経済学研究科Graduate School of Economics
ECN523C1－3（経済学 / Economics 500）統計学DＡStatistics DA
阿部 俊弘Toshihiro ABE
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 | 2022 |
| 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 | 春学期授業/Spring |
| 曜日・時限Day/Period | 水6/ Wed.6 |
| 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 | |
| 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)
[Outline and objectives]
In this course, we mainly focus on basic methods of multivariate analysis and consider the theory and its illustrative examples. We also investigate parameter estimation for probability distributions, and apply the method of maximum likelihood as statistical inference. In addition, we will use a popular statistical software R to investigate a behavior of the statistical model.
[Learning Objectives]
The students are expected to understand the concept of regression analysis and its parameter estimation by least squares method as well as method of maximum likelihood.
They are also expected to learn fundamental statistical methods for multivariate analysis by making use of actual data sets.
For Ph.D. course students, we will analyze actual data sets using statistical software.
[Learning activities outside of classroom]
The standard preparatory study and review time for this class is about 2 hours.
[Grading Criteria /Policy]
Grading Criteria /Policy is evaluated by the Regular report (50%) and the final report(50%).
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
主として多変量解析の基本的手法に焦点を当て、データの例と分析手法を考えていきます。回帰モデルや統計的分布のパラメータ推定法をいくつかを調べ、最尤法を用います。また、統計学はデータを意識した学問であることから、統計的ソフトウェアRを用いてデータ分析手法も身に着け、実践力を付けていきます。
到達目標Goal
回帰分析の概念を理解し、最小二乗法と最尤法によるパラメータ推定を理解する。また、多変量解析の手法や実データに対してどの統計手法を用いれば良いか理解する。
博士後期課程の研究にも対応できるよう、統計的ソフトウェアを使った実データ分析により、問題解決を考えていく。
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. ）
講義形式で授業を進め、Rを用いた課題を提出します。また、Microsoft WordとMicrosoft Excelも必要に応じて利用していきます。
配布資料も用いながら講義を行います。
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
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]：授業の概要と準備
統計ソフトRについて
第2回[対面/face to face]：回帰分析の概要
最小二乗法による回帰係数の推定
第3回[対面/face to face]：単回帰分析の復習
区間推定と検定による検証
第4回[対面/face to face]：重回帰分析の復習
単回帰分析の拡張
第5回[対面/face to face]：最尤法
最尤法によるパラメータ推定
第6回[対面/face to face]：最適化手法を用いた分析
ソルバーによる最適化
第7回[対面/face to face]：様々な種類のデータの扱い
ダミー変数
第8回[対面/face to face]：モデル選択
AICとBIC
第9回[対面/face to face]：正則化法に基づく回帰分析
リッジ回帰・Lasso
第10回[対面/face to face]：統計的分類手法としての判別分析
判別分析の理論
第11回[対面/face to face]：判別分析を用いた評価
予測と誤判別率
第12回[対面/face to face]：判別分析とサポートベクターマシン
2つの手法の比較
第13回[対面/face to face]：ロジスティック回帰モデルの理論
データの例とモデルの導入
第14回[対面/face to face]：ロジスティック回帰分析の実際
データを用いた分析と手法の比較
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
林 賢一(著)・下平 英寿(編集) (2020)『Rで学ぶ統計的データ解析 (データサイエンス入門シリーズ)』
配布資料も用いながら講義を行う。
参考書References
宮田庸一(著)(2012）『統計学がよくわかる本』、アイケイコーポレーション
成績評価の方法と基準Grading criteria
通常の課題レポート(50%)と最終課題レポート(50%)を考慮し、総合的に判断します。
学生の意見等からの気づきChanges following student comments
身の回りの現象との関連を見るために、実データを用いて理解を深めていきます。
学生が準備すべき機器他Equipment student needs to prepare
・統計ソフトウェアのRを使用します。
・学習支援システムを利用します。
担当教員の専門分野等
＜専門領域＞統計科学
＜研究テーマ＞方向統計学・EMアルゴリズム
＜主要研究業績＞
[1] Abe, T. & Pewsey, A. (2011). Sine-skewed circular distributions. Statistical Papers, Springer, Volume 52, Number 3, August 2011, pp. 683-707.
[2] Abe, T., Pewsey, A. & Shimizu, K. (2013). Extending circular distributions through transformation of argument. Annals of the Institute of Statistical Mathematics, Springer, Volume 65, Issue 5, October 2013, pp. 833-858.
[3] Abe, T. (2015). Discussion: "On families of distributions with shape parameters''. International Statistical Review, Wiley, Volume 83, Issue 2, September 2015, pp. 193-197.
[4] Abe, T. & Ley, C. (2017). A tractable, parsimonious and flexible model for cylindrical data, with applications. Econometrics and Statistics, Elsevier, Volume 4, October 2017, pp. 91-104.
[5] Abe, T., Fujisawa, H. & Kawashima, T. EM algorithm using overparameterization for multivariate skew-normal distribution, Econometrics and Statistics, Elsevier, Volume 19, July 2021, pp. 151-168.