科目ナンバー

GM-OI3-GE07

履修条件・関連科目等

講義「データサイエンス」「データ分析」「経営数学⼊門」を履修する、またはその内容を理解することが望ましい。

授業で使用する言語

英語

授業で使用する言語（その他の言語）

授業の概要

経営を含むすべての⼈間活動において、データが客観的な情報を提供する。ただし、データを漫然と眺めるだけではその本質は解らず、適切な分析を⾏うことではじめて有⽤な情報が得られる。本講義では多変量データから情報を引き出すための統計的な⽅法を学ぶ。特に多変量データの可視化、主成分分析とその派生形、多次元尺度構成法、クラスター分析、因子分析と構造方程式モデル、などを解説する。数学的基礎とともに、統計ソフトウェアRによってそれらの手法を実データに対して適⽤する例も示す。

科目目的

⾃分のデータに対して最新の多変量解析⼿法を適⽤し、有⽤な情報を得られるようにすることを目標とする。

到達目標

学⽣は講義で学んだ多変量解析⼿法の結果を正しく解釈することができるようになる。さらに統計ソフトウェアRを⽤いて⾃分⾃⾝のデータに対してそれらの⼿法を適⽤し、知⾒を得られるようになる。

授業計画と内容

1. 多変量データと多変量解析 (1)
2. 多変量データと多変量解析 (2)
3. 多変量データの可視化
4. 主成分分析 (1)
5. 主成分分析 (2)
6. 多次元尺度法 (1)
7. 多次元尺度法 (2)
8. 多次元尺度法 (3)
9. クラスター分析 (1)
10. クラスター分析 (2)
11. 確証的因子分析と構造方程式モデル (1)
12. 確証的因子分析と構造方程式モデル (2)
13. 確証的因子分析と構造方程式モデル (3)
14. 総括

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）

指定したテキストや配付したスライドを事後に読み込むこと。

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）

課題や試験のフィードバック方法

授業時間内で講評・解説の時間を設ける

課題や試験のフィードバック方法（その他の内容等）

アクティブ・ラーニングの実施内容

実施しない

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）

統計解析ソフトウェアR

実務経験のある教員による授業

はい

【実務経験有の場合】実務経験の内容

担当教員は種々のデータの解析およびコンサルタントの経験がある。

【実務経験有の場合】実務経験に関連する授業内容

担当教員の経験より、データを実際に利⽤・解析・解釈する上で重要な観点を教える。

テキスト・参考文献等

教科書: Brian Everitt, Torsten Hothorn, An Introduction to Applied Multivariate Analysis with R, Springer
教科書の入手法は最初の講義で説明する。

その他特記事項

参考URL