経済学部Faculty of Economics
ECN218CA(経済学 / Economics 200)演習Seminar
阿部 俊弘Toshihiro ABE
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | 経済学部Faculty of Economics |
添付ファイル名Attached documents | |
年度Year | 2023 |
授業コードClass code | K7013 |
旧授業コードPrevious Class code | |
旧科目名Previous Class title | |
開講時期Term | 年間授業/Yearly |
曜日・時限Day/Period | 火4/Tue.4, 火5/Tue.5 |
科目種別Class Type | |
キャンパスCampus | 多摩 |
教室名称Classroom name | 経127 |
配当年次Grade | 2 |
単位数Credit(s) | 8 |
備考(履修条件等)Notes | 4年次は授業コード「K7113」を履修登録すること。 |
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 | |
カテゴリー(2015年度以前入学生) | 演習(選択科目) |
カテゴリー(2016年度以降入学生) | 演習(選択科目) |
カテゴリーCategory |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
【Course outline】
We learn methodology for theoretical research and data analysis based on Statistics. We also make use of research publications to learn various statistical methods.
*Details for each session will be announced through the learning support system.
【Learning Objectives】
(1) Learn the basics of statistics and econometrics.
(2) Conduct analyses such as hypothesis testing on real data.
(3) Present one's own opinions and results of analysis.
(4) Give comments, questions, and discussions to other people's presentations.
(5) Conduct research in groups or individually, and acquire the ability to think and specialized knowledge.
(6) Read articles in English.
【Learning activities outside of classroom】
・Preparation and review for the class
・To have a statistical viewpoint on the phenomena and real data.
・The standard preparation and review time for this class is needed for two hours each.
【Grading Criteria /Policy】
The grade is made based on results of assigned exercises, content of presentations, and participation in discussions (100%).
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
統計学を基礎として、理論的な研究とデータ分析のための手法を身に着けていく。また、英語論文も活用し、様々な研究手法を学んでいく。
*各回の授業形態で未定としているものについての詳細は学習支援システムを通じてお知らせをします。
到達目標Goal
①統計学・計量経済学の基礎を身に付ける。
②身の回りのデータについて仮説検証等の分析を行う。
③自分の意見や分析結果のプレゼンテーションをする。
④他人の発表にコメント・質問・議論をする。
⑤グループまたは個人で研究を行い、思考能力および専門知識を身につける。
⑥英語の論文を読んでいく。
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、経済学科・現代ビジネス学科は「DP8」「DP9」「DP10」「DP11」に関連。国際経済学科は「DP9」「DP10」「DP11」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. )
・統計学・計量経済学について,輪読を通じて理解を深める。
・身の回りのニュース・経済現象等について発表・議論し理解を深める。
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.)
あり / Yes
フィールドワーク(学外での実習等)の実施Fieldwork in class
あり / Yes
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。
ガイダンス[対面/face to face]:ゼミの内容,進め方,今年度のスケジュールの決定
R/Pythonを用いて統計学を学んでいく
データの要約・可視化[対面/face to face]:基本統計量の計算・可視化
平均・分散・相関・ヒストグラム・散布図
確率密度関数の表示[対面/face to face]:確率密度関数
ソフトウェアによる関数の図示
乱数発生1[対面/face to face]:乱数発生について
正規分布の乱数発生・図示
乱数発生2[対面/face to face]:様々な分布の乱数発生
t分布等の乱数発生・図示
信頼区間[対面/face to face]:信頼区間についての復習
分布を用いた信頼区間
統計的仮説検定[対面/face to face]:統計的仮設検定についての復習
分布を用いた仮設検定
パラメータ推定[対面/face to face]:分布のパラメータ推定
モーメント法・最尤法
回帰分析の概要[対面/face to face]:回帰分析の基本
単回帰分析モデルについて
単回帰モデルの推定[対面/face to face]:最小二乗法による単回帰モデルのパラメータ推定
単回帰分析モデルのパラメータ推定
単回帰パラメータの信頼区間[対面/face to face]:パラメータの信頼区間
単回帰分析モデルのパラメータの信頼区間
単回帰パラメータの検定[対面/face to face]:単回帰モデルの仮設検定
帰無仮説と対立仮説を用いる
単回帰モデルの評価[対面/face to face]:単回帰モデルを評価する
様々な評価法を学ぶ
単回帰分析の応用[対面/face to face]:データを用いた回帰分析の応用
実データを用いて分析を行う
重回帰モデルの概要[対面/face to face]:単回帰モデルの拡張
重回帰モデルが必要な例について
重回帰モデルのパラメータ推定[対面/face to face]:回帰係数の信頼区間と仮設検定
単回帰と同様にして行えることを確認していく
最尤法を用いたパラメータ推定1[対面/face to face]:最小二乗法と最尤法
最小二乗法と最尤法による推定の比較を行う
最尤法を用いたパラメータ推定2[対面/face to face]:推定パラメータの従う分布
推定したパラメータがどのような分布に従うのか学ぶ
論文の輪読1[対面/face to face]:論文の構成
研究論文はどうやって書くのかを学ぶ
論文の輪読2[対面/face to face]:データの紹介
論文のデータについてどのようなものであるのか調べる
論文の輪読3[対面/face to face]:データ解析のための理論
論文で使われている理論を紹介する
論文の輪読4[対面/face to face]:データ解析1
データチェックを行う
論文の輪読5[対面/face to face]:データ解析2
理論で学んだ手法を用いてデータ解析をreviewする
論文の輪読6[対面/face to face]:論文のまとめ
全体としてどのようなことを行ったかまとめる
データの取得1[対面/face to face]:多変量データ
多変量データの取得を行う
データの取得2[対面/face to face]:時系列データ
時系列データの取得を行う
データ解析[対面/face to face]:データ解析の実践
これまで得たデータを用いてデータ解析を行う
まとめ[対面/face to face]:これまでの内容についてまとめる
まとめとして、発表を行う
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.)
・予習・復習を行う
・身の回りの現象・データについて統計的な視点を持つ
・本授業の準備学習・復習時間はそれぞれ2時間を目安とする
テキスト(教科書)Textbooks
学生と相談して決める
参考書References
確率統計演習1 確率、国沢 清典
確率統計演習2 統計、国沢 清典
成績評価の方法と基準Grading criteria
課題の提出状況・発表内容・議論への参加(100%)による。
学生の意見等からの気づきChanges following student comments
実データを意識した実践的な内容にしていきます
学生が準備すべき機器他Equipment student needs to prepare
PythonやRを使用するのでPCが必要となります。