押さえておくべき多変量解析の基本概念と実例による演習 (実務で使用するツール)

多変量解析についてわかりやすく説明した教科書は非常に少ないです。多くの解説書は難しい線形代数の理論に終始したり、抽象的な話の展開に終始したり、また逆に基本概念の解説がおろそかで、ツールの解説に終始したりしているものが大半です。 　そこで本講座では、最初に押さえておくべき多変量解析の“理論 (考え方) ”と“実際に使用するツール”の双方について、バランスよく分かりやすく解説します。

　講義の初めから複雑な数式を取り上げるといったことはせず、まずは簡単なデータセットの事例を使いながら基礎知識について解説します。 　また、これと同時にExcelソルバーやEZRなどのツールの使い方についても学習することで、多変量データを構成する変数およびオブザベーションの扱い方、多変量解析自体のプロセスを、より具体的かつ視覚的に、肌で感じ取るように理解することができます。 　さらに、多変量解析では得られた解析結果の解釈も重要ですので、開発・研究・マーケティングなどの実務で役立つ「データを解釈する上での重要なポイント」や「結果の見方・活用方法」についてもわかりやすく解説します。

第1日目 多変量解析前編

1. 多変量解析の基本コンセプト
   1. 多変量データとは
   2. 説明変数と応答変数
   3. モデルの複雑性と頑健性
2. 重回帰分析
   1. 単回帰と重回帰
   2. 行列計算を使った重回帰分析
   3. 変数選択
   4. Excelソルバーを使った単回帰分析
   5. Excelソルバーを使った重回帰分析
3. ロジスティック回帰分析
   1. 単変数の場合のロジスティック回帰分析
   2. 尤度と最尤推定法
   3. 2変数の場合のロジスティック回帰分析
   4. Excelソルバーを使ったロジスティック回帰分析
4. 主成分分析
   1. 多次元データの1次元への縮約
   2. 固有値・固有ベクトルと因子負荷量
   3. 変数間の関係を調べる
   4. Excelソルバーを使った主成分分析

第2日目 多変量解析後編

1. 判別分析
   1. 1変数による2群の判別
   2. 線形判別関数
   3. 判別得点と誤判別の確率
2. クラスター分析
   1. 階層的クラスター分析法
   2. 非階層的クラスター分析法
3. 決定木分析
   1. 回帰木分析
   2. ランダムフォレスト法
4. 機械学習手法
   1. いろいろな機械学習手法
   2. 事例紹介:サポートベクターマシン
5. 無料ソフトEZRを使った多変量解析
   1. EZRを使った重回帰分析
   2. EZRを使ったロジスティック回帰分析
• 質疑応答・名刺交換