【中止】全くの初心者からでも大丈夫：多変量解析入門 【２日間講座：Ｒによる実習付】

セミナー趣旨

　多変量解析とは、複数の変数からなるデータを統計的に分析する手法の総称です。多変量解析にはさまざまな手法が含まれ、その使われ方も、実務・研究の領域によって大きく異なります。概念・用語や用途が多様である点で、初心者が高いハードルを感じる分野でもあります。ともすれば、わけのわからない魔法のようにみえたり、難しいことばで素人をだますテクニックのようにみえてしまったりするでしょう。
　しかし本来、多変量解析のそれぞれの手法は、手元のデータをある角度から理解しようとする工夫の集まりであり、個々の発想自体は難しいものではありません。また、それらは魔法でも詐術でもなく、一定の有用性と一定の限界を持つ道具にすぎません。
　本セミナーでは、さまざまな多変量解析手法を、主にビジネス・ユーザの観点から幅広く紹介します。
　はじめに、理解・学習に必要な最低限の必要知識を解説します。
　つぎに、多変量解析の用途を大きく次の3つにわけ、それぞれについて主要な手法を紹介します。

　(1)データを視覚化する …データを適切に表現し、わかりやすく伝える
　(2)因果関係を探る …原因と結果の関連性を評価し、施策立案に役立てる
　(3)隠れた構造を探る …データの背後にあるしくみと意味について推理する

　紹介にあたっては、手法の背後にある数理的基盤よりも、手法の選択のポイント、解釈上のポイントにより焦点を当てます。最後に、実務家にとって効果的な活用方法と学習方法について紹介します。
　主要な分析法の講義とともに、広く普及しているフリーの統計ソフト・Rを使用した実習を行います。実際にデータを受講者に解析いただくことで、よりわかりやすく理解していただくことを目指します。

受講対象・レベル

• 文献、レポート、カタログ等に出てくる統計的データ解析の結果を適切に読み取れるようになりたい方。
• これから自分で多変量解析に取り組みたい方。
• 必要に迫られてデータ解析を我流でやっているが、独学ではわからないことが多く、困っている方。また正しいかどうか自信がない方。

など

習得できる知識

• 多変量解析についての基礎知識を習得できる
• 手法の理解と使い分けのポイントについて理解できる
• 統計ソフトRに触れ、その基本的な使用方法を習得できる
• さらに勉強を進めるための方法・情報源を知ることができる

など

セミナープログラム

【1日目】

0. イントロダクション
　0.1 多変量解析とは
　0.2 企業実務における多変量解析の意義
　0.3 このセミナーの内容、目標、進め方
　0.4 ソフトウェア紹介
　＜実習1＞ 統計ソフト Rの基本操作

1. 統計データの観察と要約 ～データを適切に表現し、わかりやすく伝える～
　1.1 データの構造
　1.2 データ解析の3つの段階
　1.3 変数の観察と要約：量的な1変数
　　(1) 度数分布表とヒストグラム
　　(2) 幹葉図
　　(3) ヒストグラムから読み取れること
　　(4) 値の大きさを要約するには？ ～平均とその他の方法～
　　(5) 値のばらつきを要約するには？ ～標準偏差とその他の方法～
　1.4 変数の観察と要約：量的な2変数
　　(1) 散布図
　　(2) 相関表
　　(3) 散布図・相関表から読み取れること
　　(4) 関係の強さを要約する ～相関係数～
　1.5 変数の観察と要約：質的な1変数
　　(1) 度数分布とヒストグラム
　　(2) 分布を要約する
　1.6 変数の観察と要約：質的な2変数
　　(1) クロス表
　1.7 変数の観察と要約：質的変数と量的変数
　　(1) 層別度数分布の図示
　　(2) 箱ひげ図
　　(3) 層別の要約統計量の図示
　 ＜実習2＞ 一変量の視覚化 ～ヒストグラムと箱ひげ図を使いこなす～
　1.8 視覚化の役割
　　(1) 他人のための視覚化　～図示の三原則～
　　(2) 自分のための視覚化
　1.9 まとめ

2. 多変量データの視覚化 ～データ行列を一目で捉える～
　2.1 イントロダクション
　2.2 主成分分析
　　(1) 主成分分析の考え方
　　(2) 主成分分析に関する用語
　　(3) 主成分分析のバリエーション
　 ＜実習3＞主成分分析によるデータ行列の視覚化
　2.3　主成分分析の用途
　　(1) 主成分分析の解釈を通じた変数の理解
　　(2) 主成分得点による個体の位置づけ
　　(3) 主成分分析によるデータ行列の視覚化
　　(4) 主成分分析の応用例 ～製品選好マッピング～
　2.4 主成分分析の関連手法 ～コレスポンデンス分析～
　　(1) コレスポンデンス分析のしくみ
　　(2) コレスポンデンス分析の性質
　　(3) コレスポンデンス分析の用途
　2.5 まとめ

3. 統計的推測の基礎 ～データに基づき推測する～
　3.1 母集団と標本
　3.2 さまざまな統計的推測 ～推定と検定～
　3.3 母平均についての推測
　3.4 母分散についての推測
　3.5 統計的推測と確率分布 ～正規分布とはなにか～
　3.6 母平均についての推測はどのくらいあてになるか　～標準誤差とはなにか～
　3.7 推測の「良さ」の2つの側面　～正確性と精度～
　3.8 まとめ

【2日目】

　＜1日目の振り返り＞

4. 因果関係の探索 ～データを生み出すメカニズムを探る～
　4.1 イントロダクション
　4.2 データから因果関係を推測できるか？
　4.3 層別とその落とし穴
　4.4 構造因果モデルとグラフィカル・モデル
　＜実習4＞ベイジアン・ネットワークによる因果探索
　4.5まとめ

5. 回帰分析の基礎 ～原因と結果の変数の関連性を評価し、施策立案に役立てる～
　5.1 イントロダクション
　5.2 データから因果関係を推測できるか？
　5.3 回帰分析の考え方
　　(1) 回帰直線
　　(2) 予測モデルとしての回帰直線
　　(3) 因果モデルとしての回帰直線
　　(4) 回帰直線の求め方
　　(5) 回帰直線の性質
　＜実習5＞実験データの単回帰分析
　5.4 因果モデルとしての回帰直線
　　(1) 因果的効果の2種類の「強さ」
　　(2) 回帰係数はなにを表しているのか？
　　(3) 決定係数はなにを表しているのか？
　　(4) 回帰分析からみた相関係数
　5.5 正規性の仮定とその意義
　5.6 まとめ

6. 回帰分析の実際
　6.1 イントロダクション
　＜実習6＞調査データの重回帰分析
　6.2 重回帰分析とは
　　(1) 重回帰モデル
　　(2) 偏回帰係数はなにを表しているのか？
　6.3 重回帰分析の手順
　　(1) 重回帰モデルの推定
　　(2) 性能の評価
　　(3) 変数の選択
　　(4) 妥当性の検討
　6.4 多重共線性
　6.5 回帰分析の関連手法
　　(1) 分散分析との関係
　　(2) 回帰分析の仲間たち ～ロジスティック回帰と一般化線形モデル～
　　(3) 交互作用の発見 ～決定木・回帰木～
　6.6 まとめ

7. 隠れた構造を探る ～データの背後にある意味について推理する～
　7.1 イントロダクション
　7.2 因子分析
　　(1) 因子分析はなぜ生まれたか
　　(2) 因子分析の4つのステップ
　　(3) 用語の紹介
　　(4) 主成分分析との比較
　＜実習7＞調査データの探索的因子分析
　7.3 因子分析の手順
　　(1) モデルを想定する
　　(2) 因子数を決める
　　(3) 抽出・回転
　　(4) 解釈
　7.4 因子分析のしくみ
　　(1) データ
　　(2) 因子分析モデル
　　(3) 因子の回転　～直交回転と斜交回転～
　　(4) なぜ単純構造を探すのか
　　(5) 因子寄与の意義
　7.5 因子分析の実際
　　(1) 因子分析の用途
　　(2) 因子分析の解釈
　7.6 潜在変数モデルの仲間たち
　　(1) 確認的因子分析
　　(2) 構造方程式モデリング (SEM)
　　(3) データに基づく分類 ～クラスター分析～
　　(4) 時系列の背後の潜在変数 ～状態空間モデル～
　7.7 まとめ

8. 多変量解析とのつきあい方
　8.1 検証的アプローチと探索的アプローチ、どちらが良いか？
　8.2 新しい手法を実務に展開するためには？
　8.3 アドバイザーとどうつきあうか
　8.4 どうやって勉強するか

　＜質疑応答＞

＊過去の参加者の声：
　「大変わかりやすい講義だった。復習することで、かなりの部分が理解できると思われる」
　「文系女子大で講義されていただけあり、説明が大変わかりやすかった」
　「重回帰分析や主成分分析が分かりやすくて良かった」
　「これまで何となくわからないまま行っていたこと・行っていなかったことがどんな意味を持つのかよく理解できた」
　等々

セミナー講師

（株）インサイト・ファクトリー R&D ディレクター 　小野 滋 先生

セミナー受講料

1名73,700円(税込（消費税10％）、資料付)
　　　＊1社2名以上同時申込の場合、1名につき62,700円
　　　＊学校法人割引；学生、教員のご参加は受講料1名40,700円となります。

※新型コロナウイルスの感染防止の一環として当面の間、昼食の提供サービスは中止させて頂きます。

＜実習用ＰＣに関するご注意＞
セミナーで使用するPCは主催者にて用意いたします。
お手持ちのPCを希望される方はお問い合わせください。
※ＰＣ持込による値引きはありません。