シラバス Syllabus

授業名 データ分析
Course Title Data analysis
担当教員 Instructor Name 川副　延生（Nobuo Kawazoe）
コード Couse Code NUC228_N22B
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300系 / Specialized Subject 300
学位 Degree BSc
開講情報 Terms / Location 2022 UG Nisshin Term4

授業の概要　Course Overview

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

新しい事にチャレンジし、ビジネスリーダーとしての役割を果たすためには、十分な情報と分析が必要です。
本講義は、分析練習を繰り返して行い、統計学的思考力、統計的分析力を育成します。
Enough information and analysis are necessary for challenging new plans and leading business society.
We develop ability of statistical thinking and analysis based on practical analyses of real data in this course.

授業の目的（意義） / Importance of this course

Missionを実現するために必要な統計的思考力、統計的分析力を育成します。
We develop ability of statistical thinking and analysis for achieving the mission.

到達目標 / Achievement Goal

大学での勉強および社会人になってからの仕事のうえで、必要な実践的な統計分析力を育成します。



We develop the statistical ability which is useful for study or job during students or after graduation.


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
LG2 Diversity Awareness
LG4 Effective Communication

受講後得られる具体的スキルや知識　Learning Outcomes

統計データ分析の実際の手法を、パソコン実習を通して修得します。
大学での勉強および社会人になってからの仕事のうえで、必要な統計データ分析の知識とスキルを育成します。

Students learn basic statistical knowledge and skills of statistical analysis of real data.

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

準備学習方法：
毎回の講義内容に対応するテキストの範囲をClassroomに掲載するので、
テキストを読んで概要を理解してくることを勧めます
　
課題に対するフィードバック方法：
毎回行う「講義のまとめのテスト」と「講義の実習課題」掲載するので、
講義内容を復習し、不明な点はOffice hourに研究室(３号館3F, 3305室)に質問に来てください。

中央情報センターの利用：
統計学の基礎知識およびデータ分析の基礎知識を修得するために、情報センターの文献の利用を勧めます。

授業スケジュール　Course Schedule

第1日（Day1）

［第1回　基礎統計量１］
分析の準備
・分析ソフトのダウンロード：ＨＡＤ
・データの入手：社会実情データ図録
・分析ソフトの使用方法
　
分析手法：1.要約統計量
分析データ：j001台　時事トピックス　　
　
１）分析の手法について勉強し、まとめのテストを行う。
２）分析の手法とデータを用いて、分析の実習課題を行う。

　　
［第２回　基礎統計量２］
分析手法：2.箱ひげ図
分析データ：0100台　食品／農林漁業　
　
１）分析の手法について勉強し、まとめのテストを行う。
２）分析の手法とデータを用いて、分析の実習課題を行う。　


●使用するケース
ケース１：貧富の差の大きい社会と小さい社会（平均値、中央値、標準偏差）

第2日（Day2）

［第３回　相関係数］
分析手法：3.相関分析
分析データ：0700台　開発援助　
　　　　　　1150台　人口／高齢化
　　
０）母集団と標本の関係を学ぶ。
　　検定のｐ値について学ぶ。
１）分析の手法について勉強し、まとめのテストを行う。
２）分析の手法とデータを用いて、分析の実習課題を行う。
　　

［第４回　順位相関係数］
分析手法：4.順位相関分析
分析データ：1600台　健康
　　　　　　2270台　生活　
　　
１）分析の手法について勉強し、まとめのテストを行う。
２）分析の手法とデータを用いて、分析の実習課題を行う。　


第3日（Day3）

［第５回　平均値の差の検定］
分析手法：5.平均値の差の検定
　　　　　5A.分散分析
分析データ：2740台　社会問題／社会保障　
　　　　　　3080台　労働
　
１）分析の手法について勉強し、まとめのテストを行う。
２）分析の手法とデータを用いて、分析の実習課題を行う。
　　

［第６回　順位の差の検定］
分析手法：6.順位の差の検定
分析データ：3850台　教育／文化
　　
１）分析の手法について勉強し、まとめのテストを行う。
２）分析の手法とデータを用いて、分析の実習課題を行う。　

●使用するケース
ケース１：準備中

第4日（Day4）

［第７回　回帰分析１］
分析手法：7.回帰分析
分析データ：3850台　教育／文化
　　
１）分析の手法について勉強し、まとめのテストを行う。
２）分析の手法とデータを用いて、分析の実習課題を行う。
　　

［第８回　回帰分析２］
分析手法：8.回帰分析（ステップワイズ）
　　　　　8A.ロジスティック回帰分析
分析データ：4000台　エネルギー
　　　　　　4165台　環境／災害
　　　　　　4400台　経済
　　　　　　4700台　物価
　　　　　　4750台　貿易
　　
１）分析の手法について勉強し、まとめのテストを行う。
２）分析の手法とデータを用いて、分析の実習課題を行う。
　　

第5日（Day5）

［第９回　独立性の検定］
分析手法：9.独立性の検定
分析データ：5070台　金融財政
　　　　　　5184台　行政／政治
　　　　　　5240台　産業／サービス
　　　　　
１）分析の手法について勉強し、まとめのテストを行う。
２）分析の手法とデータを用いて、分析の実習課題を行う。
　　

［第１０回　主成分分析］
分析手法：10.主成分分析
分析データ：5700台　科学技術
　　　　　　6200台　情報通信技術
　　　　　　6370台　運輸交通
　　　　　　6900台　観光
　　　　　
１）分析の手法について勉強し、まとめのテストを行う。
２）分析の手法とデータを用いて、分析の実習課題を行う。


●使用するケース
ケース２：教育問題についての独立性の検定

第6日（Day6）

［第１１回　因子分析］
分析手法：11.因子分析
分析データ：7228台　地域（国内）
　　　　　
１）分析の手法について勉強し、まとめのテストを行う。
２）分析の手法とデータを用いて、分析の実習課題を行う。
　　

［第１２回　SEM：構造方程式モデル］
分析手法：12.構造方程式モデル
分析データ：7900台　地域（海外）
　　　　　
１）分析の手法について勉強し、まとめのテストを行う。
２）分析の手法とデータを用いて、分析の実習課題を行う。

●使用するケース
ケース２：準備中

第7日（Day7）

［第１３回　クラスター分析］
分析手法：13.クラスター分析
分析データ：7900台　地域（海外）
　　　　　
１）分析の手法について勉強し、まとめのテストを行う。
２）分析の手法とデータを用いて、分析の実習課題を行う。
　　
　　
［第１４回　講義のまとめ］
Termの講義の復習と総まとめを行います。
また定期試験ガイダンスを行います。

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 15 %
クラス貢献度合計 Class Contribution Total 15 %
予習レポート Preparation Report 15 %
小テスト Quizzes / Tests 20 %
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 50 %
参加者による相互評価 Peer Assessment 0 %
合計 Total 100 %

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。

教科書　Textbook

  • 涌井良幸・涌井貞美「統計学の図鑑」技術評論社（2015）978-4774173313

参考文献・資料　Additional Readings and Resource

１）藤田岳彦著「穴埋め式確率・統計らくらくワークブック」講談社、2003年（ISBN:4061539949）
２）小島寛之著「完全独習 統計学入門」ダイヤモンド社、2006年（ISBN:4478820090）
３）涌井良幸著「実習統計学入門」技術評論社、2011年（ISBN:9784774145075）
４）西内啓著「統計学が最強の学問である」ダイヤモンド社、2013年（ISBN:4478022216）
５）村上知也、矢本成恒著「ビジネスで本当に使える超統計学」秀和システム、2014年（ISBN:479804153X）

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

授業調査での要望意見を考慮して講義を改善しています。
受講人数等に応じて、できるだけ受講生が講義に参加するような形式の講義を行うことを試みています。
授業調査という制度を講義の充実のために有効に活用します。

担当教員のプロフィール　About the Instructor　

学位と取得大学:
修士（経済学） 一橋大学
博士（医学） 名古屋大学

研究分野:
統計学、医療経済

Degree and Acquired College:
MA in Economics, Hitotsubashi university
PhD in Medicine, Nagoya university

Field of study:
Statistics, Health economics


Refereed Articles

  • (2023) Examining transportation-mode changes during COVID-19 in Toyama, Japan. Regional Studies, Regional Science 2168-1376
  • (2022) Promoting urban light rail transit in a compact city context: The case of Toyama City, Japan. Regional Studies, Regional Science 21681376
  • (2022) Promoting Transportation Policies in the Context of Compact City Strategies: The Case of Toyama City, Japan. The Annals of Regional Science 0570-1864
  • (2020) Assessing Knowledge-Based and Perceived Health Literacy Among Japanese Adolescents: A Cross-Sectional Study. Global Pediatric Health 7
  • (2019) Expanding the prevailing behavioral model in a social marketing context: A case study of an eco-point system to promote eco-policies in Toyota City, Japan. Journal of Nonprofit & Public Sector Marketing






ページ上部へ戻る