初めての多変量解析（2023年11月開講）

講師

統計家・著述家　高橋 信　先生

講師紹介

■主経歴
　ロングセラーであり、海外で数多く翻訳されている、「マンガでわかる統計学」シリーズの著者。
　1972 年新潟県生まれ。九州芸術工科大学（現・九州大学）大学院芸術工学研究科情報伝達専攻修了。民間企業でデータ分析業務やセミナー講師業務などに従事した後、大学非常勤講師や非常勤研究員などを務めた。現在は、著述家として活動する傍ら、企業や大学などでの講演活動にも精力的に取り組んでいる。
　主要な著書に『マンガでわかる統計学【回帰分析編・因子分析編】』（いずれもオーム社）や『データ分析の先生！文系の私に超わかりやすく統計学を教えてください！』（かんき出版）などがある。著書の多くが、英語や韓国語やイタリア語などに翻訳されてもいる。

■専門・得意分野
統計学・データ分析

■本テーマ関連の学会・協会等での委員会活動など
日本統計学会

開講日・受講料

●開講日　2023年11月30日(申込締切　11月24日のお申込みまで)
●受講料（消費税・10％込）
1名　40,700円
2名以上同時申込の場合、1名につき、37,400円
3名以上同時申込の場合、1名につき、34,100円
4名以上同時申込の場合、1名につき、33,000円

＊本講座は、学校法人割引が適用されません。

■ 通信教育講座受講の主な流れについて　→

学習プログラム

■受講対象者
・データ分析業務に携わっている方
・多変量解析を基礎から学びたい方
・多変量解析の活用法を学びたい方

■講座ポイント
　多変量解析とは、数多くの変数からなるデータに対する分析手法の総称です。それらの分析手法の中から代表的なものを精選し、実用的な使い方と理屈を説明します。
　これからデータを取得しようという方にも、すでに取得済みという方にも、おすすめです。過去に多変量解析をひととおり学んだものの、実は知識にやや不安を覚えているという方にもおすすめです。
　受講にあたり、数学的な水準を心配する必要はありません。中学校程度の数学の知識があれば大丈夫です。
【受講前に知らなくても困らない事柄】シグマ, 微分, 積分, 行列, ベクトル
【どちらかと言えば知っておいたほうがよい事柄】対数

■受講後、習得できること
・多変量解析の雰囲気
・さまざまな分析手法の活用法

学習プログラム
　第１講：統計学の基礎知識と重回帰分析

　第1講で説明するのは、多変量解析を理解するために必要である統計学の基礎知識や、多変量解析の定番中の定番である重回帰分析などです。

第1章　多変量解析とは？

1.データの分類
2.多変量解析とは？
3.さまざまな分析手法の概要
　3.1　重回帰分析
　3.2　ロジスティック回帰分析
　3.3　主成分分析
　3.4　因子分析
　3.5　数量化�V類
　3.6　クラスター分析

第2章　統計学の基礎知識

1.平方和と分散と標準偏差
2.基準化と基準値
3.単相関係数
4.データ分析の取り組み方

第3章　回帰分析　〜多変量解析の前に〜

1.回帰分析とは？
2.具体例
3.分析結果の精度
　3.1　実測値と予測値と残差
　3.2　決定係数
　3.3　重相関係数

第4章　重回帰分析　〜「数値」を予測する〜

1.重回帰分析とは？
2.具体例
3.分析結果の精度
　3.1　決定係数と重相関係数
　3.2　自由度調整済み決定係数
4.補足
　4.1　Excelによる回帰分析
　4.2　標準偏回帰係数

演習問題

第２講：さまざまな分析手法

　先述した「講座ポイント」にあるように、多変量解析とは、数多くの変数からなるデータに対する分析手法の総称です。
　この通信教育講座で説明する分析手法は、第1講で扱ったものを除くと、5つです。それら5つを、理解しやすい順に、第2講と第3講で説明します。

第5章　ロジスティック回帰分析　〜「確率」を予測する〜

1.ロジスティック回帰分析の前に
　1.1　有理数と無理数
　1.2　最尤推定法
2.ロジスティック回帰分析とは？
3.具体例
4.分析結果の精度
　4.1　誤判別率
　4.2　決定係数
5.オッズ比
　5.1　リスク比とオッズ比
　5.2　ロジスティック回帰式の係数とオッズ比の関係
6.決定木

第6章　数量化�V類　〜カテゴリカルデータを点グラフ化する〜
1.数量化�V類とは？
2.具体例
　2.1　計算の概要
　2.2　分析結果の精度
　2.3　点グラフの軸の解釈
3.コレスポンデンス分析

第7章　クラスター分析　〜個体を分類する〜

1.クラスター分析とは？
2.具体例
3.注意

演習問題

第３講：［続］さまざまな分析手法

第8章　主成分分析　〜「総合▲▲力」を編み出す〜

1.主成分分析の前に
　1.1　行列
　1.2　行列の表記のルール
　1.3　行列の計算
　1.4　固有値と固有ベクトル
　1.5　相関行列と固有値
2.主成分分析とは？
3.注意
4.具体例
　4.1　主成分の算出
　4.2　主成分得点の算出
　4.3　分析結果の精度
　4.4　分析結果の検討
5.補足
　5.1　変数の選定と第1主成分
　5.2　累積寄与率の実体

第9章　因子分析　〜「データの背後に潜む説明変数」を見つけ出す〜

1.因子分析の前に
2.因子分析とは？
3.注意
4.具体例
　4.1　回転前の因子負荷量の算出
　4.2　回転後の因子負荷量の算出
　4.3　各共通因子の意味の解釈
　4.4　分析結果の精度
　4.5　因子得点の算出
5.補足
　5.1　共通因子の個数と因子負荷量
　5.2　直交回転と斜交回転
　5.3　あらためて、因子分析とは？
6.構造方程式モデリング

演習問題