エクセルアドインを配布したい
エクセルのVBAでマクロを作ったりなんかするわけですが、人にそのマクロを渡すいい方法がよくわからないので勉強中のメモ書きです。
とりあえず、ちょっと利用者が手間かかるけど配布側が楽なのはこちら。
保存
VBAで書いた後、アドイン形式である”.xlam”で保存します。
保存場所は
c:\[ユーザ]\AppData\Roaming\Microsoft\AddIns
になります。windows8.1の場合。
導入
保存した.xlamをそのまま配布します。
で、導入する側も上記と同じディレクトリに入れます。
別の場所でも動くけど、セキュリティーの警告が出ます。
有効化
まず、開発のタブを出しておきます。何かと便利なので出しておきましょう。
開発タブが出たら”アドイン”が出てくるので、
追加したアドインを有効にします。
ここでExcel再起動しておくと安心。
次に、リボンにマクロ実行ボタンをつけます。
オプションのりボンのユーザ設定で
- 任意の場所に新しいグループを作っておきます。今回だと右側の「追加アドイン(ユーザー設定)」のところ。
- コマンドの設定で”マクロ”を選択、すると追加した関数の名前が出てくるので
- 作ったグループに追加
これで実行ボタンが出来たはず!
データ分析でお得な物件を探したい part.どうでもいい後日談
数回に渡りがんばっていたデータ分析でお得な物件をさがしたい の後日談です。
結局分析結果を元に引っ越しできそうです。仕事の都合等もあり南の方へいきまーす。
さて実際に物件を探してみて、更にこの分析の精度をよくするにはどうすりゃいいかと考えたメモ書き。
・区の違いというのも家賃には影響大きそう。場所が隣でも人気の区とそうじゃない区とか。
・治安の良し悪しやイメージは重要。事故数とか事件のデータってのも入れるといいかも。
・路線の情報も含めたいけど、モデル化が大変そうだ・・・。
またブログに書きたいけど、東京メトロが行っているオープンデータコンテストとも絡めれそうな気がする。
などなど。後日談メモでした。
データ分析でお得な物件を探したい part.5
<<part.4
地価と家賃の関係式
前回の地価モデルAで話を進めていきましょう。
早速実際の物件と比較していきたいところですが、現在のモデルでは地価はわかっても家賃はわからないので
地価と家賃の関係式を作らなくては行けません。
少し調べてみたところ地価と家賃の関係性というのは当然あるはあるんですが、その時の状況(オリンピック開催だぞー、とか再開発はじまったぞーとか)や経済状況によって結構変動するとのこと。
まぁ今回は目安には使えるでしょうということで地価と家賃を直接結びつけて考えます。
家賃は不動産サイトで公開されている地下鉄の駅ごとにの相場を元にします。
ひたすら入力。有楽町線、日比谷線、千代田線、・・・・、東京すごい、一体どんだけ路線あるんだ。地元なんてそもそも地下鉄がない。
結論として、比例式でなんとかなりそうです。
家賃 = 0.1171×地価+22398.3
当然これは東京23区限定なので皆様のお住まいの地域に当てはめてもたぶんめちゃくちゃな家賃になります。
実際の家賃と上記の式で計算した家賃をグラフにするとこんな感じ。なんとかなってそうな感じです。
家賃12万を越えだしたあたりから少しずれていますが、今回は無視します。だってそんな高価なとこ住めないもん。
精度確認
では、今回の地価モデル&地価と家賃の関係式を使って、家賃予想をしてみます。
予想する場所はJR山手線の各駅。
結果をどーん。 ※単位は万円。1ルーム、1K,1DKの相場
いかがでしょうか。確かにずれはあるものの(恵比寿とか)概ね予想できていると言えそうです。
というかもうちょっと残念な感じになると思ってたら結構いいかんじだ。
Webサービス化
最後のお仕事です。
分析ができて、こういう関係性があります!というのがわかってもものづくりとしてはまだ途中段階で、最終的にはそれを使ったものが完成して初めてゴールです。(もちろん場合にもよりますが)
当初の目標、位置を指定したら相場家賃が表示されるWebサービス、作ってやろうじゃありませんか。
・・・
できたよ。
ページの作りは適当です。そのうち自分のメインサイトに取り込むかもです。(作成中)
地図上でクリックするとその点の予想家賃を表示します。築10年と築30年の場合の予想値もつけてみました。
よーし、ではこれを持って不動産屋行って来ます!
データ分析でお得な物件を探したい 完
データ分析でお得な物件を探したい part.4
<<part.3
モデルを評価する
前回、東京23区の地価モデルとしてこんなモデルが出来上がりました。「地価モデルA」とします。
比較としてもうひとつモデルを考えてみます。
前回定義したモデルの要素3つのうち
☆モデル要素1:一点上に凸のモデル
☆モデル要素2:傾いた平面のモデル
☆モデル要素3:曲面のモデル
2つだけ使ってみます。傾いた曲面で表してみます。
こういう地価モデル。(実は最初はこっちでやってました。)「地価モデルB」としましょう。
こっちでも真ん中が高く、外に行くほど地価が下がるというのを表現できている気がします。
この2つの地価モデルを比較してみます。
AICの比較
モデルの当てはまりの良さを表す指標にAICというものがあります。赤池情報量規準の略称ですが、難しい式は置いておいて。
地価モデルAのAIC = 15771.32
地価モデルBのAIC = 15895.24
低い方が当てはまりが良い、ということになります。
うーん、たしかに地価モデルAのほうが良さそうに数値上見えますが、ちょっとイメージしにくいです。
残差の比較
今回は地価のデータを予測したいわけなので、実際の地価データとモデルによって算出される地価の差「残差」をみてみると評価できそうです。まぁこういう回帰分析評価の王道というわけです。
残差をグラフ化してみました。黒点が上にあるほどモデルに対して実際の地価のほうが高い状態です。黒点線が差が0の部分です。
モデルAの場合、比較的差0付近に集まっているように見えます。
モデルBの場合、予想地価が低いところとでは残差が+、予想地価が中間ぐらいのところでは残差がー、高いとこではまた+、と予想値があんまりあてにならないような印象を受けます。
もう一個、グラフを。予想値と実値をプロットしてみます。
予想値と実値が一緒なのがピンクの線です。ちょっと縦横のスケールずれてすいません。
たしかに地価モデルBの方は地価が中間ぐらいのところで予想が外れそうです。
次回は、ついに(やっと)実際の家賃と合わせて評価&Webサービス化を考えます。
データ分析でお得な物件を探したい part.3
モデル化のイメージ
地価の分布をモデル化します。
分布の傾向を考えて、数式に当てはめていくことを考えます。
といってもイメージしづらいので例をば。
例えば、図のような分布があったとき
直線で表すことができそうです。y = ax + b という式ですね。
そういう式で表すことで、xの場所がわかれば、yが計算できるようになります。
今回で言えば、場所がわかれば地価がわかる、となります。
でも、よく見ると直線より曲線のほうがいい感じに分布に従っているように見えます。
では xの2乗だったりlogだったりを使って式で表そう、ということにもできるわけです。
さらに数式を複雑怪奇摩訶不思議にしてすべてのプロット点を通るようにする、ということも可能といえば可能です。
しかしそれは良いモデルとはいえません、複雑になればなるほど思わぬ計算結果がでることもありますし、
なぜそういうモデルになったのかという説明もしにくいのです。
モデル化を考える
地価分布の特性を考えて、以下のモデルを作ります。
☆モデル1:一点上に凸のモデル
→ 中心部が極端に地価が高くなっているのを吸収します
☆モデル2:傾いた平面のモデル
→方角によって地価の差がありそうです。23区全体を見た時に西の方より東が安い!みたいな。
☆モデル3:曲面のモデル
→中心ほど高く、距離に応じて比例して地価が安くなってそうです。
こういう仮説を立てました。
複数の要因を組み立てて、式を作る手法に重回帰分析というのがあります。
地価 = 係数1×モデル1+係数2×モデル2+係数3×モデル3+定数
のような感じで指揮を組み立て、各係数をどう設定するといい感じにモデルがつくれるかを計算する分析手法です。
長々と連載するのは書く方も見る方も辛いのでもう結果へ。
うん、わかりにくい!地図と結合だ!
こんな分布が出来ました。
範囲は右の図です。
中心部がぐっと高く、広く見ると西南から北東方向へ地価が安い という感じ。
一旦休憩。
次回はモデルが妥当かどうかの検証です。
データ分析でお得な物件を探したい part.2
物件の分析の前にもう少し。
データ見直し
前回、地価をそのままプロットして、アチャー(ノ∀`)となったので、少し改良しましょう。
まず、飛び抜けて地価が高いところを調べると、住宅街ではなくて商業地用の土地とかでした。さすがにそれはのけておきます。
さらに住宅地でもあまりにも値段がかけ離れているものは除外します。モデル化への影響がでかい(本音) あまりにも高い物件はそもそも求めてないですし。
では東京23区でプロットし直すとこういう感じ。
中心部が見事に消えました。あんまり住宅地のデータがありませんでした。
大阪もいってみよー
大阪も全データをプロットすると極端に高い位置が2箇所
右が商業地を除いたプロット。大阪も中心部がぽっかり。ちょっと横のスケールがずれたので変形させてます。
次回こそモデル作りへ入ります。