Syllabus data

Teacher name ： 森谷 義哉
Course Title
Quantitative Research Methodology
Course Title in English
Quantitative Research Methodology
Course Type
-
研究支援科目
Eligible Students
Graduate School of Social Sciences
Target Grade
All
Course Numbering Code
KCBMS5MCA1
Credits
2.00Credits
The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.
Type of Class
講義 (Lecture)
Eligible Year/Semester
Fall semester 2026
Instructor
森谷 義哉
Affiliation
国際商経学部
Language of Instruction
Japanese
Related SDGs
N/a
Office Hours and Location
金曜日／昼休み(12:10-13:00)／教員研究室
Contact
  1. メールアドレス（初回の授業資料に記載）
  2. 質問 Q & A 回答（クロスプロファイル）

Corresponding Diploma Policy
A double circle indicates the most relevant DP number and a circle indicates the associated DP.
Corresponding Undergraduate School DP
ー
Corresponding Graduate School DP
1◎／3◎／2〇
Corresponding University-Wide DP
N/a
Academic Goals of Teacher Training Course
ー

Course Objectives and Learning Outcome
【講義目的】
現在は、どのような分野においても、必要なデータを正しく収集し、正確に分析して、適切な結論を導く力が重要である。統計学は、そのような力を身につけるための基本的な科目の一つである。この講義では、経済学や経営学において必要とされる統計学の基礎知識を身につけ、具体的な事例に対してその知識を活用できるようになることを目的とする。
【到達目標】
統計学の基本的な知識を理論的に理解するだけでなく、演習によって経験的にも理解し、データを活用できるようになることを目標とする。
  1. データの整理の方法を理解し、データを視覚化したり、基本的な記述統計量を計算したりすることができる(DP1, DP3)。
  2. 確率変数と確率分布の役割を理解し、それらを用いた計算をすることができる(DP1, DP3)。
  3. 推定と検定の考え方を理解し、適切にデータに適用することができる(DP1, DP2, DP3)。
  4. 回帰分析の仕組みを理解し、適切にデータに適用することができる(DP1, DP2, DP3)。
Subtitle and Keywords of the Class
サブタイトル：データを計量的に分析する方法の基礎を学ぶ。
キーワード：統計学、確率、推定、検定、回帰分析
Course Overview and Schedule
【講義内容】
最初に、記述統計学（データの整理）について復習した後、推測統計学（推定・検定）に必要とされる確率の基礎について説明する。次に、推定と検定について、その考え方から計算までを説明し、問題に取り組む。最後に、多変量解析の基本的かつ代表的な手法である回帰分析について説明し、演習を行う。
【授業計画】
  1. データの整理(1)　1次元データ
  2. データの整理(2)　2次元データ
  3. 確率(1)　確率の基礎
  4. 確率(2)　確率変数・確率分布
  5. 母集団と標本
  6. 推定(1)　推定の考え方
  7. 推定(2)　点推定
  8. 推定(3)　区間推定
  9. 検定(1)　検定の考え方
  10. 検定(2)　1標本問題
  11. 検定(3)　2標本問題
  12. 回帰分析(1)　単回帰分析
  13. 回帰分析(2)　重回帰分析
  14. 回帰分析(3)　ロジスティック回帰分析
  15. 回帰分析(4)　回帰分析に関連する話題
※パソコンの利用：第9回以降の演習において使用する。
In-person/Remote Classification
In-person
Implementation Method and Remote Credit Limit Application
・対面授業のみ
・遠隔授業単位上限の適用を受けない
Uses of Generative AI
Fully permitted
Precautions for using Generative AI
生成AIの利用にあたっては『本学の教育における生成AIの取扱いについて（学生向け）』の記載内容について留意すること。
この授業においては、授業内、予習復習、レポート等を含む成果物作成等において生成AIの利用を全面的に許可しており、生成AIの利用について制限を設けないが、生成AIによる出力結果をそのまま課題・レポートとして提出してはならない。生成AIの出力した内容について、事実関係の確認や出典・参考文献を確認・追記することが重要である。使用した場合にその旨をレポート等に記載するかどうか等については、担当教員の指示に従うこと。
Textbook
プリント資料を配付する。
References
受講者と相談の上、適宜指示する。
○主要な参考文献
  1. 田中隆一(2015)『計量経済学の第一歩』有斐閣（学術情報館に所蔵：図書/電子ブック）
○統計学
  1. 大屋幸輔(2020)『コア・テキスト統計学 第3版』新世社（学術情報館に所蔵：図書）
  2. 久保川達也(2016)『統計学』東京大学出版会（学術情報館に所蔵：図書/電子ブック）
  3. 久保川達也(2017)『現代数理統計学の基礎』共立出版（学術情報館に所蔵：図書/電子ブック）
○計量経済学

  1. 山本勲(2015)『実証分析のための計量経済学』中央経済社（学術情報館に所蔵：図書/電子ブック）

  2. 山本拓・竹内明香(2013)『入門計量経済学』新世社（学術情報館に所蔵：図書）

  3. 山本拓(2022)『計量経済学 第2版』新世社（学術情報館に所蔵：図書(初版, 1995)）
  4. 西山慶彦・新谷元嗣・川口大司・奥井亮(2019)『計量経済学』有斐閣（学術情報館に所蔵：図書/電子ブック）
○R
  1. 地道正行(2018)『Rによる統計学独習』裳華房（学術情報館に所蔵：図書）
Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)
【事前学習】
  1. 講義内容を把握してディスカッションができるように、プリント資料や参考文献を読み込む(30h)
【事後学習】
  1. 講義内容の理解を深め、かつ定着させるために、プリント資料や参考文献を読み直す(15h)
  2. 課題に取り組む(15h)
Contents of Active Learning
教員と学生間、または学生間のディスカッションを通じて、講義内容について理解を深め、いろいろな課題に活用できるようにする。
Grading Criteria and Methods
【成績評価の基準】
講義目的・到達目標の到達度に基づき、社会科学研究科規程に従い成績評価の上、単位を付与する。
S: 統計学の基本的な知識とその応用力を身につけており、発展的な課題に活用できる。
A: 統計学の基本的な考え方と使い方を深く理解しており、応用的な課題を解決できる。
B: 統計学の基本的な考え方と使い方を理解しており、基礎的な課題を解決できる。
C: 統計学の基本的な考え方と使い方を概ね理解している。
【成績評価の方法】
発表（60%）と課題（40%）に基づいて評価する。
How to Disclose Assignments and Exam Results
課題について授業の中で行う。
Precautions and Requirements for Course Registration
【履修上の注意】
  1. 講義内容は復習し、分からないときは次回の授業で質問して欲しい。また、次回のプリントが配布されているときは、該当部分を十分に読んで予習した上で、次回の授業に臨んで欲しい。
  2. 計算をするので、電卓やスマートフォンのアプリなどを用意すること。
  3. 統計解析ソフトウェアによる演習を行う。ソフトウェアは、基本的にRを使用するが、受講者の希望があればPythonに変更する可能性がある。
【履修要件】
  1. 数学（微分積分・線形代数）の基本的な知識を持っていること。
  2. 統計学の基本的な知識を持っていることが望ましい。
Practical Education
該当しない。
Remarks
担当教員の専門分野は数理統計学であり、この授業では数理統計学の基礎理論と基本的な統計手法について説明する。
In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.