経済学研究科Graduate School of Economics
ECN523C1-4(経済学 / Economics 500)統計学DBStatistics DB
菅 幹雄Mikio SUGA
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | 経済学研究科Graduate School of Economics |
添付ファイル名Attached documents | |
年度Year | 2024 |
授業コードClass code | X3324 |
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 | 土1/Sat.1 |
科目種別Class Type | |
キャンパスCampus | 市ヶ谷 |
教室名称Classroom name | 市院棟‐401 |
配当年次Grade | |
単位数Credit(s) | 2 |
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 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
(Course outline)The aim of this course is to help students acquire statistical literacy using R.
(Learning Objectives) The goals of this course are to master statistics and apply them by using data.
(Learning activities outside of classroom)Before/after each class meeting, students will be expected to spend four hours to understand the course content.
(Grading Criteria /Policies)Grading will be decided based on reports.
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
Rを用いたデータサイエンスを学ぶ
到達目標Goal
Rを用いて実際にデータ分析ができるようになること
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」に関連
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. )
テキストに従い実際にRを用いて分析する。学生は学習したデータ分析手法を応用した分析を毎週提出する。
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
授業形態/methods of teaching:対面/face to face
※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。
第1回[対面/face to face]:データ分析の基礎
データの演算、固有値と特異値の分解、基本統計量、棒グラフ、円グラフ、ヒストグラム、折れ線グラフ、箱ひげ図、散布図
第2回[対面/face to face]:主成分分析
主成分分析の基礎、ケーススタディ
第3回[対面/face to face]:因子分析
因子分析の基礎、ケーススタディ
第4回[対面/face to face]:クラスター分析
階層的クラスター分析、非階層的クラスター分析、モデルに基づいたクラスター分析
第5回[対面/face to face]:線形回帰分析
単回帰分析、重回帰分析
第6回[対面/face to face]:非線形回帰分析(1)
ロジスティック回帰、多項式回帰
第7回[対面/face to face]:1非線形回帰分析(2)
一般化線形モデル、平滑化回帰と加法モデル
第8回[対面/face to face]:線形判別分析
判別分析の基礎、ケーススタディ
第9回[対面/face to face]:非線形判別分析
判別関数による判別分析、距離による判別分析、多数決による判別分析、ベイズ判別法
第10回[対面/face to face]:ツリーモデル
ツリーモデルの基礎、ケーススタディ
第11回[対面/face to face]:集団学習
バギング、ブースティング、ランダムフォレスト
第12回[対面/face to face]:時系列分析(1)
自己共分散と自己相関、スペクトル分析、ランダムウオークと単位根
第13回[対面/face to face]:時系列分析(2)
AR、ARMA、ARIMA
第14回[対面/face to face]:生存分析
ノンパラメトリックモデル、セミパラメトリックモデル、パラメトリックモデル
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.)
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
金 明哲『Rによるデータサイエンス(第2版):データ解析の基礎から最新手法まで』森北出版、3,960円。
参考書References
金城俊哉『R統計解析パーフェクトマスター(R4完全対応)[統計&機械学習第2版]』、2022年、3190円。
成績評価の方法と基準Grading criteria
課題の提出により評価する。
学生の意見等からの気づきChanges following student comments
今年が初めての講義のため、未だ学生からの意見はない。
学生が準備すべき機器他Equipment student needs to prepare
パソコン
担当教員の専門分野等
<専門領域>経済統計
<研究テーマ>産業連関表、物価指数。経済センサス、人口予測
<主要研究業績>『物価指数の測定論』、『アメリカ経済センサス研究』(共著)、『東京都の人口予測』(共著)