初めての多変量解析（2024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　2024年11月29日(申込締切　2024年11月25日)
●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Ⅲ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Ⅲ類　～カテゴリカルデータを点グラフ化する～
1.数量化Ⅲ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