経営統計学特論２

Managerial StatisticsⅡ

998F11B

86MCDDA504

野澤　昌弘

Masahiro NOZAWA

2026年度前期

2026年度

①First semester

水曜2限

Wednesday 2nd Period

経営学研究科　経営学専攻

Department of Management, Graduate School of Management

2.00単位

講義

Lecture

-

① [対面]対面授業/ [On-site] On-site class

統計的データ解析手法，特に多変量解析手法について解析事例を通じて理論と実践を学ぶ．

Students learn theories and practices on several statistical data analysis methods, especially multivariate analysis methods through case studies.

さまざまな分野で広く使われている統計的データ解析手法，特に多変量解析手法について数理面および実際面から学習することを通じて，問題解決力および論理的思考力を身に付ける．
本研究科本専攻のカリキュラム・ポリシーにおける「データサイエンスといった研究領域の高度な手法を教授する」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．

Students acquire problem solving skills and logical thinking skills by learning mathematical and practical aspects of several statistical data analysis methods, especially multivariate analysis methods widely used in various fields.
This course is designed to "teach advanced methods in research fields such as data science" as stated in the curriculum policy of this department of the Graduate School.  Furthermore, this course is designed to cultivate the ability to think logically and critically about issues in various fields by applying specialized knowledge, as outlined in the university's “Goals for Specialized Education”.

統計的データ解析手法を用いることによって，論理的に問題を解決できるようになる．

By using statistical data analysis methods, students can logically solve problems.

講義は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．

Although the lecture will proceed according to the class plan, there are cases where the content and progress may be adjusted depending on the situation such as the understanding degree of the lesson.

-

-

当日の講義を意味あるものにするために予習に3時間，および当日の学習内容を確固たるものにするために復習に1時間の時間をかけること．

Students should spend three hours preparing for the lecture to make sense of the day's lectures, and one hour reviewing the content of the day's lectures to solidify what they have learned.

議論への参加の程度によって評価する．

Evaluate according to the degree of participation in the discussion．

・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/

［その他資料］必要があれば，資料を配付する．

［Other materials] Hand out materials if necessary.

  1　　多変量解析の概要　　　　多変量解析の全体像について理解する
  2　　重回帰分析・数量化Ⅰ類　重回帰分析・数量化Ⅰ類の解析例について検討する(1回目)
  3　　　〃　　　　　　　　　　重回帰分析・数量化Ⅰ類の解析例について検討する(2回目)
  4　　　〃　　　　　　　　　　重回帰分析・数量化Ⅰ類の数理面について補足する(1回目)
  5　　　〃　　　　　　　　　　重回帰分析・数量化Ⅰ類の数理面について補足する(2回目)
  6　　判別分析　　　　　　　　判別分析の解析例について検討する
  7　　　〃　　　　　　　　　　判別分析の数理面について補足する
  8　　ロジスティック回帰分析　ロジスティック回帰分析の解析例について検討する
  9　　　〃　　　　　　　　　　ロジスティック回帰分析の数理面について補足する
10　　多段層別分析　　　　　　多段層別分析の解析例について検討する
11　　　〃　　　　　　　　　　多段層別分析の数理面について補足する
12　　主成分分析　　　　　　　主成分分析の解析例について検討する
13　　　〃　　　　　　　　　　主成分分析の数理面について補足する(1回目)
14　　　〃　　　　　　　　　　主成分分析の数理面について補足する(2回目)
15　　まとめ　　　　　　　　　これまでの学習の疑問点などを整理し，正しく理解する

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，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．


  1　Multivariate analysis:Outline
  2　Regression Analysis and Quantification Method Type I：Case Study(1)
  3　Regression Analysis and Quantification Method Type I：Case Study(2)
  4　Regression Analysis and Quantification Method Type I：Mathematical background(1)
  5　Regression Analysis and Quantification Method Type I：Mathematical background(2)
  6　Discrimination analysis：Case Study
  7　Discrimination analysis：Mathematical background
  8　Logistic regression analysis：Case Study
  9　Logistic regression analysis：Mathematical background
10　Automatic Interaction Detector：Case Study
11　Automatic Interaction Detector：Mathematical background
12　Principal Component Analysis：Case Study
13　Principal Component Analysis：Mathematical background(1)
14　Principal Component Analysis：Mathematical background(2)
15　Multivariate analysis：Summary

As this is a face-to-face course, all lecture sessions are held as face-to-face lectures in principle. students are required to attend all lectures in person.

-

-

-

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．

In principle, lectures will be conducted in accordance with the above class plan, but the content and progress may be adjusted depending on the level of understanding of the class and other factors.

N

N