講師

（株）インサイト・ファクトリー R&Dディレクター 小野 滋 氏

視聴開始日・料金

●視聴開始日と申込〆切：月2回設定日がございます。
　・毎月10日（前月月末の申込まで）
　・毎月25日（当月15日の申込まで）
　※土日・祝日のお申込は翌営業日扱いとなります

　＊上記開始日から2ヵ月間視聴可能です。
　＊初回の視聴開始日は2026年4月10日です。

●料金
　・以下参照下さい（税込（消費税10％）、資料付)）
　＊学校法人割引；学生、教員のご参加は受講料50％割引。
（5名以上でお申込みの場合の割引料金には学校法人割引は適用されず、
　1名～4名の1名あたり料金の50％割引適用となります）
　→その他「LMS・アーカイブ配信申込要領・手順」を確認下さい。

お申込み頂く前に　※かならずご一読ください。

●ご視聴の流れ：
　・視聴開始日直前に閲覧に必要な情報（URL、パスワード等）をメールにて送付致します。
　　当日になってもメールが届かない場合は迷惑メールフォルダー等ご確認のうえ、弊社まで必ずご一報下さい。
　・請求書は、別途郵送で送付致します。

●配布資料はPDFでご提供致します。
　・提供方法は動画URLとご一緒にご案内致します。

●必ず以下のサンプルページより動作確認をしてからお申込みください。
　情報機構テスト用動画へ→
　ID「joho」パスワード「123456」

※本講座で使用される資料や配信動画は著作物であり、 
　録音・録画・複写・転載・配布・上映・販売およびそれに類する行為を禁止致します。
※動作確認やシステム設定に関するサポートは弊社では行っておりませんので、
　PC設定等のお問い合わせはご遠慮ください。

本講座のポイント

　エビデンスに基づく問題解決・意思決定は、現代のビジネスにおける競争優位性の源泉となっています。そのため、ビジネスに携わる多くの人々に、データを集め、データからエビデンスを導くスキルが求められるようになっています。近年はAIの活用が急速に進み、データ分析を支援するツールも広く利用されるようになりましたが、AIが提示する結果を適切に理解し、妥当性を判断し、意思決定につなげるためには、人間自身がデータやエビデンスの意味を正しく捉える基礎的な知識と考え方が不可欠であり、その重要性は現在においても変わりません。むしろAI時代においてこそ、その結果の意味や妥当性を判断し、ビジネスの各局面で活用するための「データリテラシー」が重要になります。
　本講義は、これからデータ解析に取り組む初学者の方々、ならびにすでにデータ解析に取り組んでいるが知識・スキルに自信を持てない方々を対象とします。様々なかたちのデータについて、どのような点に注目し、どのように分析することによって、どんなことがわかるのかを議論します。初学者の方には親しみやすい入門を、また中級者の方には知識の整理を提供することを目指します。

内容

イントロダクション (8分)
：ここから視聴いただけます。

第1回 ：(1時間28分)
「R入門～Rの使い方を身に付ける～」

第2回 ：(1時間19分)
「統計データの観察と要約
　～データを適切に表現し、わかりやすく伝える～」

第3回： (1時間19分)
「主成分分析とデータ視覚化
　～データの特徴を直観的に把握する～」

第4回 ：(1時間38分)
「統計的推定・検定
　～データに基づいて推測する～」

第5回： (1時間30分)
「回帰分析と統計モデル
　～現象を深く理解し、未知の現象を予測する～」

第6回： (1時間51分)
「実験計画法と分散分析」

第7回： (1時間40分)
「因子分析と潜在変数モデル」

各回の詳細

イントロダクション (8分)
：ここから視聴いただけます。


第1回 ：(1時間28分)
「R入門～Rの使い方を身に付ける～」

1.はじめに
　1.1 本章で扱う内容
　1.2 本章で扱わない内容
　1.3 本章の方針

2.R/Rstudioのインストール
　2.1 Rのインストール
　2.2 Rstudioのインストール
　2.3 パッケージのインストール

3.Rをつかってみよう
　3.1 Rstudioの起動
　3.2 Rstudioのペイン
　3.3 Rとの対話
　3.4 Rスクリプトの保存と読み込み
　3.5 ワークスペース
　3.6 プロジェクト

4.データを読み込む・出力する
　4.1 外部ファイル
　4.2 CSVファイルの読み込み
　4.3 オブジェクトの中身をみる
　4.4 CSVファイルへの出力
　4.5 パッケージ
　4.6 ヘルプ

5.R言語の基礎知識
　5.1 オブジェクトをつくる
　5.2 データ構造
　5.3 ベクトル
　5.4 行列
　5.5 データフレーム
　5.6 リスト

6.データを集計する
　6.1 データの概要を眺める
　6.2 層別に集計する
　6.3 データを変形する
　6.4 練習

7.データを結合する
　7.1 データを縦に積み上げる
　7.2 データを横に結合する
　7.3 結合時の注意点
　7.4 アサーションを使う

8.値にラベルを付ける
　8.1 値のラベルとは
　8.2 因子型

9.データを視覚化する
　9.1 データ視覚化のための機能
　9.2 どんなチャートを描きたいのか？
　9.3 ggplot2の機能
　9.4 チャートの体裁を整える
　9.5 レイヤを重ねる
　9.6 ファセットを使う
　9.7 画像を出力する
　9.8 練習

第2回 ：(1時間31分)
「統計データの観察と要約
　～データを適切に表現し、わかりやすく伝える～」

1.データ分析の諸段階

2.データの構造

3.変数の観察と要約：量的な１変数
　3.1 分布の観察
　3.2 分布の特徴
　3.3 分布の代表値
　3.4 分布の散布度
　3.5 変数の標準化

4.変数の観察と要約：量的な２変数
　4.1 同時分布の観察
　4.2 変数間の関連性
　4.3 関連性の要約
　4.4 分布の要約と外れ値

5.変数の観察と要約：質的な１変数

6.変数の観察と要約：質的な２変数
　6.1 同時分布の観察
　6.2 2x2クロス表における関連性の要約

7.変数の観察と要約：質的変数と量的変数
　7.1 層別の分布の観察
　7.2 層別の分布の要約

8.視覚化の役割
　8.1 他人のための視覚化
　8.2 自分のための視覚化

第3回： (1時間19分)
「主成分分析とデータ視覚化
　～データの特徴を直観的に把握する～」

1.多変量データの視覚化
　1.1 データ分析の3つの段階
　1.2 1～2変数の分布を眺めるための典型的な手段
　1.3 多変量データの視覚化

2.データ行列
　2.1 本章で扱うデータ行列
　2.2 多相データの扱い

3.主成分分析による視覚化
　3.1 主成分分析とは
　3.2 2変数の主成分分析
　3.3 主成分分析の用途
　3.4 3変数の主成分分析
　3.5 多変量データの主成分分析
　3.6 主成分分析のバリエーション
　3.7 まとめ：主成分分析による視覚化

4.対応分析による視覚化
　4.1 対応分析とは
　4.2 データ行列
　4.3 対応分析のアウトプット
　4.4 まとめ：対応分析による視覚化

5. 視覚化にあたっての注意点

第4回 ：(1時間38分)
「統計的推定・検定
　～データに基づいて推測する～」

1.基礎的概念
　1.1 データ分析の3つの段階
　1.2 母集団と標本
　1.3 母集団の特性と標本の特性
　1.4 推測の表現形式
　1.5 推測のバイアスと分散
　1.6 標本誤差の性質

2.正規分布
　2.1 確率変数と確率分布
　2.2 正規分布

3.点推定と区間推定
　3.1 母平均の点推定
　3.2 母分散の点推定
　3.3 母平均の点推定の分散
　3.4 母平均の区間推定
　3.5 母平均の区間推定 (標本サイズが小さい場合)
　3.6 母比率の推定

4.検定
　4.1 検定とは
　4.2 検定の考え方
　4.3 検定の論理的ステップ
　4.4 よくある誤解
　4.5 検定Q&A
　4.6 検定の問題点
　4.7 検定とのつきあいかた

5. 標本サイズ
　5.1 標本サイズの意義
　5.2 標本サイズの決め方

第5回： (1時間30分)
「回帰分析と統計モデル
　～現象を深く理解し、未知の現象を予測する～」

1.単回帰分析
　1.1 データ分析の3つの段階
　1.2 散布図と回帰直線
　1.3 回帰直線の性質
　1.4 回帰モデルの意義
　1.5 回帰モデルのパラメータ推定
　1.6 回帰係数と決定係数
　1.7 相関係数と回帰係数・決定係数

2.重回帰分析
　2.1 重回帰分析とは
　2.2 重回帰モデルのパラメータ推定
　2.3 偏回帰係数の解釈
　2.4 回帰モデルの説明力

3. 回帰分析の実際
　3.1 回帰分析のステップ
　3.2 回帰モデルを推定する
　3.3 回帰モデルの性能を評価する
　3.4 独立変数を選択する
　3.5 モデルの妥当性について検討する
　3.6 回帰分析の落とし穴

4. 回帰分析の関連手法
　4.1 回帰分析と分散分析
　4.2 ロジスティック回帰分析
　4.3 交互作用のモデル化
　4.4 データ分析とモデル設計

第6回： (1時間51分)
「実験計画法と分散分析」

1.実験計画法の基礎知識
　1.1 実験とはなにか
　1.2 実験の意義
　1.3 実験計画法の基礎概念

2. 分散分析とは
　2.1 データ解析からみた分散分析
　2.2 実験計画法からみた分散分析
　2.3 実習I
　2.4 分散分析の基本的アイデア

3. 一要因の分散分析
　3.1 分散分析の4つのステップ
　3.2 構造モデルの設定
　3.3 平方和を分解する
　3.4 不偏分散を求める
　3.5 F検定
　3.6 分散分析表

4. 二要因の分散分析
　4.1 主効果と交互作用効果
　4.2 交互作用効果の取り扱い
　4.3 実習II

5. 代表的な実験計画
　5.1 要因のタイプ
　5.2 ブロック化の扱い
　5.3 表示因子
　5.4 代表的な実験計画: 一要因
　5.5 代表的な実験計画: 二要因
　5.6 一部実施計画
　5.7 ソフトウェアによる実験計画の生成

6. 分散分析の使い方
　6.1 前提のチェックと対処
　6.2 固定要因と変量要因
　6.3 結果の報告
　6.4 下位検定
　6.5 他の手法との関連
　6.6 実験計画法・分散分析をさらに学ぶために

第7回： (1時間40分)
「因子分析と潜在変数モデル」

1. 因果関係の推論
　1.1 因果関係の推測におけるデータの役割
　1.2 因果的効果の定量化におけるデータの役割
　1.3 因果関係の推測
　1.4 まとめ

2. 因子分析と潜在変数モデル
　2.1 イントロダクション
　2.2 探索的因子分析とは
　2.3 因子分析の手順
　2.4 因子分析のしくみ
　2.5 探索的因子分析の用途
　2.6 探索的因子分析の結果を解釈する
　2.7 確認的因子分析
　2.8 構造方程式モデリング (SEM)
　2.9 潜在変数モデルの仲間たち
　2.10 まとめ