経営学部Faculty of Business Administration
PRI300FC（情報学基礎 / Principles of informatics 300）統計学ⅡStatistics II
高橋 慎Makoto TAKAHASHI
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 | 2021 |
| 授業コードClass code | A4446 |
| 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 | |
| 配当年次Grade | 3～4 |
| 単位数Credit(s) | 2 |
| 備考（履修条件等）Notes | |
| 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) | 経営戦略学科専門科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
Statistical data analysis is an important skill irrespective of fields. In this class, we learn the basic theory and empirical methods of analyzing various kind of data (cross-section, time-series, panel, text, network, and spatial data). We also acquire practical skill 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
統計データ分析は、分野を問わず重要なスキルです。本講義では、経済学や経営学を含む社会科学で扱うさまざまな種類のデータ（時系列・パネル・テキスト・ネットワーク・空間データ）の分析について、基本理論と実証手法を学びます。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
・統計データ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、「DP1-4」に関連が特に強く、「DP4」、「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. ）
対面とZoomによるハイブリッド授業を行います。
・ZoomのミーティングIDとパスワードは授業前日に学習支援システム（Hoppii）の「お知らせ」から通知します。
・資料はHoppiiの「教材」で配布します
・授業動画は編集後に公開します（URLはHoppiiの「教材」でお知らせします）
・質問はシステムの「授業内掲示板」でも受け付けます。
・統計ソフトRを利用したデータ分析演習を行います。
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
Ⅱ 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、データ分析の流れとデータの種類を概観します。
2：春学期の復習
統計ソフトRの基本操作と回帰分析について復習します。
3：時系列分析1
自己相関、自己回帰、移動平均について学びます。
4：時系列分析2
GARCH、単位根、共和分など、より発展的な内容を紹介します。
5：パネルデータ分析1
固定効果モデル、変量効果モデルを学びます。
6：パネルデータ分析2
差の差分析、マッチング推定の基本的な考え方と分析手法を学びます。
7：パネルデータ分析3
サバイバル分析の基本的な考え方と分析手法を学びます。
8：テキストデータ分析1
未加工のテキストの前処理、文書-用語行列、トピックの発見を学びます。
9：テキストデータ分析2
テキストの類似性による著者の予測、予測の正確性を評価する手法（交差検証）を学びます。
10：ネットワークデータ分析1
無向グラフと中心性の尺度を学びます。
11：ネットワークデータ分析2
有向グラフと中心性の尺度を学びます。
12：空間データ分析1
地図による空間パターンの視覚化を学びます。
13：空間データ分析2
空間パターンのアニメーションを学びます。
14：まとめ
授業で扱った内容を復習し、発展的トピックを紹介します。
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.)
・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
使用しない
参考書References
・山本勲(2015)『実証分析のための計量経済学』中央経済社
・今井耕介（著）、粕谷祐子、原田勝孝、久保浩樹（訳）(2018)『社会科学のためのデータ分析入門（上）（下）』岩波書店
・本橋永至(2015)『Rで学ぶ統計データ分析』オーム社
・授業内でも適宜紹介します。
成績評価の方法と基準Grading criteria
演習レポート：100％
学生の意見等からの気づきChanges following student comments
実践的な内容を多く取り入れます。
学生が準備すべき機器他Equipment student needs to prepare
フリーの統計ソフトRを利用するパソコンが必要です。
その他の重要事項Others
・基礎統計学I/IIおよび経営のための統計学Iの知識を前提とします。
・「授業の進め方と方法」は、新型コロナウイルス感染症の状況によって変更することがあります。
・「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。
・受講人数が多い場合は、小テストを行い、その結果をもとに履修制限を行うことがあります。
関連科目
・統計学入門
・基礎統計学I/II
・経営のための統計学I