基本情報/Basic Information

開講科目名 ／Course	シミュレーション論研究（多変量解析論）／SYSTEM MODELING AND SIMULATION（MULTIVARIATE ANALYSIS THEORY）
開講所属 ／Course Offered by	大学院／
ターム・学期 ／Term・Semester	2023年度／2023 Academic Year　　春学期／SPRING SEMESTER
曜限 ／Day, Period	火5／Tue 5
開講区分 ／semester offered	通年／Yearlong
単位数 ／Credits	4.0
主担当教員 ／Main Instructor	樋田　勉
科目区分 ／Course Group	大学院科目　講義科目

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
樋田　勉	国際環境経済学科／ECONOMICS ON SUSTAINABILITY

授業の目的・内容 ／Course Objectives	（研究科ポリシーとの関連） 学位授与方針と関わる能力としては，経済・経営・情報分野における研究能力のうち，特に，データ等の情報を調査，収集し，仮説を設定する帰納的思考能力，及び，設定した仮説を秩序立てて立証する演繹的思考能力の養成を目標とする。 教育課程の編成・実施方針（CP）中の情報コースの科目として，様々な現象をPCを用いて分析でき，研究論文を作成できるようになることを目標とする。 （授業の具体的な目的と内容） この授業では，経済経営分野のデータ解析に多用される回帰分析，主成分分析，判別分析等の多変量解析法をテキストの輪読により理解すると同時に，統計解析ソフトウェアによるデータ解析の方法の習得を目指す。 実際に多変量解析法により経済経営分野のデータを分析するためには，専門的な統計解析ソフトウェアを利用する必要がある。この科目は，情報科目群に位置づけれていることから，実際のデータを分析できるようになることを重視し，データサイエンスの分野で標準的に利用されるソフトウェアの一つであるフリー統計ソフトR・RStudioを用いたデータ解析の演習を行うことにより理解を深める。 受講生はテキストの輪読によって統計手法を理解した上で，各自の関心のある分野のデータを収集して統計分析を実施し，その結果を発表することを求められる。結果を発表して議論することにより分析手法の理解を深める。
授業の形式・方法と履修上の注意 ／Teaching method and Attention the course	授業はテキストの輪読によって行う。 受講生はテキストで説明されている統計的手法の理論的な内容と，フリー統計ソフトR・RStudioを用いて統計計算を行う方法をまとめたレジュメを作成して報告する。 この授業の履修には，学部レベルの数学（基本的な線形代数，微分など）と統計学の知識（確率，確率分布，推定，統計的仮説検定など）を前提とする。
事前・事後学修の内容 ／Before After Study	事前のレジュメの作成（3時間），事後のデータ解析演習・復習（1時間）が必要である。
テキスト1 ／Textbooks1	書籍名 ／Title Rによる 統計的学習入門 著者 ／Author name Gareth James , Daniela Witten ほか 出版社 ／Publisher 朝倉書店 ISBN ／ISBN 978-4254122244 その他（任意） ／other
テキスト2 ／Textbooks2	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
テキスト3 ／Textbooks3	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等1 ／References1	書籍名/ｻｲﾄ名 ／Title Rによる多変量解析入門 著者 ／Author name 川端 一光 , 岩間 徳兼 , 鈴木 雅之 出版社/URL ／Publisher オーム社 ISBN ／ISBN 978-4274222368 その他（任意） ／other
参考文献等2 ／References2	書籍名/ｻｲﾄ名 ／Title 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等3 ／References3	書籍名/ｻｲﾄ名 ／Title 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
評価方法 ／Evaluation	授業への取り組み状況・貢献度（30%），期末レポート（70％）で評価する。 授業への取り組み状況・貢献度： 授業期間における授業への参加度，貢献度，レジュメを用いた発表の内容を評価する。 期末レポート： 学期末にデータ解析のレポート・プレゼンテーションを実施する。その内容を評価する。
備考 ／Notes	参考書は適宜指示する
関連科目 ／Related Subjects	統計演習
到達目標 ／Learning Goal	シミュレーションについての修士レベルの知識を修得し，様々な現象のコンピュータ・シミュレーションができるようにする．

回 ／Time	授業計画（主題の設定） ／Class schedule	授業の内容 ／Contents of class	事前・事後学修の内容 ／Before After Study
1	オリエンテーション	授業全体の説明を行う。
2	Rによる統計計算の基礎（１）・（講義・演習）	R・RStudioの使い方についての講義と演習を行う。
3	Rによる統計計算の基礎（２）・（講義・演習）	Rによる基本的な統計計算についての講義と演習を行う。
4	Rによる統計計算の基礎（３）・（講義・演習）	Rによる基本的なデータ処理とプログラミングについての講義と演習を行う。
5	回帰分析（1）・（講義・演習）	単純回帰分析，回帰係数，決定係数についての講義と演習を行う。
6	回帰分析（2）・（講義・演習）	重回帰分析，偏回帰係数，自由度修正済み決定係数についての講義と演習を行う。
7	回帰分析（３）・（講義・演習）	質的変数の利用とモデル選択についての講義と演習を行う。
8	回帰分析によるデータ解析演習（1）・（演習）	回帰分析を用いてデータ解析を行うについての講義と演習を行う。
9	回帰分析によるデータ解析演習（2）・（演習）	回帰分析を用いてデータ解析を行い結果を報告するについての講義と演習を行う。
10	主成分分析（講義・演習）	主成分分析についての講義と演習を行う。
11	クラスター分析（講義・演習）	クラスター分析についての講義と演習を行う。
12	主成分分析とクラスター分析によるデータ解析演習	主成分分析とクラスター分析を用いてデータ解析を行い結果を報告する。
13	因子分析（講義・演習）	因子分析についての講義と演習を行う。
14	因子分析によるデータ解析演習（演習）	因子分析を用いてデータ解析を行い結果を報告する。
15	判別分析（講義・演習）	判別分析についての講義と演習を行う。
16	判別分析によるデータ解析演習（演習）	判別分析を用いてデータ解析を行い結果を報告する。
17	ロジスティックス回帰（講義・演習）	ロジスティックス回帰についての講義と演習を行う。
18	ロジスティックス回帰によるデータ解析演習（演習）	ロジスティックス回帰を用いてデータ解析を行い結果を報告する。
19	リサンプリング法（講義・演習）	リサンプリング法についての講義と演習を行う。
20	リサンプリング法によるデータ解析演習（演習）	リサンプリング法を用いてデータ解析を行い結果を報告する。
21	リッジ回帰（講義・演習）	リッジ回帰についての講義と演習を行う。
22	リッジ回帰によるデータ解析演習（演習）	リッジ回帰を用いてデータ解析を行い結果を報告する。
23	LASSO（講義・演習）	LASSOについての講義と演習を行う。
24	LASSOによるデータ解析演習（演習）	LASSOを用いてデータ解析を行い結果を報告する。
25	ツリーモデル（講義・演習）	ツリーモデルについての講義と演習を行う。
26	ランダムフォレスト（講義・演習）	ランダムフォレスト
27	ランダムフォレストによるデータ解析演習（演習）	ツリーモデルとランダムフォレストを用いてデータ解析を行い結果を報告する。
28	データ解析演習（演習）	学修した手法を用いてデータ解析を行い結果を報告するについての講義と演習を行う。