科目ナンバー

CM-OI1-83XS

履修条件・関連科目等

事前登録科目です。
履修希望者が定員を超過した場合は、抽選にて履修者を決めます。日程等の詳細を授業時間割で確認してください。2022年度以前に「入門データ分析演習」または「応用データ分析演習」を修得している学生は履修できません。 2022年度以前入学生も授業科目一覧上にはありませんが、履修可能です。修得した単位は「リベラルアーツ科目　自然科学系」に算入されます。
統計入門を履修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

R（実行環境はR Studio）を用いて、データ分析手法について学びます。現在、マーケティングやファイナンスなどのビジネスの現場、また研究でも実証的な手法として統計的な手法が多く使われています。この授業では自らの手を動かすことで知識の定着を行います。

科目目的

データ分析のスタンダードな手法を理解すること目標とします。分析手法の背景にある理論については直感的な説明をします。また、本科目はリベラルアーツ科目における自然科学系科目に位置付けられており、データサイエンスの基礎的な位置付けとして、発展的なデータサイエンス・機械学習への土台となる科目です。

到達目標

- データ分析のスタンダードな手法を理解すること。
- それぞれの分析手法の使い所を判断できるようになること。
- 分析手法の結果を適切な手法を用いて評価できること。

授業計画と内容

１．Rの基礎1（変数・関数・文字列の入出力）
２．Rの基礎2（条件式と分岐・繰り返し・関数の定義）
３．１変量の記述統計
４．多変量の記述統計
５．推測統計の基礎
６．確率分布
７．質的変数の仮説検定
８．量的変数の仮説検定
９．回帰分析
10．分散分析
11．一般化線形モデル
12．主成分分析・因子分析・構造方程式モデリング
13．クラスター分析
14．まとめ

授業時間外の学修の内容

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

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

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

実施しない

授業におけるICTの活用方法（その他の内容等）

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

2011年4月 ～2021年3月株式会社日本リサーチセンター勤務
業務内容：マーケティング・リサーチ

【実務経験有の場合】実務経験に関連する授業内容

実務で統計的手法を活用してきた経験を踏まえ、統計的手法によって得られた結果の解釈と実務上注目すべき点や注意すべき点について講義します。

テキスト・参考文献等

本橋 永至（2015）Rで学ぶ統計データ分析，オーム社．
照井 伸彦, 佐藤 忠彦（2022）現代マーケティング・リサーチ〔新版〕: 市場を読み解くデータ分析, 有斐閣．

その他特記事項

以下のソフトウェアを利用します。
R （統計ソフト）
R Studio （R を使うための開発環境）

参考URL