Multivariate Data Analysis (J)

Multivariate Data Analysis (J)

Major Courses

ー

School of Economics and Management

2Year

KCCBK2MCA7

2.00Credits

講義・演習 (Lecture/Seminar)

Spring semester 2026

森谷 義哉

国際商経学部

Japanese

4

金曜日／昼休み(12:10-13:00)／教員研究室

1◎／3◎

ー

N/a

ー

【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、多変量解析の基本的な考え方を理解して、解析結果を解釈できるようになるとともに、統計解析ソフトウェアを用いた演習を通じて統計解析能力を養うことを目的とする。
【到達目標】
多変量解析の基本的な手法の考え方を理解した上で、統計解析ソフトウェアを用いてデータを解析して、その出力結果を正しく解釈できるようになることを目標とする。

1. データの視覚化の効果を理解し、ソフトウェアを用いて視覚化することができる。
2. 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。
3. 主成分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。
4. クラスター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。

サブタイトル：多変数のデータを分析する方法の基礎を学ぶ。
キーワード：多変量解析、視覚化、回帰分析、主成分分析、クラスター分析

【講義内容】
統計学の基礎知識を復習してから、多変量解析の基本的な手法のうち、代表的な4種類の手法について説明する。理解を深めるために、各テーマの最後には統計解析ソフトウェアRを用いて演習を行う。
【授業計画】

1. データ解析とは・統計解析ソフトウェアの操作
2. データの視覚化
3. データの整理（平均・分散・相関係数）
4. 確率分布
5. 推定・検定
6. 単回帰分析(1)
7. 単回帰分析(2)
8. 重回帰分析(1)
9. 重回帰分析(2)
10. ロジスティック回帰分析
11. 主成分分析(1)
12. 主成分分析(2)
13. クラスター分析(1)
14. クラスター分析(2)
15. 総合演習

※受講者の統計学的な知識に応じて、講義内容を調整することがある。
※パソコンの利用：毎回使用する。

In-person

・対面授業のみ
・遠隔授業単位上限の適用を受けない

Fully permitted

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。

プリント資料を配布する。

受講者と相談の上、適宜指示する。
○多変量解析・データ解析

1. 永田靖・棟近雅彦(2001)『多変量解析法入門』サイエンス社（学術情報館に所蔵：図書）
2. 川端一光・岩間徳兼・鈴木雅之(2018)『Rによる多変量解析入門』オーム社（学術情報館に所蔵：図書/電子ブック）
3. 林賢一・下平英寿(2020)『Rで学ぶ統計的データ解析』講談社（学術情報館に所蔵：図書）
4. Hadley Wickham, Mine Cetinkaya-Rundel and Garrett Grolemund(2024)『Rではじめるデータサイエンス 第2版』オライリー・ジャパン（学術情報館に所蔵：図書(初版, 2017)）
5. 今井耕介(2018)『社会科学のためのデータ分析入門（上）』岩波書店（学術情報館に所蔵：図書/電子ブック）
6. 今井耕介(2018)『社会科学のためのデータ分析入門（下）』岩波書店（学術情報館に所蔵：図書/電子ブック）
7. 慶應SFCデータ分析教育グループ(2008)『データ分析入門（第7版）』慶應義塾大学出版会（学術情報館に所蔵：図書）

○R

1. 村井潤一郎(2013)『はじめてのR』北大路書房（学術情報館に所蔵：図書）
2. 山田剛史・杉澤武俊・村井潤一郎(2008)『Rによるやさしい統計学』オーム社（学術情報館に所蔵：図書/電子ブック）
3. 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）

【事前学習】

1. 講義内容を把握して授業に臨めるように、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. レポートを作成する(15h)

質問に対して、教員と学生間、または学生間のディスカッションを行う。

【成績評価の基準】
多変量解析の基本的な知識を習得し、その知識を活用できる者については、講義目的・到達目標に記載する能力（知識・技能、思考力、判断力、表現力等）の到達度に基づき、S（90点以上）、A（80点以上）、B（70点以上）、C（60点以上）による成績評価の上、単位を付与する。
S: 多変量解析の基本的な知識とその応用力を身につけており、発展レベルのデータ解析ができる。
A: 多変量解析の基本的な手法と使い方を深く理解しており、応用レベルのデータ解析ができる。
B: 多変量解析の基本的な手法と使い方を理解しており、基礎レベルのデータ解析ができる。
C: 多変量解析の基本的な手法と使い方を概ね理解している。
【成績評価の方法】
発表（40%）とレポート（60%）を基準として、毎回の講義・演習に対する受講態度（質問・ディスカッション）を含めて総合的に評価する。

レポート（課題）は、次回の授業で優れたものを紹介しながら講評する。

【履修上の注意】

1. 全体的に、楽しみながら積極的に授業に参加する姿勢を期待する。
2. 分からないことや疑問に思うことをそのままにせず、すぐに質問して欲しい。
3. 他の学生と協力しながら課題に取り組むことによって、理解を深めて欲しい。
4. （予習）次回の授業のプリントが配布されているときは、少しでもよいので読んでみることを勧める。
5. （復習）授業で配布されたプリントを読み直すこと。レポートを作成することによって理解できたかどうか確認できる。

【履修要件】

1. 「統計学(B)」を履修済みであること。
2. 統計学の基本的な知識（特に、平均、分散、相関係数、確率分布）を持っていることが望ましい。
3. 統計解析ソフトウェアを用いた演習を行うので、PCやソフトウェアの操作に慣れていることが望ましい。
4. もし、統計学の基本的な知識を持っていなくても、PCやソフトウェアの操作が不安でも、意欲を持って取り組めば授業内容は理解できる。

該当しない。

担当教員の専門分野は数理統計学であり、この授業では多変量解析の理論を講義するとともに、統計解析ソフトウェアを用いた演習を行う。