原文



実践統計手法

~実務に用いられる統計手法の実践的活用〜

概要

・本セミナーでは、統計学を実務に活用、応用するために必要な知識・手法について、多くの具体的な事例を用いて実践的に学習します。
・統計学を実践的に活用するためには、統計学の本質的理解に加えて、数多くの事例演習体験が必須です。具体的な事例について正しく分析し、正しく解釈するトレーニングが統計分析力の養成に役立ちます。
・演習には、EXCEL2016及びフリーソフトウェア(Rviewer)を用い、各自1台ずつPCを用いた演習を行いますので、受講後、実務への実践的活用が可能です。
 (PCはご用意致しますが、持ち込みも可能です。)
・理解度を深めるために「実践統計学」を併せて受講されることをお勧め致します。
(特に数学の知識は必要ありません。)

#本セミナーは、従来開講していました「ビジネスに役立つ統計学(応用編)」を改編し、実務に用いられる実践的手法をより多くとりあげました。
#本セミナーにてとりあげる手法は、Rによる統計学(実践編)と同様です。
注)Rviewer:コマンド入力の必要な「R」を、EXCEL同様、GUI方式を用いメニューの選択方式で操作可能としたソフトウェアです。

受講目標

 解決すべき問題の特徴を的確にとらえ最適な統計分析手法の選択能力、及び分析結果を正しく解釈する能力の習得

受講対象

・統計学の実践的な活用方法を習得されたい方
・実務に合わせた様々な統計手法について学びたい方

学習内容

1.統計学の分析体系及び統計学の考え方
  統計学を実践的に活用するために必要な基本的な統計学の考え方、分析体系を理解します。

2.記述統計

  1)データの特徴の把握
    箱ひげ図、ヒストグラム、散布図
  2)外れ値の決め方
    正規分布による場合、箱ひげ図による場合、中央絶対偏差を用いる場合
  3)正規性の検定

3.t検定
  2群のデータの平均値の違いについて判断する方法について学びます。

  1)1標本、2標本、対応のある場合
  2)区間推定、効果量、検出力
    サンプルサイズに合った分析結果の解釈の方法について学習します。
  3)サンプルサイズの設定方法
    効果量、検出力、有意水準を設定しサンプルサイズを求める方法
    ・分析結果から検出力を求める
    ・対応の有無による分析結果の違いを比較する

4.ノンパラメトリック検定

  1)対応のない場合
    ウイルコクソン順位和検定(マンホイットニのU検定)のしくみと活用方法
  2)対応のある場合
    ウイルコクソンの符号付順位和検定のしくみと活用方法
  3)効果量
    ・パラメトリック検定(t検定)との分析結果の違いを比較

5.分割表の検定

データの形式、サンプルサイズに合わせた検定の選択方法について学びます。

  1)カイ二乗検定、フィッシャーの正確確率検定
  2)効果量
    ファイ係数、クラメールの連関指数の求め方と解釈方法
  3)オッズ比とリスク比
    オッズ比とリスク比の違い、活用方法について学びます。

6.相関分析
 データの種類の違いによる相関関係の把握方法、相関係数の使用方法について学びます。

  1)ピアソンの積率相関係数
  2)偏相関係数
    交絡変数を除いた場合の積率相関係数の求め方について学びます。
    ・交絡変数の有無による積率相関係数の違いを比較する
  3)スピアマンの順位相関係数
    順位データの場合の相関係数の求め方を学びます。
    ・積率相関係数と順位相関係数の違いについて比較する

7.線形回帰分析

  1)モデルのしくみ
    分析結果(決定係数、偏回帰係数、t値、P値等)の解釈方法
  2)最適なモデルの求め方
  3)データの特徴、種類に合わせた分析方法
    ・説明変数に内部相関があるとき
    ・交互作用項を含む分析方法
    ・ダミー変数を含む重回帰分析
    ・カテゴリーデータを含む場合の重回帰分析
    ・説明変数が質的変数の場合の分析方法

8.ロジスティック回帰分析
  従属変数が2値変数(1,0)の場合における回帰分析の方法について学びます。

  1)モデルのしくみ
    分析結果(回帰係数、Z値、P値等)の解釈方法
  2)予測値の求め方
    予測値を求めて分類に活用します。
  3)オッズ比の求め方と活用法
    ・ダミー変数を含む場合の分析方法

9.主成分分析
  ビッグデータ分析によく用いられる変数の代表的な縮約方法である主成分分析について学びます。

  1)モデルのしくみ
  2)分析結果の解釈
    分析結果(固有値、主成分負荷量、寄与率等)の解釈方法と主成分スコアの活用法

10.因子分析
  ブランドイメージ等潜在的な要因を探る代表的手法である因子分析について学びます。

  1)モデルのしくみ
    因子分析のしくみと主成分分析との違い
  2)因子の抽出方法
    代表的な因子抽出方法である主因子法、最尤法の特徴と利用方法
  3)回転(直交、斜交)
    直交回転であるバリマックス回転、斜交回転であるプロマックス回転のしくみ
  4)分析結果の解釈
    分析結果(固有値、主成分負荷量、寄与率、共通性(独自性)等)の解釈方法と因子スコアの利用方法
    ・因子抽出方法、回転方法の違いによる分析結果の違いを比較する
    ・主成分分析の結果と比較する

11.クラスター分析
  ビッグデータ分析によく用いられる変数及びサンプルのグルーピング方法について学びます。

  1)階層クラスター分析
    階層クラスター分析のしくみを具体的に学習し、得られたデンドログラムからグルーピングする方法について学びます。
  2)非階層クラスター分析
    k-mean法のしくみを具体的に学び、さらに、階層と非階層の違い、それぞれのメリットとデメリットについて学びます。
    ・階層クラスターと非階層クラスター分析の結果を比較する

(具体的な事例を用いながら解説します。)
(セミナーの内容は一部変更される場合があります。)

 
Copyright © データサイエンス研究所 All Rights Reserved.
S