ゼミナールⅡ （野澤研）

SeminarⅡ

9987H08

87UGRES302

野澤　昌弘

Masahiro NOZAWA　

2026年度後期

2026年度

②Second semester

水曜3限

Wednesday 3rd Period

経営学部　ビジネスエコノミクス学科

Department of Business Economics, School of Management

2.00単位

演習

Seminar

-

① [対面]対面授業/ [On-site] On-site class

多変量解析手法について理論と実践を学ぶ．

さまざまな分野で広く利用されている多変量解析手法について，数理を基礎から学習することで数量的スキルを養い，また実践における問題解決力および論理的思考力を身に付ける．
本学科のディプロマ・ポリシーにおける「ビジネス環境で発生している諸々の問題に対して自然科学及び社会科学の知識を活用して解明するという基本的方針の下で理論的かつ実践的な考え方を身に付ける」ための科目である．また，本学の「専門教育の目標」に挙げられている「専門知識を活用して各分野における課題を論理的・批判的に思考する能力」を養うための科目である．

さまざまな分野で広く利用されている多変量解析手法の数理を基礎から学び，現実の問題を解決するうえで正しく利用できるようになることを目標とする．

リンク先の [評価項目と科目の対応一覧]から確認できます（学部対象）。
履修登録の際に参照ください。
​You can check this from “Correspondence table between grading items and subjects” by following the link(for departments).
https://www.tus.ac.jp/fd/ict_tusrubric/​​​

「ゼミナール１」をマスターしていることが前提となる．

ディベート・ディスカッション　Debate/Discussion／プレゼンテーション　Presentation

-

次回のゼミの課題について，予習として3時間程度かけて解答を作成しておくこと．また，毎回のゼミでの疑問点は必ず，1時間程度かけて復習によって克服しておくこと．

毎回の授業の理解度および議論への参加度によって評価する．
なお，理由の如何に問わず，4回以上欠席(遅刻を含む)した場合は履修放棄とみなす．

・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

N

-

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
​https://gomykits.kinokuniya.co.jp/tokyorika/​​​

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
​​https://gomykits.kinokuniya.co.jp/tokyorika/

多変量解析法入門，永田靖・棟近雅彦，サイエンス社，2001，9784781909806 ．

  1　　重回帰分析　　　　　　重回帰分析の基本事項について理解する(1)　　　(重回帰モデル，偏回帰係数など)
  2　　　　〃　　　　　　　　重回帰分析の基本事項について理解する(2)　　　(重回帰分析に関する検定・推定)
  3　　　　〃　　　　　　　　重回帰分析の基本事項について理解する(3)　　　(重回帰分析に関する問題)
  4　　　　〃　　　　　　　　重回帰分析の基本事項について理解する(4)　　　(ダミー変数の利用)
  5　　主成分分析　　　　　　主成分分析の基本事項について理解する(1)　　　(主成分の導出：情報損失量最小)
  6　　　　〃　　　　　　　　主成分分析の基本事項について理解する(2)　　　(主成分の導出：分散最大)
  7　　　　〃　　　　　　　　主成分分析の基本事項について理解する(3)　　　(主成分の解釈)
  8　　判別分析　　　　　　　判別分析の基本事項について理解する(1)　　　　(線形判別関数，群間・群内平方和など)
  9　　　　〃　　　　　　　　判別分析の基本事項について理解する(2)　　　　(線形判別関数の導出)
10   　  　  〃　　　　　　　　判別分析の基本事項について理解する(3)　　　　(マハラノビス距離)
11   　  　  〃　　　　　　　　判別分析の基本事項について理解する(4)　　　　(マハラノビス距離による判別分析)
12　　クラスター分析　　　　クラスター分析の基本事項について理解する(1)　(個体間距離，クラスター間距離)
13 　　 　  〃 　　　　 　　　 クラスター分析の基本事項について理解する(2)　(階層的クラスター分析の手順)
14　　　　〃　　　　　　　　クラスター分析の基本事項について理解する(3)　(非階層的クラスター分析の手順)
15 　　数量化理論　　　 　　 数量化理論の全体像について理解する　　　　　  (数量化Ⅰ類，数量化Ⅱ類，数量化Ⅲ類)

本科目は原則として全ての講義回を対面講義として実施する対面授業科目なので，すべての履修学生は，全ての講義回に対面で出席することが求められる．

-

-

-

講義は原則として上記の授業計画に従い進めるが，授業の理解度などの状況によって，内容や進度を調整することがある．それらについては，LETUSを通じて伝えるので，必ずLETUSを閲覧するようにしてください．

Y

N