレーショナル・データベース
方式

32. (1) 特許データベース (patR)
• app_info 出願経過 テーブル
4/18/2019 32
フィール
ド名
型 インデックス
内容（カッコ内は
コード表インデッ
クス）
1 app_num varchar(20) 出願番号：すべて半角(B0010)
2 count int(11) ワーク用カウンタ
3 title varchar(255) 発明の名称
4 app_date date 出願日
5
renewal_dat
e
date 更新日付：出願マスタ
6 id bigint(20) 元処理番号
7
pat_app_nu
m
varchar(10) 原出願記事番号(B0010)
8 app_type varchar(4) 原出願記事関連種別(B0310,C0025)
9 pub_num varchar(10) 公開番号
10 pub_date date 公開日
11
exam_pub_n
um
varchar(10) 公告番号
12
exam_pub_d
ate
date 公告日
13
intl_app_nu
m
varchar(12) 国際出願番号
14 pry_cnty char(2) 筆頭優先権主張国
15
num_claim_
app
int(11) 請求項の数：出願時
16
num_claim_
examed
int(11) 請求項の数：公告決定時
17
num_claim_r
eg
int(11) 請求項の数：登録査定時
18 reg_num varchar(19) 特許番号または登録番号
19 reg_date date 登録日
20 rej_rsn char(2) 拒絶理由条文コード(C0710)
21 cnln_cl char(2) 本権利抹消識別(C0780)
22
term_dat
e
date 本権利消滅年月日
23
pry_clai
m_date
date 優先権主張日
24
dspn_ex
am_date
date 審査最終処分日
25
dspn_ex
am_code
char(3) 審査最終処分種別コード(C0360)
26 apnum
varchar(
13)
MUL ‘JPP’をapp_numの先頭につけた文字列
27 fin_decn char(1) 査定種別コード(C0350)
28
fin_decn
_date
date 査定発送日
29
trans_su
bm_date
date 翻訳文提出日
30
trans_pu
b_num
varchar(
10)
公表番号
31 idp int(11) PRI 本テーブルの固有行番号
32
num_clai
m_reg_i
nfo
int(11) 請求項の数（登録情報）
33 udate date ワーク用日付フィールド
34 IPC8
varchar(
255)
国際特許分類第８版
35
acc_exa
m_mark
char(1) 早期審査マーク(C0240)

33. (1)特許データベース (patR)
• citation 引用情報 テーブル
4/18/2019 33
フィール
ド名
型
インデッ
クス
内容
（カッコ
内はコー
ド表イン
デック
ス）
1 citing
varchar(1
0)
MUL
引用特許
出願番号
(B0010)
2 cited
varchar(1
0)
MUL
被引用特
許出願番
号(B0010)
3 type int(11) MUL
種別（1：
審査官引
用
2：特許公
報に記載
された引
用
3：上記両
方に記載
の引用）
フィールド名
型 インデックス
内容（カッコ
内はコード表
インデック
ス）
1 ids int(11) PRI 固有行番号
2 name text 氏名
3 addr text 住所
4 prefecture char(2)
住所の国県
コード
(C0050)
5 id_num varchar(9)
出願人コード
(B0070)
6 req_type char(1)
個法官別コー
ド(C0070)
7 type int(11) ワーク用
8 name1024
varchar(1024
)
MUL
氏名のイン
デックス文字
列
9 addr1024
varchar(1024
)
MUL
住所のイン
デックス文字
列
• applicant 出願人

34. (1) patR
• inventor 発明者テーブル
4/18/2019 34
フィールド名
型 インデックス
内容（カッコ
内はコード表
インデック
ス）
1 name text 氏名
2 addr text 住所
3 req_type char(1)
個法官別コー
ド(C0070)
4 organization Varchar(255)
所属する組織
の名称
5 ids int(11) PRI 固有行番号
6 name1024
varchar(1024
)
MUL
氏名のイン
デックス文字
列
7 addr1024
varchar(1024
)
MUL
住所のイン
デックス文字
列
フィールド名 型 インデックス
内容（カッコ内
はコード表イン
デックス）
1 apnum varchar(13) MUL
‘JPP’+出願番号
(B0010)
2 app_num varchar(10) MUL 出願番号(B0010)
3 pub_num varchar(10) MUL 公開番号
4 intl_app_num varchar(12) MUL 国際出願番号
5 intl_pub_num varchar(12) MUL 国際公開番号
6 trans_pub_num varchar(10) MUL 公表番号
7 exam_pub_num varchar(10) MUL 公告番号
8 reg_num varchar(10) MUL
特許番号または
登録番号
9 ref_pub_num varchar(13) MUL 文献公開番号
10
ref_trans_pub_n
um
varchar(13) MUL 文献公表番号
11
ref_examd_pub_
num
varchar(13) MUL 文献公告番号
12 ref_reg_num varchar(13) MUL 文献登録番号
13
ref_intl_pub_nu
m
varchar(13) MUL
文献国際公開番
号
• numbers 番号表テーブル

35. SQL を使ったデータ分析
• 材料
• MySQL サーバ: オープンソース型データベース。
• RDBMS (Relational Database Management System)
• MySQL Workbench: MySQL の開発用コンソール
• サンプルデータ
• Manaba に展開済み
• 7z 形式で圧縮しているため, 解凍が必要
2019/4/18 35

36. 1.MySQL サーバとMySQL Workbenchをダ
ウンロードしよう (modified.)
• https://dev.mysql.c
om/downloads/inst
aller/ から、Mac版
または Win 版のバ
イナリをダウンロー
ドする
2019/4/22 36

37. 1. MySQL サーバをダウンロードしよう
• MSI Installer (32bit) をクリック
する
2019/4/18 37
・“No thanks, just start my download”をク
リックする
・バイナリ(.msi) がダウンロードされる

38. 1-1. MySQL サーバをインストールしよう
• Installer が開くので、
Add… をクリックする
2019/4/18 38

39. 1-1. MySQL サーバをインストールしよう
• “I accept the
license terms”
チェックボッ
クスを選択し
て, NEXT > を
クリックする
2019/4/18 39

40. 1-1. MySQL サーバをインストールしよう
• Available Products から
• Mysqlserver
• Mysql workbench
• Connector/python
を選択し, → (矢印ボタン) で
Products/Features To Be
installed: ブロックに移動させる
• Next > をクリックする

41. 1-1. MySQL サーバをインストールしよう
• Execute をクリックする
• ファイルがダウンロードされる

42. 1-1. MySQL サーバをインストールしよう
• インストールが行われる
• Next > をクリック
2019/4/18 42

43. 1-1. MySQL サーバをインストールしよう
• Next > をクリックする
2019/4/18 43

44. 1-1. MySQL サーバをインストールしよう
• Standard MySQL
Server/Classic MySQL
Replication を選択し, Next >
をクリックする

45. 1-1.MySQL サーバをインストールしよう
• Config Type
• Development machine
• TCP/IP 3306
• Open Firewall Port for
Network Access チェック
ボックスを外す
2019/4/18 45

46. 1-1.MySQL サーバをインストールしよう
• “Use Strong Password
Encryption for
Authentication
(Recommended)” を選択し,
Next > をクリックする

47. 1-1.MySQL サーバをインストールしよう
• MySQL Root Password を
指定する
• Repeat Password に同じ
パスワードを指定すること
2019/4/18 47

48. 1-1. MySQL サーバをインストールしよう
• Windows Serviceの設定
• “Configure MySQL Server
as a Windows Service” を
クリックする
• “Start the MySQL Server
at System Startup” の
チェックは外す
• Next > をクリックする
2019/4/18 48

49. 1-1. MySQL サーバをインストールしよう
• Plugins and
Extensions
• そのまま
2019/4/18 49

50. 1-1. MySQL サーバをインストールしよう
• Execute をクリックす
る
2019/4/18 50

51. 1-1. MySQL サーバをインストールしよう
• Finish をクリックする
2019/4/18 51

52. 1-1. MySQL サーバをインストールしよう
• Next > をクリックする • Finish をクリックする
2019/4/18 52

53. 1-2. MySQL Workbench でMySQL サーバ
に接続する
• MySQL Workbench を起動する (Windows 8.1 の場合)
2019/4/18 53

54. 1-2. MySQL Workbench でMySQL サーバ
に接続する
• MySQL Workbench を起動する (Windows 10 の場合)
2019/4/18 54

55. 1-2. MySQL Workbench で MySQL サーバ
に接続する
• + ボタンをクリックする
2019/4/18 55

56. 1-2. MySQL Workbench でMySQL サーバ
に接続する
• Password Vault をクリックする
2019/4/18 56

57. 1-2. MySQL Workbench でMySQL サーバ
に接続する
• Password を入力する • Test Connection をクリック
する
• 以下のメッセージが出ればOK
2019/4/18 57

58. 1-2. MySQL Workbench でMySQL サーバ
に接続する
• Connection Name を指定して, OK をクリックする
2019/4/18 58

59. 1-2. MySQL Workbench でMySQL サーバ
に接続する
• MyServer をクリックする
2019/4/18 59

60. 1-2. MySQL Workbench で MySQL サーバ
に接続する
• コンソールが開く
2019/4/18 60

61. 2. サンプルデータをダウンロードしよう
• Manaba の「経済学のための
実践的データ分析」ページに
アクセスし, TOPページの
「データダウンロード」欄を
クリックする
2019/4/18 61

62. 2-2. 今日使うデータ(IIP パテントデータ
ベース)
• 特許庁の『整理標準化 デー
タ』（2013 年度提供分ま
で）を基に作成された研究用
特許データベース
• 「1964000001」以降の出願
番号を持つ特許（出願）を含
む
• 今回は, (ダウンロード時間の
都合上)一部分のみを切り出し
たデータで解析します
2019/4/18 62

63. 2-2. IIP パテントデータベース
2019/4/18 63
• データベースの構造 出願番号(ida)に基づき紐付
けることができる

64. 2-2. IIP パテントデータベース
• 出願テーブル
• 出願番号
• 登録番号
• 出願日
• 登録日
• IPC番号
• 請求項 (claim の数)
などが記載されている
2019/4/18 64

65. 2-3. IIP パテントデータベースをMySQL
サーバにインポートする
• 中身
• 「なんらかの意味をもった 何
らかのデータ (引用: 岡崎体
育)」
• これをMySQL サーバに取り
込む
2019/4/18 65

66. 2-3. データベースをMySQL サーバにインポートする
• ここからしないといけないこと
• (1) データベースをつくる
• (2) テーブルをつくる
2019/4/18 66
66
中間試験の成績
・学籍番号
・問1の得点
・問nの得点
期末試験の成績
・学籍番号
・問1の得点
・問nの得点
平常点の成績
・学籍番号
・出席点
・小テストの得点
総合成績
・学籍番号
・総合得点(=中間試
験+期末試験+平常点)
・最終成績
これがテーブ
ル
これがデータベース

67. 2-3. パテントデータベースをMySQL サー
バにインポートする
• MySQL Workbench を開く
2019/4/18 67

68. 2-3. パテントデータベースをMySQL サー
バにインポートする
• Manaba の”データ”から hara_space_ap2.7z をダウンロードする

69. 2-3. パテントデータベースをMySQL サー
バにインポートする
• ダウンロードした hara_space_ap2.7z を解凍する
• 解凍するためにソフトウェアのインストールが必要
• Windows の場合
• https://sevenzip.osdn.jp/ から7zip をダウンロードしてインストール
• Mac の場合
• The Unarchiver (https://itunes.apple.com/us/app/the-
unarchiver/id425424353?mt=12&v0=WWW-NAUS-ITUHOME-
NEWAPPLICATIONS&ign-mpt=uo%3D2) を App Store からインストール
• 参考文献; https://qiita.com/ntkgcj/items/afe4863c40680d72a755
• 解凍し, SQL ファイルを取得する

70. 2-3. パテントデータベースをMySQL サー
バにインポートする
• Data Import/Restore をクリックする
2019/4/18 70

71. 2-3. パテントデータベースをMySQL サー
バにインポートする
Import from Self-Comtained File の ... から解凍したSQL ファイルを選択する
“New” から新しいスキーマを作成する
“Start Import” をクリックする

72. 2-3. パテントデータベースをMySQL サー
バにインポートする
• コーヒーかレッドブルでも飲んで待つ
2019/4/18 72

73. 2-3. パテントデータベースをMySQL サーバにイン
ポートする
• データのインポートが終
わった場合、以下のメッ
セージが表示される
• レコードがインポートさ
れたことが表示されてい
る
2019/4/18 73

74. これで、
ようやく分析の
スタートライン
2019/4/18 74
さ
あ
み
ん
な
特
許
デ
ー
タ
は
も
っ
た
か
い
く
ぞ
！

75. 2-4. MySQL を使ってデータベースを解析し
てみる
2019/4/18 75
・とりあえず、データの
中身を観てみる
・”select * from ap;” とタ
イプして、雷マークをク
リックする
・数秒待つと、先ほどイ
ンポートしたデータが表
示される

76. 2-4. MySQL を使ってIIP パテントデータ
ベースを解析してみる
• 出願された特許のIPC分類を
カウントしてみる
• エクスポートボタンをおして,
Excel で処理してみる
2019/4/18 76
select class1,count(*) as
count
from ap
group by class1
order by count desc;

77. 2-4. MySQL を使ってIIP パテントデータ
ベースを解析してみる
• この命令は何をやっているの
か？
2019/4/18 77
select class1,count(*) as count
from ap
group by class1
order by count;
Select – 次に書くデータを取得してね
今回の場合; class1 という変数ごとに
, その件数を count してね. Count した値の変数名として, count と
名付けてね
From – 次のテーブルからデータを取ってきてね
今回の場合; ap テーブルからデータを取ってきてね
group by – 同じラベル同士の変数はグループを作成してね
今回の場合; class1 で記載された分類ごとにデータを集約してね
Order by – 数字の大小で出力結果を並べ替えてね
今回の場合; count の値で並べ替えてね

78. 日本で, どのような分類の特許が出願さ
れているのか確認できる
2019/4/18 78

79. 4/23のレシピ
• やりたいこと
1. 特定の企業の特許出願数を数える
2. 特定の企業 (企業名の変遷などを名寄せしたもの) ごとの特許出
願数やIPC分類を数える
3. 特定の産業ごとの特許出願数やIPC分類を数える
2019/4/18 79

80. 4/23のレシピ
• 材料
1. IIP パテントデータベース
2. NISTEP 企業名辞書
3. NISTEP 企業名辞書とIIP パテントデータベースの接合テーブル
2019/4/18 80

81. 材料1. 出願人テーブル
• 出願人(applicant)テーブルの中身を確認する
2019/4/18 81
コラム名 変数の形式 主キー
ida Int(10) YES
seq Int(3)
ida_seq Varchar(14)
name Mediumtext
address Mediumtext
idname Varchar(10)
country_pref Varchar(5)
kohokan Varchar(3)

82. 材料1. 出願人テーブル
• データの中身を確認してみる
select * from applicant;
2019/4/18 82

83. 下ごしらえ1
出願テーブルと出願人テーブルの接合
• やりたいこと
• 特定の会社の年毎の出願数を知りたい
• 特定の会社のIPC分類ごとの出願数を知りたい
• そのためには
• 出願テーブルと出願人テーブルを接合して、特定の会社が、どういう
特許を、いくつ出しているのか抽出する
2019/4/18 83

84. 下ごしらえ1
出願テーブルと出願人テーブルの接合
• ER図
2019/4/18 84

85. 下ごしらえ1
出願テーブルと出願人テーブルの接合
• MySQL Workbench 上で以下のクエリを打ち込む
・この命令は何をしているのか？
1行目: idaとadateとrdateとclassとclaimとida_seqの情報を取ってきてね
2行目: ap テーブルを参照するよ
3行目: applicant テーブルも参照するよ.
このとき, applicant の ida フィールドと ap の ida フィールドを
キーにして, applicant のデータを取り出してね
4行目: applicant.name が 松下電器産業株式会社 なものを持ってきてね.
2019/4/18 85
select ap.ida, ap.adate, ap.rdate, ap.class1, ap.claim1,
applicant.ida_seq
from ap
inner join applicant on applicant.ida = ap.ida
where applicant.name like "松下電器産業株式会社";

86. SQL 構文の話
• SELECT:
• 1 つ以上のテーブルから選択された行を取得するために使用する
• Where:
• 選択されるために行が満たす必要のある 1 つまたは複数の条件
• Join:
• Inner Join:指定したカラムについて同じ値を持つレコード同士を結びつける
• Left Join:
• 左のテーブルを基準にして、指定したカラムについて同じ値を持つレコード同士を結びつ
ける。値が右のテーブルにあり左のテーブルにない場合は INNER JOIN 同様結果に含まれ
ないが、値が左のテーブルにあり右のテーブルにない場合は INNER JOIN と異なり 右の
テーブルのカラムには全て NULL がパディングされ、結果に含まれる。
• Right Join:
• 右のテーブルを基準にして、指定されたカラムについて同じ値を持つレコード同士を結び
つける。
2019/4/18 86
https://dev.mysql.com/doc/refman/5.6/ja/

87. 下ごしらえ1
出願テーブルと出願人テーブルの接合
• 以下のようなデータが出力される
2019/4/18 87

88. 下ごしらえ1
出願テーブルと出願人テーブルの接合
• エクスポートする
• フロッピーディスクのアイコンをクリックする
2019/4/18 88

89. 下ごしらえ1
出願テーブルと出願人テーブルの接合
• ファイル名を指定して保存する
2019/4/18 89

90. 下ごしらえ1
出願テーブルと出願人テーブルの接合
• Excelで開く
2019/4/18 90

91. 下ごしらえ1
出願テーブルと出願人テーブルの接合
• ピボットテーブルを作る
• [挿入]-[ピボットテーブル]を選
択
• ピボットテーブルの範囲が選
択されていることを確認し、
[OK] をクリックする
2019/4/18 91

92. 下ごしらえ1
出願テーブルと出願人テーブルの接合
• ピボットテーブルが作成され
る
• フィールド名が項目に表示され
る
2019/4/18 92

93. 下ごしらえ1
出願テーブルと出願人テーブルの接合
• 行に class1, 値に ida を入れ
て, ida の個数を数えるように
設定する
• 降順に並べ替える
• (「松下電器産業」の)IPC 分
類ごとの特許出願数が確認で
きる
2019/4/18 93

94. 下ごしらえ1
出願テーブルと出願人テーブルの接合
• グラフにする (Excel 2016 の
場合)
• ピボットグラフをクリックする
• [縦棒]を選び、OK をクリッ
クする
2019/4/18 94
0
5000
10000
15000
20000
25000
30000
35000
40000
G11B
G02F
F23D
G09F
C04B
G10H
F16C
G10K
F23Q
B23Q
B05D
B65B
H03C
C10M
F02G
F02P
F17C
G10B
A61C
A61D
A63C
A63H
B31B
F02N
D01D
F01D
B24C
G09D
E04G
F02C
G06J
A41B
F42C
D02G
B63H

95. 下ごしらえ1
出願テーブルと出願人テーブルの接合
• ツリーマップ
2019/4/18 95

96. 下ごしらえ1
出願テーブルと出願人テーブルの接合
• 年ごとの出願数を求めてみる
• 行に adate, 値はida (個数)を指
定する
• Excel 2016 の場合, 自動的に年
を取り出してくれる
• Excel2013 の場合は、自分で left
関数などを使って切り出す必要が
ある
• 四半期のデータは必要がないので
取り出す
• 年毎の出願数が表示される
2019/4/18 96

97. 下ごしらえ1
出願テーブルと出願人テーブルの接合
• グラフにする
2019/4/18 97
0
2000
4000
6000
8000
10000
12000
14000
16000
18000
20000
1963年
1965年
1967年
1969年
1971年
1973年
1975年
1977年
1979年
1981年
1983年
1985年
1987年
1989年
1991年
1993年
1995年
1997年
1999年
2001年
2003年
2005年
2007年

98. 答え. 松下電気工業で検索したた
め、パナソニックで出願されてい
る特許が存在しない。
↓
対処方法.
企業名の「名寄せ」を行う
2019/4/18 98

99. 材料2. NISTEP企業名辞書
• 企業名, 企業名の変遷などを
納めたデータベース
• “産業セクターのイノベーション分析・研究に用い
るデータベースの中心に位置付けられ、特許情報
や国内営利企業（以下、「企業」と呼ぶ）に関す
る各種調査情報など、外部データから指定した企
業に関する情報を抽出するためのハブとしての役
割を担う”
• 日本の会社データ(東洋経済新報社), IIP パテン
トデータベース, 証券コードなどとの接続が可
能
• “企業名の読み、本社所在地、業種など、外部デー
タに含まれる数多くの企業から分析対象である企
業を正しく特定しデータ抽出するための支援、お
よび、合併や企業名称の変遷を考慮したデータの
収集など、企業を中心としたイノベーション分
析・研究における核となる機能を持つ”
• 使いみち
• いくつかのデータベースをつなぎ合わせることで、
企業の活動を定量的に計測することが可能になる
2019/4/18 99
comp_id
出願人テーブル/ida_sequence
証券コード
又は
EDINETコード
企業ID
comp_id
外部データ
接続テーブル
東洋経済会社コード
日本の会社データ4万社
（東洋経済新報社）
NISTEPによるファイル公開範囲
（一般財団法人知的財産研究所より入手のこと）
（必要に応じて利用者が購入のこと）
IIPパテントデータベース
IIPパテントデータベース
（2015年版）
との接続用
日本の会社データ4万社との接続用
NISTEP企業名辞書
外部データ
接続テーブル
証券コード、EDINETコードを持つ
企業情報データ
（財務・株価データなど）
（必要に応じて利用者が準備のこと）
外部データ
接続テーブル
（将来予定）
企業名と住所をキーと
した汎用接続テーブル
企業統計調査データ
など
（必要に応じて利用者が準備のこと）
外
部
デ
ー
タ
外
部
デ
ー
タ
NISTEP企業名辞書は、
Ver.2015_1よりRDB構
造に変更された

100. 材料2. NISTEP 企業名辞書
• http://www.nistep.go.jp/research/scisip/rd-and-innovation-
on-industry
2019/4/18 100

101. 材料2. NISTEP 企業名辞書
• カバーする企業群
①特許出願数累積100件以上
• IIPパテントデータベースの2014年版（iipdb20140417）において、1970年以降の企
業の変遷（名称変更、合併）を考慮した特許出願の集約を行い、累積出願数が100件
を超える企業を特定し掲載
• ②株式上場企業
• 2012年1月時点の全上場企業と以降2015年3月までに新規（又は再）上場した企業を
掲載
• ③特許出願数の伸び率大
• 近年起業し活躍するベンチャー企業など、条件①では取りこぼす可能性がある企業の
抽出を目的とする。
• 1970年以降の企業の変遷を考慮した年ごとの出願数を把握し、それらデータを用い
て3年、5年、7年の各期間で1年ごと移動させた線形フィットを行い、大きな回帰係
数（出願数増分）を持つ企業を抽出
• 抽出企業には条件①および②から抽出した企業が含まれるが、それら企業を除いた中
から上位500社強を抽出して掲載を行っている。
2019/4/18 101

102. 材料2. NISTEP 企業名辞書
• 掲載企業数
2019/4/18 102
①出願数100件以上 ②上場企業 ③出願数伸び率大 掲載企業
数
✔ 569
✔ 2,510
✔ 533
✔ ✔ 219
✔ ✔ 1,422
✔ ✔ 13
✔ ✔ ✔ 1,080
三条件以外 148
合計 6,494

103. 材料2. NISTEP 企業名辞書
• 構成テーブル
2019/4/18 103
番号 テーブル名称
概要
論理名 物理名
1
企 業 名 辞 書 メ
インテーブル
1_comp_nam
e_main_TB
L
企業名、企業id等のメインの情報、お
よびパネルデータとして整備をする必
要がなく、最新の情報のみ保持すれば
よいデータを保管
2 沿革テーブル
2_comp_histor
y_TBL
名称変更や吸収合併などの事象が発生し
た際に発生した年、事象の種類を保管
3
所 在 地 テ ー ブ
ル
3_address_TB
L
企業の所在地に関する情報を保管
本社、本店、移転など複数の住所情報の
保管、パネル化が可能
4
企 業 規 模 テ ー
ブル
4_comp_size_
TBL
資本金、従業員数、中小企業基本法によ
る企業規模情報を保管
規模測定年ごとのパネル化が可能
5
業 種 （ 証 券
コ ー ド 協 会 ）
テーブル
5_ind_class_ts
e_TBL
証券コード協議会の定める当該企業の業
種区分を保管
属する分類が変更された際のパネル化が
可能
6
業 種 （ 日 本 標
準 産 業 分 類 ）
テーブル
6_ind_class_js
ic_TBL
主業の日本標準産業分類を保管
属する分類が変更された際のパネル化が
可能
7
EDINETコード
テーブル
7_edinet_code
_TBL
EDINETのコードを保管
コードが変更された際のパネル化が可能
8
証 券 コ ー ド
テーブル
8_sec_code_T
BL
証券コードを保管
コードが変更された際のパネル化が可能
9
連 結 企 業 テ ー
ブル
9_consolidate
_TBL
連結子会社である場合の親企業情報を保
管
連結関係の変化のパネル化が可能
10
データ登録条件マス
ターテーブル
10_reg_reason_MT
BL
企業が企業名辞書に登録された理由に関するマスター
テーブル
11
企業名称使用開始事
象マスターテーブル
21_use_name_start_
event_MTBL
新設、旧名称からの名称変更等、企業名称の使用が開始
された場合の使用開始事象に関するマスターテーブル
12
企業名称使用終了事
象マスターテーブル
22_use_name_end_e
vent_MTBL
名称変更、吸収合併など、企業名称の使用が終了した場
合の使用終了事象に関するマスターテーブル
13
事業所区分マスター
テーブル
31_office_class_MT
BL
住所情報の本社、本店、事業所等を判定するためのマス
ターテーブル
14
業種（証券コード協
会）マスターテーブ
ル
51_tse_MTBL
証券コード協議会の定める業種区分に関するマスター
テーブル
15
業種（日本標準産業
分類）マスターテー
ブル
61_jsic_MTBL
日本標準産業分類に関するマスターテーブル
平成25年10月改定・平成26年4月1日施行に準拠
16
企業連結事象発生マ
スターテーブル
91_consolidate1_MT
BL
連結事象が発生した場合の発生理由(子会社化等)に関す
るマスターテーブル
17
企業連結事象終了マ
スターテーブル
92_consolidate2_MT
BL
連結事象が終了した場合の発生理由(他社の子会社と
なった、独立した等)

104. 材料2. NISTEP 企業名辞書
• ER図
2019/4/18 104
企業名辞書メインテーブル
（1_comp_name_main_TBL）
企業id
企業名称
ふりがな
法人格コード
英語名称
URL
データ登録理由id
データ登録日
データ更新日
沿革テーブル
（2_comp_history_TBL）
企業id
名称使用開始年
名称使用開始事象id
事象発生前企業id
名称使用終了年
名称使用終了事象id
事象発生後企業id
データ登録日
データ更新日
企業名称使用開始事象マスターテーブル
（21_use_name_start_event_MTBL）
事象id
事象概要
データ登録日
データ更新日
1…N
連結企業テーブル
（9_consolidate_TBL）
企業id
連結事象発生年
連結事象発生事象id
連結事象発生前連結企業id
連結先連結企業id
連結事象終了年
連結事象終了事象id
連結事象終了後連結企業id
データ登録日
データ更新日
所在地テーブル
（3_address_TBL）
企業id
所在地利用開始年
所在地利用終了年
本店・本社コード
所在地
都道府県コード
地方自治体コード
住所コード
緯度
経度
データ登録日
データ更新日
EDINETコードテーブル
（7_edinet_code_TBL）
企業id
EDINETコード確認年
EDINETコード
データ登録日
データ更新日
企業規模テーブル
（4_comp_size_TBL）
企業id
企業規模測定年
中小企業基本法
資本金階級
従業員数階級
データ登録日
データ更新日
業種（証券コード協会）テーブル
（5_ind_class_tse_TBL）
企業id
東証33分類開始年
東証33分類終了年
東証33分類コード
データ登録日
データ更新日
事業所区分マスターテーブル
（31_office_class_MTBL）
本店・本社コード
概要
データ登録日
データ更新日
N…1
1…1
企業名称使用終了事象マスターテーブル
（22_use_name_end_event_MTBL）
事象id
事象概要
データ登録日
データ更新日
1…1
1…1
企業連結事象発生マスターテーブル
（91_consolidate1_MTBL）
事象id
事象概要
データ登録日
データ更新日
企業連結事象終了マスターテーブル
（92_consolidate2_MTBL）
事象id
事象概要
データ登録日
データ更新日
1…1
1…1
証券コードテーブル
（8_sec_code_TBL）
企業id
証券コード
上場市場
上場日
上場廃止日
ISINコード
データ登録日
データ更新日
業種（日本標準産業分類）テーブル
（6_ind_class_jsic_TBL）
企業id
JSIC開始年
JSIC終了年
JSIC分類番号
データ登録日
データ更新日
業種（証券コード協会）マスターテーブル
（51_tse_MTBL）
東証33分類コード
東証33分類版
東証33分類大分類
東証33分類小分類
データ登録日
データ更新日
業種（日本標準産業分類）マスターテーブル
（61_jsic_MTBL）
JSIC分類番号
JSIC版
JSIC大分類
JSIC中分類
JSIC小分類
データ登録日
データ更新日
1…1
1…1
データ登録条件マスターテーブル
（10_reg_reason_MTBL）
理由id
登録理由
データ登録日
データ更新日
1…1

105. 材料2. NISTEP 企業名辞書
• RDB はわかりにくいので、EXCEL 版も提供されている
• 企業ID, 沿革ID, EDINETコード, 証券コード, 企業規模, 産業分類
などが確認できる
2019/4/18 105

106. 材料2. NISTEP 企業名辞書
• 企業名辞書メインテーブル
2019/4/18 106
企業名辞書メインテーブル [1_comp_name_main_TBL]
フィールド名
データ型 重複 NULL
主
キー
外部キー 説明
論理名 物理名
企業番号 comp_id
数値
（整数）
N N Y
企業（企業名称ごと）に
固有に付与した番号
沿革番号
history_i
d
数値
（整数）
Y N
同一企業の変遷レコード
をグループ化して扱うた
めの番号
企業名称
comp_na
me
文字列 Y Y
企業の名称（変遷名称も
含む）
ふりがな read 文字列 Y Y 上記企業名称のふりがな
法人格
コード
comp_co
de
文字列 Y Y
企業の法人格を表すコー
ド（下表参照）
英語名称 e_name 文字列 Y Y 企業の英語名称
URL url 文字列 Y Y
企業のウェブページの
URL
データ登
録理由番
号
reg_reas
on_id
数値
（整数）
Y Y
データ登録理由マスター
テーブルの理由番号
当該企業の辞書掲載条件
データ
登録日
reg_date 年月日 Y N
データを本テーブルに登
録した日
データ
更新日
up_date 年月日 Y N
既登録データの情報更新
した日

107. 材料2. NISTEP 企業名辞書
• 企業規模テーブル
2019/4/18 107
企業規模テーブル [4_comp_size_TBL]
フィールド名
データ型 重複 NULL
主
キー
外部キー 詳細
論理名 物理名
企業番号 comp_id
数値（整
数）
Y N Y 企業名辞書メインテーブ
ルの企業番号
企業（企業名称ごと）に
固有に付与した番号
企 業 規 模
測定年
judg_year YEAR Y N Y 企業規模を確認した年
中 小 企 業
基本法
comp_size
_law
文字列 Y Y
中小企業基本法に準拠し
判定した企業規模
資本金
階級
comp_size
_cap
文字列 Y Y
資本金の該当階級
100万円未満
100万円以上
1000万円以上
2000万円以上
5000万円以上
1億円以上
10億円以上
従 業 員 数
階級
comp_size
_emp
文字列 Y Y
従業員数の該当階級
5人未満
5～29人
30～99人
100～299人
300～999人
1,000～4,999人
5,000人以上
データ
登録日
reg_date 年月日 Y N
データを本テーブルに登
録した日
データ
更新日
up_date 年月日 Y N
既登録データの情報更新
した日

108. 材料2. NISTEP 企業名辞書
• 業績 (証券コード協会) テーブル
2019/4/18 108
業種（証券コード協会）テーブル [5_ind_class_tse_TBL]
フィールド名
データ型 重複 NULL 主キー 外部キー 詳細
論理名 物理名
企業番号 comp_id
数値
（整数）
Y N Y
企業名辞書メインテーブ
ルの企業番号
企業（企業名称ごと）に
固有に付与した番号
業種分類開
始年
inds_year YEAR Y Y
証券コード協会の業種分
類の確認初年
業種分類終
了年
inde_year YEAR Y Y
証券コード協会の業種分
類の確認最終年
業 種 分 類
コード
ind_code
数値（4
桁整数）
Y N Y
業種（証券コード協会）
マスターテーブルの分類
コード
証券コード協会の分類該
当業種
データ
登録日
reg_date 年月日 Y N
データを本テーブルに登
録した日
データ
更新日
up_date 年月日 Y N
既登録データの情報更新
した日

109. 材料3. NISTEP 企業名辞書とIIP パテント
データベースとの接続テーブル
• 企業名辞書と外部データであるIIPパテントデータベース
（2015年版）を連携させるための接続テーブル
• 企業名辞書メインテーブルの企業idとIIPパテントデータベースの出願
人テーブルのida_seqフィールドを関係付け接続する
2019/4/18 109
フィールド名
データ型 説明
論理名 物理名
企業番号
comp_i
d
数値（整
数）
企業（企業名称ごと）に固有に付
与した番号
IIP パ テ ン
ト 出 願 番
号 ＋ 記 載
順序
ida_seq 文字列
上記企業番号の企業が出願人であ
る特許

110. 材料3. NISTEP 企業名辞書とIIP パテント
データベースとの接続テーブル
• ER図
2019/4/18 110
企業名辞書メインテーブル
（1_comp_name_main_TBL）
企業番号
企業名称
ふりがな
法人格コード
英語名称
URL
データ登録理由id
データ登録日
データ更新日
IIPパテントデータベースとの接
続テーブル
企業番号
I出願番号＋記載順序
ＩＩＰパテントデータベース
出願人テーブル
出願番号
記載順序
出願番号＋記載順序
出願人名
出願人住所
出願人番号
住所コード
個法官コード

111. 詳細
• 企業名辞書(ver2015_01)利用マニュアル を参照のこと
2019/4/18 111

112. やりたいこと2:
特定の企業 (企業名の変遷などを名寄せした
もの) ごとの特許出願数やIPC分類を数える
• NISTEP企業名辞書を使って、パナソニック/松下電器が出願し
た特許をすべからくカウントする。
• このとき、IPC 分類やclaim などについても、IIP パテントデータベー
スから情報を取得する。
2019/4/18 112

113. 特定の企業 (パナソニック; 名寄せ済み)
の特許出願数やIPC分類を数える
• 方法
1. NISTEP企業名辞書をSQL サーバにインポートする
2. NISTEP企業名辞書とIIPパテントデータベースの接続テーブルをSQL
サーバにインポートする
3. NISTEP 企業名辞書を使い、パナソニック子会社の情報を把握する。
これにより、企業ID (comp_id) と沿革ID (history_id)情報を取得する
4. NISTEP企業名辞書とIIPパテントデータベースの接続テーブルに記載
されている comp_id 情報から、パナソニックが特許出願した
ida_seq 情報を取り出す
5. Ida_seq に基づき、当該特許の出願年や公開年やclaim, IPC 情報を取
り出す
2019/4/18 113

114. 2-1. NISTEP企業名辞書をSQL サーバに
インポートする
2019/4/18 114
Manaba からテーブルをダウンロード, 先程と同様にSQL サーバにインストールする

115. 2-1. NISTEP企業名辞書をSQL サーバに
インポートする
• select * from 1_comp_name_main_tbl で, データが読み込めた
ことを確認する
2019/4/18 115

116. 2-2. NISTEP企業名辞書とIIPパテントデータ
ベースの接続テーブルをSQL サーバにイン
ポートする
• Manaba からデータをダウンロードし, SQL にインポートする
• 7z ファイルなので、適宜解凍する
2019/4/18 116

117. 2-2. NISTEP企業名辞書とIIPパテントデータ
ベースの接続テーブルをSQL サーバにイン
ポートする
• SELECT * FROM iipdb2015a.ct_dic_iip; でデータを
読み込めたか確認する
2019/4/18 117

118. 2-3. パナソニックな企業群を history_id
から特定する
• comp_name が”パナソ
ニック” な企業の、
history_id と comp_id を
確認する
• NISTEP企業名辞書メイン
テーブルを使う
• Comp_id = 1
• History_id = 1006752 で
あることを確認
• History_id = 1006752 であ
る企業を探索する
2019/4/18 118

119. 2-3. パナソニックな企業群を history_id
から特定する
• History_id = 1006752 である企業
を検索する
• パナソニック
• 松下電器産業
• 松下電工
• 松下電子工業
• パナソニック電工
• 松下冷機
• 松下通信工業
• 松下電池工業
• 松下住設機器
• パナソニックモバイルコミュニケー
ションズ
• パナソニックモバイル
が該当することがわかる
2019/4/18 119

120. 2-3.パナソニックな企業群を特定する
• パナソニックが社名に含まれ
る企業を探してみる
• 37社存在することを確認
• とりあえず、history_id =
1006752 な企業群を対象にす
る
2019/4/18 120

121. 2-4. NISTEP企業名辞書とiip パテント
データベース接続テーブルを接合する
• IIP パテントデータベース接続テーブルに、NISTEP企業名辞書
メインテーブルにある history_id と comp_name を接合し, 新
しいテーブルとして保存する
• 一行目に create table ct_dic_iip2 と指定し, クエリの結果を新しい
テーブルに保存する
2019/4/18 121

122. 2-4. NISTEP企業名辞書とiip パテント
データベース接続テーブルを接合する
• データの状態を確認
• 従来の接続テーブルに、history_id と comp_name の情報が追
加されている
• この段階で、パナソニックが出願した特許の出願年と数が確認
できる
2019/4/18 122

123. 2-5. IIP パテントデータベースと接合し, パナソ
ニック (名寄せ済み) の特許, IPC 分類情報を抽
出する
• 2-4. でつくったテーブルと, IIP パテントデータベースのap
テーブルをida で接合する
• Left 関数を使い, ct_dic_iip2 テーブルの ida_seq について先頭から10
文字分取り出し, それをapテーブルのida とマッチさせる
• History_id=1006752 のデータを取り出す
2019/4/18 123

124. 2-5. IIP パテントデータベースと接合し, パナソ
ニック (名寄せ済み) の特許, IPC 分類情報を抽
出する
• 結果が表示される
2019/4/18 124

125. 2-5. IIP パテントデータベースと接合し, パナソ
ニック (名寄せ済み) の特許, IPC 分類情報を抽
出する
• Excelでグラフにする
• 各企業体ごとの特許数
2019/4/18 125
0
5000
10000
15000
20000
25000
<1984/1/5
1985年
1987年
1989年
1991年
1993年
1995年
1997年
1999年
2001年
2003年
2005年
2007年
2009年
2011年
2013年
松下冷機
松下電池工業
松下電子工業
松下電工
松下電器産業
松下通信工業
松下住設機器
パナソニック電工

126. 2-5. IIP パテントデータベースと接合し, パナソ
ニック (名寄せ済み) の特許, IPC 分類情報を抽
出する
2019/4/18 126
0
5000
10000
15000
20000
25000
30000
35000
H01L
H04M
H04R
A61B
A47K
E03D
G01B
B65D
H01P
E03C
G01D
B28B
C09D
B29B
G06Q
B25B
F23C
F23Q
B66B
B62M
F16D
F27B
C12N
F15B
C07K
B28D
B41C
B62H
E01H
B67D
B60C
B64D
B66C
B27L
B07B
D02G
D21J
G10D
B64G
C01D
G10C
F22G
G03D
A41B
G21C
F16S
B44B
B64C

127. 2-5. IIP パテントデータベースと接合し, パナソ
ニック (名寄せ済み) の特許, IPC 分類情報を抽
出する
2019/4/18 127

128. 成績評価の方法

129. 成績評価(1)
• 平常レポート (40パーセント; 必須)
• 講義計画に示したように、複数の回で学生にはレポートを課します。
レポートは Word/PowerPoint形式のメールあるいは, github 経由で
の提出が求められます(どの方法を採用するかは、初回の講義で決定し
ます)。
• レポートには、(A.) 利用したデータセットとその内容, (B.) 分析の問
い, (C.) 分析手法, (D.) 分析結果 を明記する必要があります。ページ
数や文字数は問いませんが, これらの内容が含まれており, 講義中にア
ナウンスする評価手法を満たす場合, 高い得点を得ることが出来ます。
• 平常点 (10パーセント)
• 本講義は実習が多く含まれており, また取り扱うデータセットや内容も
多彩です。そのため、受講者同士が協力する必要があります。こうし
た受講者の態度を評価するために、平常点を設けます。

130. 成績評価(2)
• 最終レポート (40パーセント; 必須)
• 講義の最終回では最終レポートの報告会を行います。受講者は3名から4名か
ら構成されるグループで、最終レポートの報告を行う必要があります(人数は
受講者の人数により変更される可能性があります)。最終レポートでは、プレ
ゼンテーションの方法を学生は自由に選ぶことが出来ます。PowerPoint 以
外にも、Prezi などのアクティブプレゼンテーションツールや、他のプレゼ
ンテーション手法を用いることが出来ます(プレゼンテーションツールについ
ては、必要であれば講義内で説明する機会を設けます)。最終レポートでは、
以下の点について評価を行います。
(A.) グループ内の役割分担
(B.) データセットのユニークさおよび、それが適切に処理されているか
(C.) 分析手法のユニークさおよび、それが適切に解析されているか
(D.) プレゼンテーションのユニークさ
(E.) 質疑応答にうまくリプライすることが出来ているか
• 最終レポートの360°グループ評価 (10パーセント)
• 3. の最終レポートについて、グループの自己評価および他のグループからの
評価を行います。3. で挙げた評価ポイントに基づき、グループメンバーおよ
び他のグループは評価を行います。

131. 6. [4/26] (人力や Web スクレイピングやRPA
で)データを集めてきて処理をするまでの長く
険しい道 [座学、実習]
• データといっても、そのほとんどは実のところ定型化されてい
ません。Web サイトや書籍や国会図書館から手作業でひとつひ
とつ入力し、あるいは、Web スクレイピングやRPA を用いて,
Web から取得する必要があります。
• データ分析は、こうした事前の作業が作業全体の60-70パーセ
ントを占めています。
• こうした手続きの具体例について、座学を用いて紹介した後、
雑誌や Web に掲載されたデータを取得する手法についてご紹
介します。

132. さがしていました
• danchu の3月号
• 日本酒の酒蔵に関するアンケー
ト調査の Raw Data が掲載
• きっかけ; 入山章栄さん (早稲
田ビジネススクール教授; aka
妻の指導教官) のフェイス
ブック投稿

133. みつかりました
• 東京駅の丸善

134. 次回はデータセットを「作る」話です

135. References (for today’s lecture)
• PATSTAT ONLINE (beta)
• http://www.epo.org/searching/subscription/patstat-online.html
• SQL Self-Study Course
• http://documents.epo.org/projects/babylon/eponet.nsf/0/55df36d61f27cd
b2c1257b1600323d91/$FILE/patstat_introduction_sql_en.pdf
• Data Elements of PATSTAT Raw Data
• http://documents.epo.org/projects/babylon/eponet.nsf/0/95da6bccf12e5
4a1c1257aa1002e2d1d/$FILE/patstat_data%20elements_v1.1.pdf
• 永田晃也（２００４）知的財産マネジメント, 中央経済社
• 後藤晃、元橋一之（2005） 特許データベースの開発とイノベーショ
ン, https://database.iip.or.jp/patentdb/
• 中村健太 (2015) IIP パテントデータベース ユーザーマニュアル,
https://database.iip.or.jp/patentdb/readme_j_2015july.pdf

136. 参考. TXT/CSV ファイルから
SQL サーバにデータをイン
ポートする

137. 参考. テキストデータからSQL にデータを
インポートする場合
• Create a new schema in the connected server をクリックする
2019/4/18 137

138. 参考. テキストデータからSQL にデータを
インポートする場合
• Name にデータベース名
を指定
• Apply をクリックする
2019/4/18 138
・もういちど Apply をクリックする

139. 参考. テキストデータからSQL にデータをイ
ンポートする場合
• Finish をクリックする
2019/4/18 139

140. 参考. テキストデータからSQL にデータをイ
ンポートする場合
• 左下の Schema からデータのインポート先のスキーマをダブル
クリックする
2019/4/18 140

141. 参考. テキストデータからSQL にデータ
をインポートする場合
• Table を開き, “Create Table” をクリックする
2019/4/18 141

142. 参考. テキストデータからSQL にデータを
インポートする場合
• Table Name を指定する: ap
• Column Name/Data Type を
それぞれ指定する
• Ida は int(11)
• その他は text を指定
• 設定が終わったら Apply をク
リックする
2019/4/18 142

143. 参考. テキストデータからSQL にデータ
をインポートする場合
• Apply をクリックする
• Iippatentdb2015 という
データベースの中に、
ap というテーブルが
作成される
2019/4/18 143

144. 参考. テキストデータからSQL にデータを
インポートする場合
• CSV/TXT ファイルからデータを読み込み, SQL にインポートする
• Load data ⇒ “” で囲んでいる箇所からデータを読み込んでね
• Into table ⇒ iippatentdb2015.ap にデータを収納してね
• Fields terminated by ‘¥t’ ⇒ データはタブ区切りになっているからね
• Ignore 1 lines ⇒ 最初の一行目は無視してね
2019/4/18 144
load data local infile "C:¥¥Users¥¥ya-
hara¥¥Downloads¥¥ap¥¥ap.txt“
into table iippatentdb2015.ap
Fields terminated by '¥t’
ignore 1 lines

145. THANKS
yasushi.hara@r.hit-u.ac.jp