経営学研究科Graduate School of Business Administration
ECN500F1-0117(経済学 / Economics 500)統計データ解析Statistical Data Analysis
猪狩 良介Ryosuke IGARI
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | 経営学研究科Graduate School of Business Administration |
添付ファイル名Attached documents | |
年度Year | 2021 |
授業コードClass code | X7241 |
旧授業コードPrevious Class code | |
旧科目名Previous Class title | |
開講時期Term | 秋学期授業/Fall |
曜日・時限Day/Period | 火6/Tue.6,火7/Tue.7 |
科目種別Class Type | |
キャンパスCampus | 市ヶ谷 |
教室名称Classroom name | |
配当年次Grade | |
単位数Credit(s) | 4 |
備考(履修条件等)Notes | |
実務経験のある教員による授業科目Class taught by instructors with practical experience | |
カテゴリーCategory |
修士課程(夜間)授業科目 コース共通 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
Recently, the data environment called "big data" has been improved, the word "data scientist" has been penetrated. Here, the need to deal with statistical and data analysis is growing very much in business. Also, in order to properly make decisions in business situations, it is necessary to judge objectively based on statistical theory and data, and for that purpose knowledge of statistics is necessary. This lecture aims to learn the basic theory of Statistics and empirical analysis methods and to apply it to management fields, especially marketing and business. The first half of the course focuses on the basics of Statistics, while the second half focuses on statistical modeling and multivariate analysis. Also, practical skill is acquired by performing actual data analysis using free statistical software R.
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的(何を学ぶか)Outline and objectives
近年、「ビッグデータ」と呼ばれるデータ環境が整備され、「データサイエンティスト」という言葉が生まれるなど、ビジネスの現場でも統計学とデータ分析を行うニーズは非常に高まっています。また、ビジネスの場面で意思決定を適切に行うには、統計理論とデータに基づいて客観的に判断する必要があり、そのためには統計学の知識が必要です。本講義は、統計学の基礎理論と代表的な分析手法を学ぶとともに、それを経営分野、特にマーケティングやビジネスに応用することを目的としています。前半は統計学の基礎を中心に、後半は統計モデリングと多変量解析を中心に学習します。また、フリーの統計ソフトRを利用して実際のデータ分析を行うことで、実践力を身につけます。
到達目標Goal
・統計分析の理論を習得する。
・統計ソフトRの使い方を習得し、実際のデータ分析を行うことができる。
・分析結果を解釈し、他の人に説明できる。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか(該当授業科目と学位授与方針に明示された学習成果との関連)Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち、「DP1」「DP2」「DP3」に関連、特に「DP1」は強く関連している。
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)(学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. )
・講義と統計ソフトを利用したデータ分析演習の双方を行います。
アクティブラーニング(グループディスカッション、ディベート等)の実施Active learning in class (Group discussion, Debate.etc.)
なし / No
フィールドワーク(学外での実習等)の実施Fieldwork in class
なし / No
授業計画Schedule
秋学期
※各回の授業形態は予定です。教員の指示に従ってください。
1:ガイダンス
講義概要について説明します。また、統計ソフトRのインストールと基本操作について学びます
2:記述統計(1)
平均値などの代表値と、分散や標準偏差などのばらつきの指標について学びます。
3:記述統計(2)
散布図と相関係数・共分散について学習します。
4:確率と確率変数
確率変数について学習します。また、確率変数の期待値と分散について学びます。
5:確率分布(1)
2項分布や正規分布などの代表的な確率分布を紹介します。
6:確率分布(2)
大数の法則と中心極限定理について学びます。
7:標本分布
母集団と標本について学習します。また、正規母集団に関する標本分布と中心極限定理を利用した標本分布について学びます。
8:統計的推定
点推定と区間推定について学習します。
9:仮説検定(1)
統計的仮説検定について学習します。また、正規母集団と中心極限定理を利用した仮説検定について学びます。
10:仮説検定(2)
2つの正規母集団の平均の差の検定と分散の比の検定について学びます。
11:単回帰分析(1)
相関と回帰の違いについて学習します。また、単回帰分析とその推定法である最小2乗法について学びます。
12:単回帰分析(2)
単回帰分析の推定と決定係数について学びます。
13:重回帰分析(1)
重回帰分析について学びます。
14:重回帰分析(2)
多重共線性やモデル選択について学びます。
15:ロジスティック回帰分析(1)
2値データを目的変数としたロジスティック回帰分析について学習します。また、最尤法について学習します。
16:ロジスティック回帰分析(2)
予測値や的中率の算出方法、AICによるモデル選択について学びます。
17:ポアソン回帰分析
計数データ(件数や個数)を目的変数とするポアソン回帰分析について学習します。
18:多項ロジットモデル(1)
多項選択肢を扱う多項ロジットモデルについて学習します。
19:多項ロジットモデル(2)
条件付ロジットモデル・混合ロジットモデルを学習します。
20:クラスター分析(1)
データを分類するためのクラスター分析について学びます。特に、階層クラスター分析について学習します。
21:クラスター分析(2)
非階層クラスター分析について学習します。
22:因子分析(1)
観測データの背後にある共通因子を抽出するための因子分析について学びます。また、探索的因子分析と確認的因子分析について学習します。
23:因子分析(2)
因子回転や推定法について学びます。
24:因子分析(3)
主成分分析について学びます。また、因子分析と主成分分析の違いについて学びます。
25:共分散構造分析(1)
パス解析について学習します。また、複数の構成概念間の関係を分析する共分散構造分析について学習します。
26:共分散構造分析(2)
共分散構造分析の推定法やモデル評価などについて学習します。
27:共分散構造分析(3)
多母集団同時分析について学習します。
28:まとめ
秋学期に扱った内容を復習します。また、発展トピックについて紹介します。
授業時間外の学習(準備学習・復習・宿題等)Work to be done outside of class (preparation, etc.)
授業内に出題した演習課題をレポートとして提出します。本授業の準備学習・復習時間は、各2時間を標準とします。
テキスト(教科書)Textbooks
・本橋永至(2015)「Rで学ぶ統計データ分析」オーム社.
・里村卓也(2014)「マーケティング・データ分析の基礎 」共立出版.
参考書References
・金明哲 (2017)「Rによるデータサイエンス -データ解析の基礎から最新手法まで 第2版」森北出版.
・豊田秀樹(2012)「因子分析入門」東京図書.
・豊田秀樹(2014)「共分散構造分析[R編] 」東京図書.
成績評価の方法と基準Grading criteria
・宿題および演習レポート(40%)
・期末レポート(60%)
学生の意見等からの気づきChanges following student comments
本年度授業担当者変更によりフィードバックできません。
学生が準備すべき機器他Equipment student needs to prepare
各自、ノートパソコンを持参して下さい。なお、この授業ではフリーの統計ソフトであるRを使用します。
その他の重要事項Others
実際の授業計画は、履修者の関心や授業の進捗状況に応じて変更することがあります。