★書籍「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!」の著者、
高橋信先生が、やさしく、わかりやすく、説明します。
初めての多変量解析
<3ヶ月マスター通信教育講座>
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 2025年5月30日(申込締切 2025年5月26日)
●受講料(税込み)
1名 41,800円
2名以上同時申込の場合、1名につき、38,500円
3名以上同時申込の場合、1名につき、35,200円
4名以上同時申込の場合、1名につき、34,100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
■学習ポイント
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