シラバス Syllabus

授業名 データ分析の基礎
Course Title Fundamentals of Data Analysis
担当教員 Instructor Name 納田　泰成（Taisei Noda）
科目ナンバリングコード Course Numbering Code
授業形態 Class Type 講義 Regular course
授業形式 Class Format On Campus
単位 Credits 2
言語 Language JP
科目区分 Course Category 共通専門教育科目200系 / Specialized Subject 200
学位 Degree BSc
開講情報 Terms / Location 2025 UG Nisshin Fall Intensive
コード Couse Code NUC123_N25B

授業の概要　Course Overview

Mission Statementとの関係性 / Connection to our Mission Statement

未踏の地を切り拓き、ビジネスや社会の発展に貢献するには、不確実な状況での意思決定が欠かせません。本講義では、受講者が直感や自身の経験だけに頼るのではなく、データを有効に活用して意思決定できるスキルを身につけることを目指します。
Expanding the frontier of business and society requires making decisions in uncertain situations. This course is designed to help participants develop the skills to make data-driven decisions, rather than relying solely on intuition or personal experience.

授業の目的（意義） / Importance of this course

自分のデータ分析をする目的を明確にし、それに基づいてデータを収集・分析し、得られた結果をもとに意思決定できるようになること。
To clearly define the purpose of data analysis, collect and analyze data accordingly, and make informed decisions based on the results.

学修到達目標 / Achievement Goal

受講者が自ら問いを立て、データを収集し、Excelを活用して自分の仮説を検証するための統計分析ができるようになること。

For participants to formulate their own questions, collect data, and conduct statistical analysis using Excel to test their hypotheses.

本授業の該当ラーニングゴール　Learning Goals

*本学の教育ミッションを具現化する形で設定されています。

LG1 Critical Thinking
LG4 Effective Communication
LG5 Business Perspectives (BSc)

受講後得られる具体的スキルや知識　Learning Outcomes

・データ分析の設計するスキル
・Excelを活用したデータの可視化スキル
・統計的仮説検定に基づく意思決定スキル
・機械学習の基礎知識と独学を始めるための準備

- Ability to design data analysis frameworks
- Skills to visualize data using Excel
- Decision-making based on statistical hypothesis testing
- Fundamental knowledge of machine learning and preparation for self-study

SDGsとの関連性　Relevance to Sustainable Development Goals

Goal 4 質の高い教育をみんなに（Quality Education）

教育手法　Teaching Method

教育手法 Teaching Method % of Course Time
インプット型 Traditional 50 %
参加者中心型 Participant-Centered Learning ケースメソッド Case Method 50 %
フィールドメソッド Field Method 0 %
合計 Total 100 %

事前学修と事後学修の内容、レポート、課題に対するフィードバック方法　Pre- and Post-Course Learning, Report, Feedback methods

事前学修：
講義前にその日の講義内容に対応する課題を提出して頂きます。約２時間の学修を想定しています。
事後学修：
講義の最後にその日の講義内容に対応する小テストとエクセル演習を行います。講義後に小テストやエクセル演習のフィードバックをもとに各自約１－２時間の復習を想定しています。
レポート・課題に対するフィードバック：
講義後に個別にGoogle Classroomでフィードバックします。
中央情報センター（図書館）の活用について：
授業内容を深く理解するために積極的に活用してください。

授業スケジュール　Course Schedule

第1日（Day1）

イントロダクション
［前半］データ分析を始める前に（教科書１章）
・マネーボール（ケース）
・問いから始めよう
・データ分析の基本ステップ
［後半］演習：データ分析の計画
・問いは何か？
・必要なデータは何か？
・最終的な「グラフ」は何か？

●使用するケース
マネーボール（自作ケース）

第2日（Day2）

記述統計
［前半］基本統計でデータの傾向をつかもう（教科書２章）
・Excel演習：データの読み込み
・記述統計の算出
・ピボットテーブルの使い方
［後半］カテゴリカル変数の処理（教科書５章）
・欠損値の処理
・ダミー変数の作成


第3日（Day3）

データの可視化（教科書３章）
［前半］１変数のグラフ
・世界の年間水使用量（ケース）
・データの分布を記述するグラフ
［後半］２変数間の関係を示すグラフ
・共分散と相関係数による分析
・散布図の作成

●使用するケース
世界の年間水使用量（ケース）

第4日（Day4）

仮説検定（教科書４章）
［前半］確率分布
・推定統計とは何か
・確率分布
［後半］仮説検定の手続き
・帰無仮説と対立仮説
・仮説検定で起こる２種類の「間違い」
・Excel演習：期末試験の点数の分布


第5日（Day5）

サンプリングの原理と方法（オリジナル教材）
［前半］良いデータとは何か？
・事例証拠（ケース）
・母集団と標本
・サンプリングの原理と方法
［後半］ランダム化実験
・ランダム化実験の計画
・実験ができないときの代替手法
・演習：データ分析戦略を考えてみよう

●使用するケース
事例証拠（自作ケース）

第6日（Day6）

線形回帰モデル（教科書６章）
［前半］二変数の関係を検証する
・分散・共分散・相関係数
・線形回帰の仕組みと解釈
・決定係数
［後半］線形回帰モデルの精度を下げる要因
・外れ値の影響
・多重共線性

第7日（Day7）

機械学習の手法（オリジナル教材）
［前半］線形回帰モデルの限界と対策
・オーバーフィッティングとは
・Lasso回帰
・回帰木（Regression Tree）
［後半］機械学習に挑戦
・ソルバーの活用
・Lasso回帰の実装
・Google ColabでPythonを体験

成績評価方法　Evaluation Criteria

*成績は下記該当項目を基に決定されます。
*クラス貢献度合計はコールドコールと授業内での挙手発言の合算値です。
講師用内規準拠 Method of Assessment Weights
コールドコール Cold Call 0 %
授業内での挙手発言 Class Contribution 25 %
クラス貢献度合計 Class Contribution Total 25 %
予習レポート Preparation Report 25 %
小テスト Quizzes / Tests 25 %
シミュレーション成績 Simulation 0 %
ケース試験 Case Exam 0 %
最終レポート Final Report 0 %
期末試験 Final Exam 25 %
参加者による相互評価 Peer Assessment 0 %
合計 Total 100 %

定期試験　Final Exam

あり

評価の留意事項　Notes on Evaluation Criteria

使用ケース一覧　List of Cases

    ケースは使用しません。

配布教材と教室における電子機器の利用マナーについて Guidelines for Classroom Technology and Proper Use of Course Materials

  1. ケースメソッド教育の中核は、積極的な参加と知識の共有です。この教育を支えるため参加者は授業中の電子機器（例：スマートフォン、ノートパソコン）の使用を制限するよう求められます。許可を得た場合でも、教室内では電子機器は、ケース討議に資する目的でのみ使用してください。授業中は、たとえケース討議に関連していても、検索エンジンや生成AIの使用は避けて下さい。
  2. 配布教材（ケースを含む）は指定された授業への参加以外の目的で利用しないで下さい。著者の権利、著作権、特定情報の機密性を保護するため、許可なく教材を個人や組織（生成AI を含む）に提供することはできません。このルールは、印刷物・電子教材のいずれにも適用されます。
  1. Active participation and shared learning is at the core of the case method learning.Participants are asked to limit their use of electronic devices (e.g., laptops, smartphones) during classroom sessions in support of this model. Even with permission granted, devices should only be used in the classroom in service to the case discussion. Online searches and generative AI tools, even if related to the case discussion, are discouraged while class is in session.
  2. Students are prohibited from using the course materials (including cases) distributed by the university for any purpose other than participation in the designated class.Students must not input, process or test course materials with any artificial intelligence (AI) tools, bots, software, or platforms without the author’s permission. These actions violate the terms of use for the course materials and may also constitute copyright infringement.

教科書　Textbook

  • 三好大悟「統計学の基礎から学ぶＥｘｃｅｌデータ分析の全知識　改訂２版（できるビジネス）」インプレス（2025）9784295021407

参考文献・資料　Additional Readings and Resource

1. David M. Diez, Mine Çetinkaya-Rundel, Christopher D. Barr (著), 国友直人, 小暮厚之, 吉田靖 (訳) (2021) 『データ分析のための統計学入門 原著第4版』日本統計協会, ISBN: 978-4822341053.
2. 末石 直也 (2024) 『データ駆動型回帰分析: 計量経済学と機械学習の融合』日本評論社, ISBN: 978-4-535-54048-4.

授業調査に対するコメント　Comment on Course Evaluation

初年度担当科目です。受講者の皆様からのフィードバックを授業期間中にぜひお寄せください。

担当教員のプロフィール　About the Instructor　

研究分野：金融経済学、実証産業組織論、投資管理理論

ライス大学経済学部博士課程修了。2025年6月より名古屋商科大学にて任務。現在は、名古屋商科大学経済学部専任講師。金融機関同士の市場の手数料の価格競争や合併が市場に与える影響をテーマに研究を行っている。近年は投資信託の研究を取り組んでおり、特に「インデックスファンドの台頭がアクティブファンドに競争圧力をもたらすか」、「アクティブファンドのポートフォリオウェイトの決定要因」に関する研究を行っている。

Research Fields: Financial Economics, Empirical Industrial Organization, Investment Management Theory


Taisei Noda completed the PhD program in the Department of Economics at Rice University. He joined Nagoya University of Commerce and Business in June 2025, where he currently serves as a full-time lecturer in the Faculty of Economics. His research focuses on price competition in fees among financial institutions and the market effects of mergers. In recent years, he has been engaged in mutual fund research, with particular emphasis on two questions: whether the rise of index funds creates competitive pressure on active funds, and what determines portfolio weight decisions in active funds.

（実務経験 Work experience）

2019年　日本学術振興会　特別研究員（DC2）
2019 - 2025年　ライス大学経済学部　ティーチングアシスタント（担当科目：計量経済学・マクロ経済学・ミクロ経済学・実証産業組織論）
2023 - 2025年　ライス大学ビジネススクール　リサーチアシスタント（受け入れ教員：Alan Crane教授、Kevin Crotty教授）

2019 Research Fellow, The Japan Society for the Promotion of Science (DC2), Osaka University, Japan
2019 - 2025 Teaching Assistant, Department of Economics, Rice University, The United States of America
2023 - 2025 Research Assistant, Business School, Rice University (Prof. Alan Crane and Kevin Crotty)

Refereed Articles

  • (2025) The Industrial Organization of Financial Markets. Doctoral dissertation
  • (2023) The causal effects of working time on mental health: The effectiveness of the law reform raising the overtime wage penalty. Pacific Economic Review






ページ上部へ戻る