|
Teacher name : 車井 浩子
|
Course Title
Econometrics (J)
Course Title in English
Econometrics (J)
Course Type
Major Courses
ー
Eligible Students
School of Economics and Management
Target Grade
All
Course Numbering Code
KCCBK1MCA7
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・演習 (Lecture/Seminar)
Eligible Year/Semester
Spring semester 2026
Instructor
車井 浩子
Affiliation
国際商経学部
Language of Instruction
Japanese
Related SDGs
N/a
Office Hours and Location
オフィスアワー:適宜(メール等でアポイントをとること)
場所:教員研究室 Contact
クラスプロファイルにより問い合わせること。
Corresponding Diploma Policy
A double circle indicates the most relevant DP number and a circle indicates the associated DP.
Corresponding Undergraduate School DP
1◎/3◎
Corresponding Graduate School DP
ー
Corresponding University-Wide DP
N/a
Academic Goals of Teacher Training Course
ー
Course Objectives and Learning Outcome
【講義目的】計量経済学は、身の回りで起こる様々な経済事象や社会問題について、観察されるデータに基づき統計学的に分析をするための学問です。この授業では、計量経済学における基礎的な分析手法を学び、経済データを正しく活用することを目的とします。
【到達目標】この授業では以下の2点を目標とします。 ①経済学や他の分野でも広く使われている回帰分析という分析手法を学び、その手法を用いた基本的なデータ分析を行えるようになること。 ②データ分析の結果を正しく解釈できるようになること。 Subtitle and Keywords of the Class
キーワード:相関と因果 回帰分析
Course Overview and Schedule
Ⅰ講義内容
本講義では、「消費と所得」「学歴と年収」など具体的な例も用いながら、計量経済学の基礎を身につけます。難解な数式の計算などは可能な限り避け、分析手法を適切に用いることに重点を置きます。授業は講義形式で行いますが、Excel等の汎用性の高い統計ソフトを用いた演習も行います。 Ⅱ授業計画 1. ガイダンス:計量経済学とは 2. 分析のための準備:データの種類と整理 相関と因果について 3. 単回帰分析 1:回帰モデルとは 最小二乗法とは (テキスト第2章) 4. 単回帰分析 2:単回帰モデルの推定 推定結果の解釈(テキスト第2章) 5. 単回帰分析3:Excelによる単回帰分析(テキスト第2章) 6. 単回帰分析4:重回帰モデルの推定(テキスト第2章) 7. 単回帰分析5:Excelによる重回帰分析1(テキスト第2章) 8. 統計学の復習:計量経済学で必要となる確率分布について(テキスト補論 配布資料) 9. 推定量の性質1:回帰モデルの仮定(テキスト第3章) 10. 推定量の性質2:推定量の分布とは(テキスト第3章) 11. 重回帰分析1:推定結果の評価(区間推定の利用)(テキスト第3章) 12. 重回帰分析2:推定結果の評価(仮説検定の利用)(テキスト第3章) 13. 重回帰分析3:Excelによる重回帰分析2(区間推定・仮説検定)(テキスト第3章) 14 回帰モデルにおける問題点(テキスト第4章) 15. まとめ ※進捗状況によって各テーマの回数、内容は変更になる可能性があります。 ※第1回目以外は、パソコンを使用する予定です。 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。
◯注意点 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・追記することは必須である。不適切な使用をした場合には成績認定を取り消すことがある。生成AIを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、適宜担当教員から指示する。 Textbook
谷崎久志・溝渕健一(2023) 『計量経済学』 新世社 (生協等で購入する)
References
山本勲(2015)『実証分析のための計量経済学』 中央経済社(神戸商科学術情報館にあり)
大屋幸輔 (2012) 『コア・テキスト統計学 第2版』 新世社(神戸商科学術情報館にあり) 豊田利久 他(2010)『基本統計学』東洋経済新報社(神戸商科学術情報館にあり) Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)
【事前学習】テキストに事前に目を通し、疑問点を挙げておく(20h)
【事後学習】テキスト等の練習問題に取り組み、授業で扱った統計手法について自身の理解度を確認する(20h) 統計手法の具体的な社会問題への適用について考える(20h) Contents of Active Learning
採用しません。
ただし、パソコンを用いた演習を行う際には、分析結果の解釈や様々な経済事象への適用について受講生同士てディスカッションをする時間を適宜設けます。 Grading Criteria and Methods
【成績評価の基準】 講義中の課題30%、 最終試験(前期定期試験)70%を基準として評価します。 How to Disclose Assignments and Exam Results
課題については、内容を確認した上で本人に返却し、講義内で解説します。
定期試験については、全体的な講評をユニバーサルパスポートのクラスプロファイル機能を使って掲示します。 Precautions and Requirements for Course Registration
・この科目は、PCの台数により履修者の定員は60名となります。60名を超える場合は、「統計学」もしくは「経済統計分析入門」を履修済みである学生を優先としますが、それでも希望者が定員を超える場合は抽選を行います。このため、履修を希望する学生は、全員下記URLにアクセスして回答してください。回答締め切りは4月9日23時59分とします。こちらに回答をしない学生については、履修者数が定員に満たない場合であっても履修することは出来ません。
履修抽選申し込み https://x.gd/erFJy 履修を可とする学生については4月10日の午後にユニバーサルパスポート上に学籍番号を掲示します。なお、第1回目の講義が履修登録の最終日となるため、ガイダンスの前に抽選を行うことになりますがご了承ください。 ・この科目を履修しなければ、計量経済学Ⅱ(後期)は履修できません。 Practical Education
該当しない。
Remarks
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.
|