科目ナンバー

CG-OM6-202L

履修条件・関連科目等

英語の text を理解できること、自分のPCで実習を行えることを前提とします。
統計とRの基本を理解していることが望ましいです。

授業で使用する言語

日本語／英語

授業で使用する言語（その他の言語）

授業の概要

この科目では，マーケティングを含む商業学で用いられるデータ集計法，推薦システムをRを用いて学びます。同時に，自らの研究設計に基づいてデータを収集し，量的分析を行います。

科目目的

人間の認知の多様性と経済社会的行動との関連を中心に，データ分析スキルを活用してマーケティングを含む商業学の分野のアカデミックな世界で活躍できる能力を総合的に身につける人材を養成します。デジタルに大量に蓄積したデータを顧客や一般社会の理解のために実践的に活用した研究をするために，特殊研究Ⅱの目的は，(1) Rmarkdownを使った集計・図の作成と，(2) Rを用いた推薦システムの作成，(3) 研究設計に従ってデータを収集して分析をすることが本科目の目的です。

到達目標

商業学におけるデータ分析法の専門的知識と研究力の基礎を身につけるために，この科目は以下の４つを到達目標とします。
　・Rmarkdownを使って図表を作る方法を理解する。
　・協調フィルタリングを使った推薦システムについて理解する。
　・自らの独創的な研究課題（テーマ）に関する調査を実施する。
　・自らの独創的な課題（テーマ）に関して収集したデータを分析する。

授業計画と内容

1. Rのインストール
2. データの要約 2-2
3. 確率分布の基本 1-4、統計モデルの基本 1-5
4. tidyverse の基本
5. 可視化 2-3
6. 学生発表（問題意識）
7. 学生発表（文献調査）
8. 学生発表（命題）
9. モデルを用いた予測 3-3
10. 学生発表（独立変数＆従属変数・先行研究）
11. 学生発表（その他変数・先行研究）
12. ポアソン回帰モデル 3-8
13. 学生発表（モデル）
14. 学生発表（調査票）
15. MCMCの基本1-7
16. MCMC結果の評価 2-5
17. Stanコーディング2-6
18. 学生発表（分析計画）
19. 時系列分析 5-1
20. 状態空間モデル 5-3
21. 学生発表（プリテスト）
22. 学生発表（予備分析）
23. 学生発表（本調査）
24. 学生発表（分析）
25. 学生発表（結果）
26. 学生発表（論文）
27. 学生発表（スライド）
28. 学生発表（読み原稿）

授業時間外の学修の内容

指定したテキストやレジュメを事前に読み込むこと／授業終了後の課題提出

授業時間外の学修の内容（その他の内容等）

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／授業時間に限らず、manabaでフィードバックを行う

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

反転授業（教室の中で行う授業学習と課題などの授業外学習を入れ替えた学習形式）／プレゼンテーション／実習、フィールドワーク

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）

PCによる実習

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

シンクタンク勤務経験あり（コンサルティングのための調査経験がある）。

I worked for a Japanese consulting firm (I did some research for consulting).

【実務経験有の場合】実務経験に関連する授業内容

実務経験としてフィールドワーク、集合調査、データ分析等を実施して、顧客用の報告書にまとめていた。社会の求める調査をしていた経験は、実務経験内容と「社会関係の調査法」は関連している。

While I was working at a consulting firm, I did fieldworks, collective interview, data analysis, etc. to make reports for customers. Data analytics now has been largely developed compared to those days, but my working experience is conductive to teaching "Research Methods in Social Relations".

テキスト・参考文献等

【テキスト】
武石・佐々木『はじめてのAI・データサイエンス』
Efron & Hastie, 2021, Computer Age Statistical Inference, Student Edition -- Algorithms, Evidence, and Data Science, Cambridge, UK: Cambridge University Press.
馬場真哉（2019）『RとStanではじめる　ベイズ統計モデリングによるデータ分析入門』講談社

その他特記事項

RおよびRstudioを使います。学生の希望により、Python、SPSS、Amosも使います。これらは、基本的に自分のPCで実習を行えることを前提とします。ただしAmosはWindowsのみ使用可能のため、自分のPCがMacの場合には大学院事務室から貸し出しを受けます。

参考URL