経営学部Faculty of Business Administration
COT300FA（計算基盤 / Computing technologies 300）応用プログラミングⅡ（統計）（2019年度以降入学者）Advanced Programming II （Statistics)
中平 千彦Kazuhiko NAKAHIRA
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 経営学部Faculty of Business Administration |
| 添付ファイル名Attached documents | |
| 年度Year | 2022 |
| 授業コードClass code | A5253 |
| 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 | 金2/Fri.2 |
| 科目種別Class Type | |
| キャンパスCampus | 市ヶ谷 |
| 教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
| 配当年次Grade | 3～4 |
| 単位数Credit(s) | 2 |
| 備考（履修条件等）Notes | ※ 原則春学期、秋学期連続で受講してください。 |
| 他学部公開科目Open Program | |
| 他学部公開（履修条件等）Open Program (Notes) | |
| グローバル・オープン科目Global Open Program | |
| 成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | |
| 成績優秀者の他学部科目履修（履修条件等）Interdepartmental class taking system for Academic Achievers (Notes) | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| SDGsCPSDGs CP | |
| アーバンデザインCPUrban Design CP | |
| ダイバーシティCPDiversity CP | |
| 未来教室CPLearning for the Future CP | |
| カーボンニュートラルCPCarbon Neutral CP | |
| 千代田コンソ単位互換提供（他大学向け）Chiyoda Campus Consortium | |
| 入学年度Admission year | |
| カテゴリー（2019年度以降）Category (2019～) | |
| カテゴリー（2018年度以前）Category (～2018) |
選択 情報関係 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
【Course outline】
*The aim of the course is to provide students with an opportunity to gain and enhance the knowledge of statistics and data analysis for humanities, social sciences, and natural sciences. We learn how to program in R and how to use R for data analysis. R is a free software environment for statistical analysis.
*This course is a comprehensive guide on how to get started with R programming and how you can learn it.
【Learning Objectives】
＊Through this course, the students will be able to:
－ have a sound knowledge on fundamental theories of statistics and acquire basic analytical skills for data analysis;
－ develop and enhance skills in statistical analysis for humanities, social sciences, and natural sciences.
【Learning activities outside of classroom】
＊Students will have normally 2 hours of preparation and review for each class.
【Grading Criteria/Policy】
*Final examination(90%)＋Active Participation(10%)＝Evaluation Score(100％).
*Students must meet the minimum attendance requirements to get course credits.
*Absence due to unavoidable circumstances is regarded as equivalent to attendance in general.
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
＊第1回講義をどのような形態で行うかは、学習支援システム(Hoppii)にログインして『応用プログラミングⅡ』(担当:中平)内にある「お知らせ」で確認してください。第2回講義からは、教室で行います。
この講義は春学期『応用プログラミングⅠ(統計)』(担当：中平)の講義内容を継続して行われますが、新規の受講生も受け入れが可能です。
また、この講義は、経営学部、文学部、法学部の学生を対象としています。1・2年次に統計学の基礎を習得していない受講生にも配慮した講義を行います。
受講生のみなさんは、統計学やデータ分析について、どのような印象を持っているでしょうか？統計学は人文科学、社会科学、自然科学の幅広い分野に応用されている、データ分析の科学です。この講義を履修して、統計学とデータ分析の基礎を学び、また、Rによるデータ分析とプログラミングの基礎を習得し、自ら統計解析を行うことができるようになりましょう。
到達目標Goal
・統計学の基礎理論を理解し、それをデータ分析に応用できるようになる。
・社会科学における各種のデータを用い、自らデータ分析ができるようになる。
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、「DP1-3」、「DP1-4」、「心理学」、「地理学」、「政治学」、「DP4」に関連が特に強く、「DP1-1」、「DP2-1」、「DP5」に関連がかなりある
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. ）
本講義では、まずは統計学の基礎的手法を学び、次に、Rの基本的なコマンドとプログラムを理解しながらデータ分析を行います。適宜、Excelも併用しますが、単に表計算ソフトとして用いるのではなく、統計解析のツールとして利用します。
オープンソースの統計解析システム・環境“R”の機能は国際的に評価されており、また、フリーソフトであるため、自由にダウンロードして利用することができます。従って、本講義でRの基本的なプログラミングを習得すれば、自宅のコンピューターでも、高度なデータ分析を行うことが可能になります。
以上のように、まずは統計学の基礎を学び、次に、Rの基本的なプログラミングを理解しながらデータ分析の基本的手法を習得すれば、自ら統計的な実証分析を行うことができるようになります。
ぜひ、この機会に統計学の基礎、そしてRによるデータ分析とプログラミングの基礎を学び、それらを将来の発展的な学習や研究へと繋げてください。
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01回[オンライン/online]：一元配置分散分析,分散分析の検定
一元配置分散分析,分散分析の検定の実習
第02回[対面/face to face]：対応のある多群の一元配置分散分析,二元配置以上の分散分析
対応のある多群の一元配置分散分析,二元配置以上の分散分析の実習
第03回[対面/face to face]：1要因分散分析(対応なし),1要因分散分析(対応あり)
1要因分散分析(対応なし),1要因分散分析(対応あり) の実習
第04回[対面/face to face]：1要因分散分析(対応あり)(データの並べ替えあり)
1要因分散分析(対応あり)(データの並べ替えを伴う場合)の実習
第05回[対面/face to face]：2要因分散分析(2要因とも対応なし)
2要因分散分析(2要因とも対応なし)の実習
第06回[対面/face to face]：2要因分散分析(2要因とも対応あり)
2要因分散分析(2要因とも対応あり)の実習
第07回[対面/face to face]：2要因分散分析(混合計画)
2要因分散分析(混合計画)の実習
第08回[対面/face to face]：回帰分析とは何か
回帰分析の理論的解説
第09回[対面/face to face]：単回帰分析(1)
単回帰分析の実習(1)
第10回[対面/face to face]：単回帰分析(2)
単回帰分析の実習(2)
第11回[対面/face to face]：単回帰分析(3)
単回帰分析の実習(3)
第12回[対面/face to face]：重回帰分析(1)
重回帰分析の実習(1)
第13回[対面/face to face]：重回帰分析(2)
重回帰分析の実習(2)
第14回[対面/face to face]：重回帰分析(3)
重回帰分析の実習(3)
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.)
・本講義の準備学習・復習時間は、各2時間を標準とします。
テキスト（教科書）Textbooks
・村井潤一郎(著)『はじめてのR: ごく初歩の操作から統計解析の導入まで』北大路書房，2013年.
参考書References
・青木繁伸(著)『Rによる統計解析』オーム社，2009年.
・秋山裕(著)『統計学基礎講義(第2版)』慶應義塾大学出版会，2015年.
・ウィックハム, H.(著), 石田基広 / 市川太祐 / 高柳慎一 / 福島真太朗(訳)『R言語徹底解説』共立出版，2016年.
・大森崇 / 阪田真己子 / 宿久洋 (著)『R Commanderによるデータ解析(第2版)』共立出版，2014年.
・兼子毅(著)『ゼロから始めるR:四則計算から多変量解析まで』日科技連，2015年.
・嶋田正和 / 阿部真人(著)『Rで学ぶ統計学入門』東京化学同人，2017年.
・白石修二(著)『例題で学ぶExcel統計入門 (第2版)』森北出版，2012年.
・ジュール, A. / イエノウ, E. / ミースター, E.(著), 石田基広 / 石田和枝(訳)『R初心者のためのABC』丸善出版，2012年.
・辻谷將明 / 和田武夫(著)『Rで学ぶ確率・統計』共立出版，2012年.
・長畑秀和 / 中川豊隆 / 國米充之(著)『Rコマンダーで学ぶ統計学』共立出版，2013年.
・野間口謙太郎 / 菊池泰樹(著)『統計学: Rを用いた入門書(改定第2版)』共立出版，2016年.
・福地純一郎 / 伊藤有希(著)『Rによる計量経済分析』朝倉書店，2011年.
・山田剛史 / 杉澤武俊 / 村井潤一郎(著)『Rによるやさしい統計学』オーム社，2008年.
・ランダー, J. P.(著), 高柳慎一 / 津田真樹 / 牧山幸史 / 松村杏子/ 簑田高志(訳)『みんなのR(第2版)』マイナビ出版，2018年.
・リゲス, U.(著), 石田基広(訳)『Rの基礎とプログラミング技法』丸善出版，2012年.
・Akinkunmi, Mustapha, Introduction to Statistics Using R(pap), Morgan & Claypool, 2019.
・Alvaro, Felix, R: Easy R Programming for Beginners, Your Step-by-step Guide to Learning R Programming(pap), CreateSpace Independent Publishing, 2016.
・Bolar, Kartikeya, Rapid Statistics using R(pap), Independently Published, 2017.
・Schumacker, Randall E., and Sara Tomek, Understanding Statistics Using R, Springer, 2015.
・Zeitlin, Wendy. and Charles Auerbach, Basic Statistics for the Behavioral and Social Sciences Using R(pap), Oxford Univ Press, 2019.
成績評価の方法と基準Grading criteria
・ [秋学期課題点(90％)＋平常点(10％)＝総合点(100％)] の評点配分で成績が決定されます。
・単位認定には規定数以上の出席が必要です。
・行事参加や疾病などによる欠席は、原則として出席扱いとします。
学生の意見等からの気づきChanges following student comments
・講義アンケートの結果は、講義内容を改善するための参考資料とします。
学生が準備すべき機器他Equipment student needs to prepare
・自宅でもパソコンを用いた学習ができることが望ましい。
その他の重要事項Others
・テキストは購入し、参考文献の購入は、必要性に応じて判断してください。
オフィス・アワー
・講義終了後、または相談により設定。
関連科目
・経営学部、文学部、法学部、あるいはその他の学部で開講された、統計学やデータ分析を用いる科目とします。