KH Coderを使って分析するためには、どのようにデータを準備すればよいですか？

「メモ帳」「サクラエディタ」「秀丸」のようなテキストエディタにデータを入力するか、あるいは「Excel」や「Calc」のような表計算ソフトにデータを入力します。どんな分析をしたいかによって、適したデータ準備の形式は変わりますので、以下、場合別にご紹介します。

■全体に多く出現する言葉やテーマを知りたい場合【テキストファイル作成】

テキストエディタに、文章を入力するだけでOKです。「抽出語リスト」「共起ネットワーク」などのコマンドをご利用ください。

「共起ネットワーク」のかわりに、「多次元尺度構成法（MDS）」「クラスター分析」「自己組織化マップ」を使ってもよいでしょう。

■2つ～3つ程度の文書をお互いに比べてみたい場合【別個のテキストファイル】

2つ～3つのテキストファイルにそれぞれの文書を入力して保存するのが簡単でしょう。それぞれを別々のプロジェクトとしてKH Coderに登録し、別々の抽出語リスト・共起ネットワークを作成します。そして、頻出150語の表を2～3並べて比べてみたり、同様に共起ネットワークを並べて見比べるとよいでしょう。

なお、1枚の図表に情報を要約したり、統計的な比較を行ないたい場合には、1つ下に記載の見出しで区切る方法が有効です。

■3～10以上の文書の特徴を見たい場合【テキストファイルを見出しで区切る】

たとえば「<H1>○○○</H1>」というような行を、H1タグをつけた見出しと言います。このような見出し行を入れることで、1つのテキストファイルをいくつかの部分に区切ることができます。なお、別々のファイルに保存した文書を、見出しで括った1つのテキストファイルに自動的にまとめることもできます。

<H1>文書1の見出し</H1>  文書の内容・・・ <H1>文書2の見出し</H1>  文書の内容・・・ <H1>文書3の見出し</H1>  文書の内容・・・

こうしたファイルを作成すれば、対応分析や見出しを使った共起ネットワーク、特徴語一覧によって、それぞれの文書を比較することができます。

コーディングルールを作成すれば、それぞれの文書に多く出現するコンセプトをヒートマップやバブルプロットで調べることもできます。

■いろいろな要因による文書の変化を見たい場合【CSV・Excelファイルの作成】

アンケートの自由記述を分析するときには、性別・年代・学歴などなど、いろいろな変数によるテキストの変化を見たいでしょう。こうした場合は、表計算ファイルにデータを入力する方法が良いでしょう。

使う変数を選ぶだけで、性別ごと、年代ごと、学歴ごとの特徴を調べることができます。方法としては、1つ上の項目に出てきた方法（対応分析や見出しを使った共起ネットワークなど）すべてを利用できます。

1つのプロジェクトにつき、分析対象ファイルを1つしか登録できないようですが、KH Coderは複数の文書を扱えないのですか？

いえいえ、複数の文書を扱うことができます。ただし、すべての文書を1つのファイルにまとめて入力し、そのファイルをKH Coderに登録していただく必要があります。

例えば3つの文書を比較して、それぞれの文書の特徴を知りたいといった場合には、漱石「こころ」のチュートリアルで「上」「中」「下」の特徴を調べたのとまったく同じ手順で、分析を行っていただけます。すなわち、「<h1>ここから文書1<h2>」といった見出しを3つ入力することで、1つのファイル内で、文書を3つに区切って分析することができます。

このような見出しを加えつつ、複数のファイルの内容を1つのファイルに結合する処理を、KH Coderのプラグインによって自動的に行うことができます。具体的な手順についてはこちらのページの「始める前の準備」と「第5章の練習問題」をご覧ください。

KH Coderではどの程度の大きさのファイルまで分析できますか？

分析対象ファイルのサイズについては、200MB程度までは実際に試したことがありますし、理論上は特に制限はありません。 強いて書くならば、設計上、データサイズの上限はMySQLの性能に依存します。しかし、これまでに見聞きした範囲では、MySQLの上限に行き当たるよりも先に、ディスクスペースが埋まってしまう場合の方が多いようです。

ただし、こうした大きなファイルを分析する際には、処理に非常に長い時間がかかることと、分析対象ファイルの100倍程度の空き容量がHDDに必要なことにご注意下さい。さらに前処理を実行する前に、メニューから「プロジェクト」「設定」をクリックし、「前処理効率化のためにデータをRAMに読み出す」のチェックを外しておくと安全です。

また、Rは大規模データに必ずしも対応していない面があるため、大規模データを扱う場合はRを使った多変量解析が上手く行かない場合があります。具体的には、エラーが出て結果が表示されない場合や、実行に何時間もかかる場合があります。

データサイズが大きすぎるためにRを用いた多変量解析が上手く行かない場合には、以下のような方策が考えられます。

1. データサイズを縮小したくない場合には、Rではなく、大規模データに対応した統計ソフトをご利用いただくとと良いでしょう。「文書ｘ抽出語」表の出力コマンドを使ってKH Coderからデータを取り出し、大規模データを扱える統計ソフトで解析していただく形になります。
2. KH CoderのRを用いた多変量解析機能を利用されたい場合には、ランダム・サンプリングを行うことでデータサイズを縮小されるのが一手でしょう。日本人は1億2千万人以上いますが、きちんとランダム・サンプリングを行いますと、2500人も集めれば±2%程度の誤差で日本人の様子を調べることができます。KH CoderからRに分析用データとして送られるのは「文書ｘ抽出語」表ですが、ここでの文書数を100,000以下、抽出語数を100以下に抑えれば比較的短時間で解析結果を得られるでしょう。現在のKH Coderは，「文書×抽出語」表をRに送る際に，ランダムサンプリングを行うことでデータを縮小する機能を備えています。
   

   データが大きいと，Rによる可視化（共起ネットワーク等）がエラーになる場合がありました。Rは全データをメモリ上に読み出すためです。この問題を回避するため，Rに送るデータをランダムサンプリングによって縮小する機能を加えました。#次期バージョンの新機能 pic.twitter.com/0R63S6f8b5

   — KH Coder (@khcoder) 2019年3月3日

3. 上記2つの中間的な方法として、Rに送る「文書ｘ抽出語」表のサイズが小さくなるように工夫することが考えられます。目安は上に挙げたとおり、文書数100,000以下、抽出語数100以下です。
   • 抽出語数については、品詞や出現数などを使って100以下におさえると良いでしょう。
   • 文書数については、文単位ではなく、段落単位／文章単位での分析を考えると良いでしょう。「同じ段落／文章に登場する語は？」といった文脈情報を解析に利用できる上に、文の数よりも段落／文章の数の方が圧倒的に少ないので、「文書ｘ抽出語」表のサイズも小さくなります。
     仮にデータが新聞記事であれば、文単位で解析せずに記事単位で解析すると良いでしょう。あるいはTwitterのようなデータであれば、1つ1つのtweetを「文書」と見なすのではなく、一連の対話をまとめて1つの「文書」と見なすような前処理を行うとよいかもしれません。
4. 抽出語の共起ネットワーク作成やクラスター分析・多次元尺度法などを行う場合には、さらに別の方策もあります。「抽出語ｘ文脈ベクトル」表の出力コマンドを使ってデータを取り出せば、文書数が何十万あっても、任意のサイズの行列にデータを圧縮することができます。行数は分析に使う単語数と等しくなりますが、列数は任意に設定できるので、5,000～10,000程度にすれば良いでしょう。
   このコマンドで（圧縮して）取り出したデータをRに読み込めば、共起ネットワーク作成やクラスター分析・多次元尺度法などを行うことが出来ます。ご自身でRを操作していただく必要があるのですが、別途KH Coderでこれらの分析を実行し、その結果をRコマンド形式で保存したファイルを参考にしていただけば、比較的やりやすいかと思います。

※文書数100,000・抽出語数100を一応の目安として示していますが、このうち抽出語数100については、画面上にプロットすることを考慮した値です。すなわち、100を超える数の語をプロットしても、確認が難しいだろうという判断です。プロットを行わないような場合には、もう少し増やしても良いでしょう。例えば文書のクラスター分析では、文書数5,000・抽出語数3,000程度で分析を行うことも考えられます。

上記2と3を組み合わせることで「文書ｘ抽出語」表のサイズを抑えるか、あるいは4の方法をとるかというのが個人的にはお勧めでしょうか。なお、ここでサイズを抑える必要があるのは、あくまで「文書ｘ抽出語」表のようなRに送るデータ行列のサイズであり、分析対象ファイルの容量（MB）はさほど問題になりません。

分析対象ファイルを修正・変更した場合は、新たなプロジェクトとして登録しなければならないのですか？

再度プロジェクトを作成する必要はありません。前処理を再度行うことで、変更内容がKH Coderに取り込まれます。再度前処理を行うには、KH Coderのメニューから「前処理」「実行」を順にクリックして下さい。

ただし、外部変数を読み込んでいて、なおかつケース数が変わるという場合には、この方法は使えません。例えば、もともと新聞記事が500件あって、外部変数として掲載面・日付などを読み込んでいる状態を考えます。ここに記事を何件か付け足したいというような場合は、新たなプロジェクトとして登録しなければなりません。再度前処理を行っただけでは、外部変数（掲載面・日付）と記事の対応がとれなくなってしまうためです。

「H5」の数が、分析対象Excelファイルの行数より少なくなるのはなぜですか？

Excelファイルを分析する場合、Excelファイルに含まれるデータ行数と「H5」は同じ数になるはずです。たとえば漱石『こころ』チュートリアルの場合、Excelファイルの全体行数は1216で、1行目は見出しなので、データ行数は1215です。KH Coderによる「H5」（セル数）の認識も1215となっています。

ところが、KH Coderによる「H5」（セル数）の認識が、データ行数よりも少ない場合には、データの読み込みが中断してしまって、データを部分的にしか読み込んでいないと考えられます。データの読み込みが止まる原因の多くは、文字化けしている部分があったり、制御文字（画面には表示されない特別な役割を持つ文字）が混入していることです。

こうした場合には、データをクリーニングすることで問題が解決します。日本語データであれば、KH Coderのメニューから「前処理」「テキストのチェック」と進め、開いた画面で「自動修正」の部分にある「実行」ボタンをクリックしてください。それから再度、「前処理」を実行してください。

日本語以外のデータの場合には、ExcelのClean関数を使うことで、制御文字をすべて削除できます。なおClean関数を使うと、セル内の改行もすべてなくなりますので注意してください（改行も一種の制御文字であるためです）。Clean関数でクリーニングを行ってから前処理をやり直すか、新たなプロジェクトを作成してください。

「H5」の数が、分析対象Excelファイルの行数より多くなるのはなぜですか？

Excelファイルを分析する場合、Excelファイルに含まれるデータ行数と「H5」は同じ数になるはずです。たとえば漱石『こころ』チュートリアルの場合、Excelファイルの全体行数は1216で、1行目は見出しなので、データ行数は1215です。KH Coderによる「H5」（セル数）の認識も1215となっています。

ところが、KH Coderによる「H5」（セル数）の認識が、データ行数よりも多い場合には、なにか余計なものを読み込んでいることが考えられます。よくあるのは、Excelファイル内のデータから離れたところに、見えない文字等が混入しているケースです。例えば、下図の選択部分（C1222）に全角スペースが入力されているといったケースです。

こうした場合には、（見出し行を含めて）データ部分だけを選択してコピーし、新しいExcelファイルに貼り付けると解決する場合が多いです。

逆方向のアプローチとして、データが入力されていないはずの部分をすべて選択し、「すべてクリア」して上書き保存することでも解決できるでしょう。CtrlキーとShiftキーを押しながら、さらに「→」や「↓」キーを押すことで、広い範囲をかんたんに選択できます。ただ、こうした操作に慣れていない場合は、データだけを選択して新しいファイルに張り付けるアプローチの方が簡単かもしれません。

外部変数とは何ですか？

## 一時テーブルを作製（この部分は変更しない） DROP TABLE IF EXISTS temp_labels, outvar_lab_new; CREATE TABLE temp_labels( var VARCHAR(255), val VARCHAR(255), label VARCHAR(255) ); ## 一時テーブルにラベルを入力（この部分の2行目以下を編集） INSERT INTO temp_labels (var, val, label) VALUES ( '性別', '1', '女性' ), ( '性別', '2', '男性' ), ( '学歴', '1', '中学校' ), ( '学歴', '2', '高等学校' ), ( '学歴', '3', '大学' ); ## ラベルデータをKH Coder向けに整形（ここから下も変更しない） CREATE TABLE outvar_lab_new( id INT PRIMARY KEY AUTO_INCREMENT, var_id INT NOT NULL, val VARCHAR(255), lab VARCHAR(255) ); INSERT INTO outvar_lab_new (var_id, val, lab) SELECT outvar.id, temp_labels.val, temp_labels.label FROM outvar, temp_labels WHERE outvar.name = temp_labels.var; INSERT INTO outvar_lab_new (var_id, val, lab) SELECT outvar_lab.var_id, outvar_lab.val, outvar_lab.lab FROM outvar_lab LEFT JOIN outvar_lab_new ON outvar_lab.var_id = outvar_lab_new.var_id AND outvar_lab.val = outvar_lab_new.val WHERE outvar_lab_new.lab is NULL; DROP TABLE temp_labels; DROP TABLE outvar_lab; RENAME TABLE outvar_lab_new TO outvar_lab

コーディングルールがエラーになります

掲示板のこちらの書き込みをご覧ください。

普通は1つのクロス表に対して1つのカイ2乗値ですが、なぜKH Coderの「クロス集計」には複数のカイ2乗値が載っているのですか？

公式入門書のpp. 87-89または、旧掲示板のこちらのスレッドや#1139をご覧ください。

なぜKH Coderの「クロス集計」では、パーセントの値を横に合計しても縦に合計しても100%にならないのですか？

公式入門書のpp. 87-89または、旧掲示板のこちらのスレッドや#1139をご覧ください。

対応分析の結果の読み取り方を教えてください。

チュートリアル・スライドの22ページ目をご覧ください。

原点（縦軸も0、横軸も0の位置）からの方向と距離に注目するのがポイントです。抽出語と変数（見出し）の位置が「近い」「遠い」といった解釈は、厳密に書くと誤りです。

対応分析のプロットにはいくつかの方式・流儀があります。ですが、どの方式であっても、原点からの方向と距離に注目する解釈の仕方であれば問題は生じにくいです。もう少し詳しくは、公式入門書の第7章・第13章に記載があります。あるいはこちらの論文や掲示板のこちらのスレッドもご参考になるかもしれません。 さらに詳しくは『対応分析の理論と実践』や『対応分析入門 ―原理から応用まで―』などの書籍がご参考になるかと思います。

対応分析の「成分」とは何ですか？

テキストを、外部変数の値や見出しによっていくつかのグループに分けると、グループごとに各語の出現傾向に違いが生じます。この違いをなるべく凝縮して、1つの軸、すなわち1つの数値の大小で表現しようとしたものが「成分」です。たとえば「成分1」のように、番号の小さい成分ほど多くの違いが凝縮されています。

各「成分」がどれくらい大きな違いを表現できているかということ、すなわち、その「成分」にどれくらい大きな違いを凝縮できたかを示す数値（小数）が、各成分に添えられています。この数値は「固有値」と言います。たとえば下図の場合、成分1の固有値が0.1417で、成分2の固有値が0.07となっています。

すべての「成分」の固有値を合計すれば、語の出現傾向の違いが全体でどれくらいあったのかという数値になります。この全体の数値に対して、各「成分」の固有値が占める割合が、パーセントで表示されています。つまり、すべての違いのなかで、その「成分」が表現できている違いが何パーセントかを示しています。

KH Coderの場合、すべての「成分」の固有値はコンソール画面に出力されています。今回の分析では、固有値の合計は0.1417 + 0.0700 + 0.0479 = 0.2596です。成分1で表現できている違いは、すべての違いのうち0.1417 ÷ 0.2596 × 100 ≒ 54.58パーセントとなります。（丸め誤差のせいで0.01％値がずれています）

なお「固有値」にはいくつか別名があり、「イナーシャ」とか「慣性」「主慣性」と呼ばれることもあります。

もう少し具体的な「成分」の計算法を、公式入門書の第13章に書いています。それよりももっと詳しく知りたい場合は、『対応分析の理論と実践』をお読みになると良いでしょう。

対応分析の結果、すべての語が1直線上に乗っていて、横軸も縦軸も「成分1」と表示されますが、これは何かの間違いですか？

使用した外部変数の値が「男性」「女性」とか、「前半」「後半」のように2種類（2カテゴリー）の場合は、成分が1つしか抽出されないと言いますか、結果を1次元（横軸のみ）で完全に表現できてしまいます。このことは公式入門書の第13章に書いている通りです。

したがって、結果をプロットするのに、2次元（横軸と縦軸）は必要ありません。本来は公式入門書の図13.3のように、水平に数直線を引いて、その上に抽出語とカテゴリー名をプロットすればよいのです。しかし水平に直線を引くよりも45度傾けた方が、抽出語やカテゴリー名のラベルを書き込むスペースがとりやすくなります。またプログラミング上の簡便さもあってKH Coderでは、やや強引なのですが、横軸縦軸ともに成分1（おなじもの）とすることで、45度傾けています。

この結果は公式入門書の図13.3と同じものです。違うのは、図13.3を45度傾けているという点だけです。したがって、とくに何か間違っているとは開発者として考えていません。また公式入門書の図13.3とまったく同じように解釈できます。ただし、この図をそのまま論文に貼り込む場合には、以上のようなことを説明する必要があるでしょう。そうしないと「どうして2次元の図なのに、結果は1次元なのか（どうして1直線上にすべての語が乗っているのか）」「縦軸も横軸も『成分1』とはどういうことか」というような疑問を読者がいだくのは自然なことでしょう。

そうした（やや苦しい）説明をしたくなければ、水平に線を引いた図をご自身で作り直すか、代わりに共起ネットワークや特徴語の表を使うことが考えられます。

※横軸縦軸ともに「成分1」とすることで45度傾ける上のような出力は、KH Coder ver. 3 正式版にて改訂しました。

対応分析の結果を示したところ「馬蹄形ではないか」と指摘されました。「馬蹄形」の結果には何か問題があるのでしょうか？

多くの抽出語や変数（見出し）が、放物線のような形に並ぶプロットは「馬蹄形」（Arch pattern or "horseshoe" pattern）と呼ばれることがあります。たとえば下図のような形です。

（ 出典：『対応分析入門 ―原理から応用まで―』第3章掲載のデータを用いて作成）

こうした場合でも、基本的には（1つ上の項目で述べた）通常の解釈が可能です。たとえば「循環器」は（1）原点から遠くに離れており、（2）原点から見て「67歳以上」の方向にあることから、「循環器の病気は67歳以上の人に特徴的である」ことが分かります。

ただし、こうした形のプロットを解釈するときには気をつける点もあります。1つは、「67歳以上」から「0-6歳」にかけての年齢による変化が、直線上ではなく、曲線（放物線）の上に描かれているということです。1つの軸（この場合は年齢）による影響がとても大きい時に、こうした「馬蹄形」があらわれがちです。

そしてもう1つ、こうした場合、「67歳以上から0-6歳にかけての変化」という軸に乗らない病気は、放物線上にも乗りません。上の図では「耳鼻科」が放物線から大きく外れています。耳鼻科は「67歳以上」にも「0-6歳」にも多いというめずらしい病気であったためです。

結論として、「馬蹄形」は必ずしも悪いものではありませんが、解釈する時に以上の2点に注意が必要と考えます。こうした点についてさらに詳しくは、『対応分析入門 ―原理から応用まで―』のpp. 28-31や、Correspondence Analysis in Practice 2nd ed. のpp. 126-128を参照してください。

対応分析の結果（語の座標）を取り出して、他のソフトでプロットを作り直すには？

KH Coder 3では多次元尺度構成法や対応分析の結果をCSV形式で保存できるようになりました。CSV形式で保存したファイルを、他のソフトでご利用ください。

共起ネットワークの実線と点線の違いを教えてください。

自動的にグループ分け（サブグラフ検出）を行なった時、同じグループに含まれるノード（語）は実線で結んでいるのに対して、異なるグループに含まれるノードは破線で結んでいます。

それだけのことですので、深遠な意味があるわけではなく、単にグループ分けの結果を見やすくするための小さな工夫です。

共起ネットワークではどのように共起関係の強さを図っているのですか？　Jaccard係数とは何ですか？

共起ネットワークでは、特に設定を変更していなければJaccard係数というものを使って、共起の強さを測っています。この係数について詳しくは、『実例　クラスター分析』という書籍がお勧めです。

私も簡単な説明スライドを作っていますので、よろしかったらご覧ください。

共起ネットワークに描かれている共起関係の強さを数値で確認するには？

KH Coder 3では「係数を表示」というオプションを追加したので、こちらをお使いください。係数を一覧表示したり保存することについては、旧掲示板のこちらのスレッドをご参照ください。こちらもご参考になるかもしれません。

共起ネットワークに出てこない語があります。

データ中には多く出現していても、線（edge）として描くべき共起関係がなかった語（他の語とよく一緒に使われているという関係が無かった語）は、ネットワークに出てきません。重要な語がネットワーク上に現われない場合、比較的弱い共起関係も描かれるように、デフォルトの上位60から上位100程度に描画する共起関係を増やしてみるとよいかもしれません。場合によっては上位200から上位300程度に増やすこともできますが、この場合は線（edge）がこんがらがってしまうのを防ぐために、「最小スパニングツリーだけを描画」すると良いでしょう。

根本的な解決のためには、共起ネットワークではなく、階層的クラスター分析・多次元尺度構成法・自己組織化マップを使うとよいでしょう。

共起ネットワークの語の位置を編集するには？

共起ネットワークの語の配置は、ネットワークをなるべく読み取りやすいようにという基準で決まっています。したがって、配置にはあまり意味がありませんので、好きなように微調整していただいて問題ありません。

なおKH Coder 3では共起ネットワークをPajek形式やGraphML形式で保存できるようになりました。これらの形式で保存したファイルをPajek、Cytoscape、Gephiなどのソフトウェアで開いて、編集していただくこともできます。

プロットをIllustratorで編集するには？（Windows環境）

たとえば対応分析のプロットで、重なってしまった語のラベル位置をなおしたり、ラベルのフォントサイズを変更したりといった編集を行いたい場合があるでしょう。Windows環境では、Adobe Illustratorを使って編集するのが1つの方法です。

KH CoderのプロットをIllustratorで編集する場合には以下の手順がスムーズなようです。WindowsのCS6環境でテストしました。

1. KH Coderのプロット保存画面で、EPSまたはPDF形式を選択して保存します。※2.b.28でPDF形式での保存に対応します。
2. 保存したファイルをAcrobatで開き、Acrobatから「名前を付けて保存」で、EPS形式で保存します。
3. Illustratorで、Acrobatから保存したEPSファイルを開きます。

Illustratorでの編集

1度Acrobatで開いてEPSで保存するというのがカギのようです。この際に、オプションで「ソースと同じ（カラーマネジメントなし）」を選択しておくと、色味が維持されます。

なお、KH Coderから保存したPDFファイルをそのままIllustratorで開くと、文字化けはしないものの、フォントがアウトライン化されて編集が少しやりにくくなってしまう様子です。

併用することにどんな利点があるのですか？

■KH Coder側から見ると：

KH Coderを既にお使いの方には、対応分析（数量化III類）をはじめとする記述的多変量解析を行うための優れたソフトウェアとして、WordMinerをご利用いただけます。極端な書き方をすると、WordMinerをテキストマイニングのソフトとしてではなく、統計解析ソフトとして使わせていただく形になります。

■WordMiner側から見ると：

WordMinerを既にお使いの方には、分かち書きのための選択肢の1つとしてKH Coder（茶筌・MeCab・etc.）をお使いいただけます。WordMinerで言うところの「構成要素変数」として、KH Coder（茶筌・MeCab・etc.）による語の抽出結果をお使いいただけます。これによって、WordMiner上で品詞情報を利用することができるようになります。例えば、「名詞だけを使って分析をしてみよう」「形容詞だけを使って分析をしてみよう」といったことがWordMiner上で容易に行えます。
それに加えて、KH Coderの柔軟なコーディング機能もお使いいただけます。KH Coderによるコーディングの結果も、「構成要素変数」としてWordMiner上でお使いいただけます。

■「連携・併用」とは：

ここで言う「併用」とは、WordMiner上で、KH Coderによる語の抽出（分かち書き）結果やコーディング結果を利用することを指しています。WordMiner上で「構成要素変数」として利用・分析するということです。

KH Coderでテキストから語を抽出（分かち書き）する
「プロジェクト」→「新規」でExcelファイルを指定
「前処理」→「前処理の実行」から前処理（語の抽出）を行う
KH Coderによる語の抽出結果をファイルに書き出す
「ツール」→「『文書ｘ抽出語』表の出力」→「不定長CSV（WordMiner）」をクリック
開いた画面で「集計単位の選択」部分を「H5」に設定
※KH Coderは1つ1つのセルを、H5単位とみなします。
「OK」をクリックして、名前を付けてファイルを保存する
（ここでは仮に「抽出結果.csv」と名前をつけたことにする）
WordMinerでプロジェクトの新規作成を行う
WordMinerで分析対象のExcelファイルを読み込む
WordMinerで、KH Coderによる語の抽出結果を読み込む
「データの読み込み」から、先程保存した「抽出結果.csv」を選択して読み込む
（これによって「名詞」「サ変名詞」「形容動詞」...といった原始変数が読み込まれる）
「変数の生成」→「●構成要素変数を生成」→「変数の種類を変更し、新しい変数を生成」を選択して、「次へ」をクリックする。そして、「名詞」「サ変名詞」「形容動詞」などにチェックを入れて構成要素変数を生成
※KH Coderによって既に分かち書きが行われているので、再度WordMiner上で分かち書きを行う必要はありません。よって、「変数の種類を変更」するだけで、構成要素変数を作成できます。

64bit版のWindows環境で2GBを超えるメモリを使用するには？

現在のWindows版パッケージには32bit版のMySQLを同梱しています。よってMySQLに関しては64bit版のWindows上でも、2GBまでしかメモリを利用できません。ここで、手順はやや煩雑なのですが、ご自身で64bit版のMySQLをインストールしていただけば、2GB以上のメモリを使うことができます。

MySQLがより多くのメモリを使用できれば、「前処理効率化のためにデータをRAMに読み出す」設定が有効に働き、前処理が比較的短い時間で終わる場合があるでしょう。また64bit版のMySQLでは、32bit版に比べて10%ほど処理時間が短縮されるようです。

MySQLを64bit化する手順は以下のようになります：

1. 64bit版のMySQLをインストール・設定する。この際、「max_heap_table_size」の値を搭載メモリにあわせて大きくしておく。
2. KH Coderの設定ファイル「config\coder.ini」をテキストエディタで開き、「all_in_one_pack」の行を「1」から「0」に変更する。また「sql_username」「sql_password」「sql_port」を、インストールした64bit版MySQLにあわせて修正する。

データの規模によっては焼け石に水かもしれませんが、64bit環境でめいっぱいメモリを積んでいるような場合には、試してみる価値があるかもしれません。

※Rに関しては、現在のWindows版パッケージには64bit版と32bit版の両方を同梱しており、64bit環境では自動的に64bit版が動くようになっています。したがって、Rを使った多変量解析がメモリ不足で止まるケースは減っているかと思います。もちろん限界はあるのですが。

コマンドラインから新規プロジェクト作成・共起ネットワーク保存を自動実行するには？

こうした自動化を行なうためのプラグイン見本として「plugin_jp\auto_run.pm」を同梱しています。使用例を掲示板のこちらのスレッドに書いています。このプラグインについての詳しい解説は、書籍『Rのパッケージおよびツールの作成と応用』をご覧ください。

KH Coderのソースコードを解読するコツはありますか？

『言語研究のための統計入門』（くろしお出版）の「練習問題」や「実例研究」では、KH Coderで同じ操作を何十回も繰り返さねばならないのですか？

KH Coder操作方法の「別解」として、同じ作業を繰り返さなくてよい方法を別ページでご紹介しています。

→『言語研究のための統計入門』 & KH Coder

KH Coderを使った計量テキスト分析の見本になるような論文は？

「KH Coderの本」第2版・第8章で研究事例のレビューを行ないました。 「たくさん研究事例はあるけど、どれがおもしろくて参考になるの？」という疑問に、ある程度お答えできたと思います。優れた研究事例のレビューを通じて「どのようにKH Coderを利用すれば学術的意義のある発見につながりやすいのか」を書かせていただきました。

ほかには、どちらもKH CoderではなくAutocode（リンク1・リンク2）というソフトを使っているのですが、以下の2つもお勧めできます。

• 太郎丸博 1999 「身の上相談記事から見た戦後日本の個人主義化」 川端亮編著 『非定型データのコーディング・システムとその利用』平成8年度～10年度科学研究費補助金（基盤研究（A）（1））（課題番号08551003）研究成果報告書 39-154 PDF File
• 川端亮 1999 「真如苑における霊位向上」 川端亮編著 『非定型データのコーディング・システムとその利用』平成8年度～10年度科学研究費補助金（基盤研究（A）（1））（課題番号08551003）研究成果報告書 PDF File

前者の論文（太郎丸 1999）は内容も興味深いですし、問題の提示→その問題へのアプローチに適したデータと方法→分析結果→考察という、オーソドックスな論文としての構成がしっかりしていて勉強になります。後者の川端（1999）は、個別のインタビューからは解明できなかった「霊脳」について、自由記述の計量テキスト分析を行うことで手がかりを掴んでいます。計量テキスト分析が実際の研究にどのように寄与するのかということについて、その一端を示していると言えるでしょう。

次にKH Coderを使ったものでは、自分の携わったもので僭越ですが、まずはこれらが読みやすいかと思います。自由回答データの探索的な分析を行なっています。

• 樋口耕一 2021 「誰がなぜ改憲に賛成・反対しているのか ―自由記述データの計量テキスト分析から―」 辻大介編 『ネット社会と民主主義 ―「分断」問題を調査データから検証する―』 有斐閣 95-112 Amazon
• 阪口祐介・樋口耕一 2015 「震災後の高校生を脱原発へと向かわせるもの ―自由回答データの計量テキスト分析から―」 友枝敏雄編 『リスク社会を生きる若者たち ―高校生の意識調査から―』 大阪大学出版会 186-203 Amazon
• 川端亮・樋口耕一 2003 「インターネットに対する人々の意識 ―自由回答の分析から―」 『大阪大学大学院人間科学研究科紀要』 29: 163-181 PDF File

KH Coderの設計思想を書いた論文は？

以下の文献に、「こういう方法での分析を行うためにKH Coderを作製した」ということを書いています。テキスト型データの分析方法を提案し、その方法での分析を実際に行うために、KH Coderを作製したという形です。

• 樋口耕一 2004 「テキスト型データの計量的分析 ―2つのアプローチの峻別と統合―」　『理論と方法』（ISSN:0913-1442）　19(1): 101-115 PDF File
• 樋口耕一 2020 『社会調査のための計量テキスト分析 ――内容分析の継承と発展を目指して　第2版』　ナカニシヤ出版 サポートページ  Amazon

英語でもある程度までは書いています。

• Koichi Higuchi 2016 "A Two-Step Approach to Quantitative Content Analysis: KH Coder Tutorial Using Anne of Green Gables (Part I)" Ritsumeikan Social Science Review, 52(3): 77-91 PDF File
• Koichi Higuchi 2017 "A Two-Step Approach to Quantitative Content Analysis: KH Coder Tutorial Using Anne of Green Gables (Part II)" Ritsumeikan Social Science Review, 53(1): 137-147 PDF File

技術的な設計思想は文書になっていません。強いて書くならば、以下のようなことを考えながら作製しています。

• 処理速度向上よりも、柔軟に機能を追加できる構造の維持を優先する
• 検索やソートなどは極力MySQLに任せる
• 多変量解析や統計処理は極力Rに任せる
• インターフェイスとロジックはできるだけ分離する

KH Coderの正式な表記は何ですか？

KH Coderの正式な表記は「KH Coder」です。「KH-Coder」「KH_coder」「KHCoder」「KH CODER」「KHコーダー」「KH Corder」などではなく、「KH Coder」です。ただし縦書きの文書中でアルファベットを「立てる」場合には「KH CODER」とすべて大文字で表記していただくとすわりが良いでしょう。

※強いこだわりがあるわけでもないのですが、もしかすると迷われる方もいらっしゃるかと思いまして…。

KH Coderの「KH」とは何の略ですか？

KHは「Kawabata Higuchi」の略だという説の他に、「Keystone Hammer」「Knowledge Harvest」「Knight Hawk」などの略だという説もありますが、最初の説がもっとも有力です。なお「Koichi Higuchi」の略だという説は誤りです。