人間社会研究科Graduate School of Social Well-being Studies
PRI500J1（情報学基礎 / Principles of informatics 500）データ分析法Data Analysis Practicum
服部 環Tamaki HATTORI
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 人間社会研究科Graduate School of Social Well-being Studies |
| 添付ファイル名Attached documents | |
| 年度Year | 2021 |
| 授業コードClass code | S0032 |
| 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 | 木5/Thu.5 |
| 科目種別Class Type | |
| キャンパスCampus | 多摩 |
| 教室名称Classroom name | |
| 配当年次Grade | 1・2 |
| 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 | |
| カテゴリーCategory |
福祉社会専攻 専門展開科目（研究基盤） |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
This course will introduce students to advanced psychological statistics, including hypothesis testing, statistical power analysis, major multivariate analyses, and structural equation modeling.
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言語（統計解析ソフトウェア）を用いてミニチュアデータを分析し、多変量解析の基礎的技法と最新の技法を詳しく学んでいきます。
到達目標Goal
R言語を用いて演算スクリプトを書けるようになること、多変量解析の諸技法に関する理解を深め、統計量を適切に解釈できるようになることを目標とします。
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」と「DP2」と「DP4」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. ）
授業計画に沿った講義とパソコンソフトウェアR言語を用いた実習を繰り返していきます。
本授業の準備・復習時間は各2時間を標準とします。
課題等の提出・フィードバックは学習支援システムを通じて行う予定です。
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.)
あり / Yes
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
※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：ガイダンス
授業の予定について確認します
第2回：R言語の基礎
R言語の基礎的演算子を学びます
第3回：重回帰分析
重回帰分析とその統計的仮説検定、カテゴリカルデータを用いた重回帰分析を学びます
第4回：一般化線形モデル
一般化線型モデルの基礎を学びます
第5回：分類法
判別分析とクラスター分析を学びます
第6回：因子分析
探索的因子分析とカテゴリカル因子分析を学びます
第7回：主成分分析
主成分分析を学びます
第8回：分散分析の基礎と1要因の分散分析
分散分析の基礎と1要因の分散分析を学びます
第9回：2要因の分散分析
被験者間要因と被験者内要因の分散分析について学びます
第10回：因果分析の基礎
因果分析法の基礎を学びます
第11回：パス解析
構造方程式モデリング（SEM）の基礎と観測変数のパス解析を学びます
第12回：確認的因子分析
確認的因子分析と成長曲線モデリングを学びます
第13回：相関分析
SEMを応用した相関分析を学びます
第14回：潜在変数のパス解析
潜在変数を伴うパス解析を学びます
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.)
多変量解析の諸技法を段階的に学習していきますので、十分な復習が必要となります。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
授業時に説明します。また、資料を配付します。
参考書References
服部 環 心理・教育のためのRによるデータ解析（福村出版）
足立浩平 多変量データ解析法－心理・教育・社会系のための入門（ナカニシヤ出版）
南風原朝和 心理統計学の基礎－統合的理解のために（有斐閣）
山田剛史・村井潤一郎・杉澤武俊 Rによる心理データ解析（ナカニシヤ出版）
成績評価の方法と基準Grading criteria
レポートの内容・結果（50％）と平常点（50％）を総合して評価します。春学期の少なくとも前半がオンラインでの開講となったことにともない、成績評価の方法と基準も変更する。具体的な方法と基準は、授業開始日に学習支援システムで提示する。
学生の意見等からの気づきChanges following student comments
受講生が基礎・基本を理解できるよう説明を工夫したいと考えています。
学生が準備すべき機器他Equipment student needs to prepare
実習室のパソコン，R言語，エクセルなどを使用します。
その他の重要事項Others
受講生が持つ事前知識に応じて授業計画を変更することがあります。
担当教員の専門分野等
＜専門分野＞
教育心理測定学，心理データ解析
＜研究テーマ＞
項目反応理論と心理データ解析に関する理論と応用
＜主要研究業績＞
(1)読んでわかる心理統計法（共著，サイエンス社）
(2)心理・教育のためのRによるデータ解析（単著，福村出版）
(3)日本版KABC-IIマニュアル・換算表（共訳編，丸善出版）
(4)Q&A心理データ解析（共著，福村出版）