科目ナンバー

EC-OM2-01XS

履修条件・関連科目等

※選考方法は経済学部事務室が公開する情報をご確認ください。
＜履修条件＞1年次に統計学，入門統計演習，総合講座IV（Data Science and Economy）のいずれかの単位を修得済みであることが望ましい．

授業で使用する言語

日本語

授業で使用する言語（その他の言語）

授業の概要

＜学位授与方針と当該授業科目の関連＞
この科目は，協調性及び自己管理力（専門知識を活かせるだけでなく，チームワークの経験から学んで，他人と協調し，自己を管理することができる）の修得に関わる科目です．また，創造的思考力（総合的な学習体験に基づいて，ものごとを創造的に思考することができる）の修得に関わる科目です．

テーマ：社会科学におけるデータサイエンス

＜概要＞：データサイエンティストは21世紀の最も魅力的な職業といわれます．1年次の統計学や経済学などの授業で学んだ知識をもとにして，統計環境Rを用いた実践的なデータ解析の技術を学び，社会科学分野において活躍できるデータサイエンティストを目指します．

本ゼミは2026年度より開講される新しいゼミです．合宿やサブゼミなどの課外活動については，履修生のみなさんと相談しながら決めたいと思います．

科目目的

・ 2年次前期：社会調査法を学んで，調査票を作成してデータ収集し，その結果をグラフで可視化する知識と技術を学びます．解析結果をグループでポスターにまとめて，東京都統計グラフコンクールへの出品を目指します．
・ 2年次後期：多変量解析・機械学習・統計的因果推論といったさまざまな統計的分析手法を学んで，Rを使った実践的で高度なデータサイエンスを学びます．
・ 3年次前期：2年次後期で学んだ方法論を活用して， SSDSE（教育用標準データセット）を用いて解析します．解析結果をグループで論文にまとめて，統計データ分析コンペティションへの出品を目指します．
・ 3年次後期：これまでに身に着けてきた社会調査法およびデータ解析の知識と技術を土台にしつつ，4年次の卒業論文に向けた研究の土台を作ります．卒業論文のテーマは，各学生の興味をもとにして，教員と一緒に設定します．
・ 4年次後期：卒業論文を完成させます．

到達目標

社会調査法を利用して，社会や経済に関するデータの収集ができる．
ExcelおよびRを用いて，社会や経済に関するデータを可視化できる．
Rを用いて，社会や経済に関するデータから予測や分類ができる．
Rを用いて，社会や経済に関するデータから統計的に因果を推論できる．

授業計画と内容

【演習1】（2年次）
前期：社会調査法を学んで，調査票を作成してデータ収集し，その結果をグラフで可視化する知識と技術を学びます．解析結果をグループでポスターにまとめて，東京都統計グラフコンクールへの出品を目指します．
[1] ガイダンス
[2] 社会調査の種類・社会調査のプロセス・社会調査のデザイン
[3] 実査の方法・調査票の作成方法・サンプリング，テーマの選定1，先行研究の紹介1（グループで論文1本を探す）
[4] 調査の実施方法・データファイル・データの基礎的集計，テーマの選定2，先行研究の紹介2（グループで論文1本を探す）
[5] 統計的推測・変数間の関連・調査報告の方法とデータの管理方法，先行研究の紹介3（グループで論文1本を探す）
[6] 仮説の構築と検討1，先行研究の紹介4（グループで論文1本を探す）
[7] 仮説の構築と検討2，調査票の作成
[8] 調査票の検討
[9] データ収集
[10] データ解析（基本統計量）
[11] データ解析（グラフの作成）
[12] データ解析のつづき，ポスター作製開始
[13] ポスター作製のつづき
[14] ポスターの完成，プレゼンテーション

後期：多変量解析・機械学習・統計的因果推論といったさまざまな統計的分析手法を学んで，Rを使った実践的で高度なデータサイエンスを学びます．
[1] 単回帰分析・重回帰分析・予測モデリングの評価
[2] 主成分分析・因子分析
[3] 独立性の検定・ダミー変数・ロジスティック回帰分析
[4] 判別分析・クラスター分析
[5] テキストマイニング
[6] 決定木・ランダムフォレスト
[7] サポートベクターマシン
[8] ニューラルネットワーク・ディープラーニング
[9] 統計的因果推論の基礎の基礎，予測モデリングとの違い
[10] 潜在的結果変数の枠組みと統計的因果推論における重要な仮定
[11] 重回帰分析の仮定・傾向スコア
[12] 傾向スコアマッチング
[13] 傾向スコアによる層階解析法・重み付け法
[14] SSDSE（教育用標準データセット）を用いた演習

【演習2】（3年次）
前期：2年次後期で学んだ方法論を活用して， SSDSE（教育用標準データセット）を用いて解析します．解析結果をグループで論文にまとめて，統計データ分析コンペティションへの出品を目指します．
[1] グループ分け，入賞作品の検討，テーマの選定1
[2] テーマの選定2，先行研究の紹介1（グループで論文2本を探す）
[3] 仮説の構築と検討1，先行研究の紹介2（グループで論文2本を探す）
[4] 仮説の構築と検討2，先行研究の紹介3（グループで論文2本を探す）
[5] 仮説の構築と検討3，先行研究の紹介4（グループで論文2本を探す）
[6] 小論文の執筆練習1，先行研究の紹介5（グループで論文2本を探す）
[7] 小論文の執筆練習2，先行研究の紹介6（グループで論文2本を探す）
[8] SSDSEの解析と結果の検討1，先行研究のセクション草稿執筆1
[9] SSDSEの解析と結果の検討2，先行研究のセクション草稿執筆2
[10] SSDSEの解析と結果の検討3，先行研究のセクション草稿執筆3
[11] データ解析と結果の解釈のセクション草稿執筆1
[12] データ解析と結果の解釈のセクション草稿執筆2
[13] データ解析と結果の解釈のセクション草稿執筆3
[14] グループ論文の完成，プレゼンテーション

後期：これまでに身に着けてきた社会調査法およびデータ解析の知識と技術を土台にしつつ，4年次の卒業論文に向けた研究の土台を作ります．卒業論文のテーマは，各学生の興味をもとにして，教員と一緒に設定します．
[1] テーマの選定1，先行研究の紹介1（各自で論文1本を探す）
[2] テーマの選定2，先行研究の紹介2（各自で論文1本を探す）
[3] テーマの選定3，先行研究の紹介3（各自で論文1本を探す）
[4] テーマの選定4，先行研究の紹介4（各自で論文1本を探す）
[5] 仮説の構築と検討1，先行研究の紹介5（各自で論文1本を探す）
[6] 仮説の構築と検討2，先行研究の紹介6（各自で論文1本を探す）
[7] 仮説の構築と検討3，先行研究の紹介7（各自で論文1本を探す）
[8] 仮説の構築と検討4，先行研究の紹介8（各自で論文1本を探す）
[9] 調査票の作成1，先行研究の紹介9（各自で論文1本を探す）
[10] 調査票の作成2，先行研究の紹介10（各自で論文1本を探す）
[11] 調査票の作成3，先行研究の紹介11（各自で論文1本を探す）
[12] 調査票の作成4，先行研究の紹介12（各自で論文1本を探す）
[13] 先行研究の紹介13（各自で探した論文を紹介する）
[14] 個人研究の仮説と調査票の完成，プレゼンテーション

【演習3】（4年次）
個別に卒業論文指導
[1] データ収集開始，仮説および仮説に対するDAGの草稿執筆1
[2] 仮説および仮説に対するDAGの草稿執筆2
[3] 仮説および仮説に対するDAGの草稿執筆3
[4] 使用データと変数の測定方法のセクションの草稿執筆1
[5] 使用データと変数の測定方法のセクションの草稿執筆2，記述統計の報告
[6] 使用データと変数の測定方法のセクションの草稿執筆3，解析モデルの検討
[7] 記述統計のセクションの草稿執筆1
[8] 記述統計のセクションの草稿執筆2，解析結果の報告1
[9] 記述統計のセクションの草稿執筆3，解析結果の報告2
[10] 解析結果のセクションの草稿執筆1
[11] 解析結果のセクションの草稿執筆2
[12] 解析結果のセクションの草稿執筆3
[13] はじめに，結論，付録などの草稿執筆
[14] 卒業論文の完成，プレゼンテーション

授業時間外の学修の内容

その他

授業時間外の学修の内容（その他の内容等）

可能であれば，年に1回はゼミ合宿を行う予定です．ただし，本ゼミは2026年度より開講される新しいゼミなので，合宿やサブゼミなどの課外活動については，履修生のみなさんと相談しながら決めたいと思います．

授業時間外の学修に必要な時間数／週

・毎週１回の授業が半期（前期または後期）または通年で完結するもの。１週間あたり４時間の学修を基本とします。
・毎週２回の授業が半期（前期または後期）で完結するもの。１週間あたり８時間の学修を基本とします。

成績評価の方法・基準

成績評価の方法・基準（備考）

【演習１】　
平常点((サブゼミを含む)ゼミへの積極的な参加や課題の提出等)，調査研究に関するプレゼンテーションとディスカッション，グループごとに取りまとめた調査研究の成果の内容で評価します．なお，提出された課題については個別にチェックを行い，必要に応じてコメントを行います．
【演習2】　
平常点((サブゼミを含む)ゼミへの積極的な参加や課題の提出等)，調査研究に関するプレゼンテーションとディスカッション，グループごとに取りまとめた調査研究の成果の内容で評価します．なお，提出された課題については個別にチェックを行い，必要に応じてコメントを行います．
【演習3】
演習論文の提出と演習論文に関するプレゼンテーションで評価します．　

課題や試験のフィードバック方法

その他

課題や試験のフィードバック方法（その他の内容等）

manabaを通じて提出された課題についてはチェックを行った上で，必要に応じて個別にリプライを行います．

アクティブ・ラーニングの実施内容

PBL（課題解決型学習）／ディスカッション、ディベート／グループワーク／プレゼンテーション

アクティブ・ラーニングの実施内容（その他の内容等）

授業におけるICTの活用方法

その他

授業におけるICTの活用方法（その他の内容等）

パソコンを使って，ExcelやRといったソフトウェアやプログラミング言語を用いた統計データ分析に関する演習を行います．
　

実務経験のある教員による授業

いいえ

【実務経験有の場合】実務経験の内容

【実務経験有の場合】実務経験に関連する授業内容

テキスト・参考文献等

轟亮・杉野勇・平沢和司（2021）『入門・社会調査法（第4版）』，法律文化社．
金明哲（2017）『Rによるデータサイエンス（第2版）』，森北出版．
高橋将宜（2022）『統計的因果推論の理論と実装』，共立出版．

上記以外にも，レジュメ等の配布資料を使用する場合があります．

その他特記事項

欠席する場合には，事前に必ずメール等で連絡するようにしてください．また，通常の時間帯で行う演習だけでなく，サブゼミが実施される場合にはサブゼミにも必ず参加するようにしてください。　　

参考URL

高橋研究室のウェブサイト

https://sites.google.com/view/takahashistat/