多変量解析の基礎（R,Python実習込)
公開日
2021年7月16日
更新日
2022年1月23日
ビッグデータ時代の統計分析必須アイテム「多変量解析」
多変量解析は、様々な分析方法を用いて、多数のデータから結果を予測したり、指標を導いたりする手法です。
「アンケートの結果から商品の強みや弱点を洗い出して商品開発に役立てたい」
「身体測定のデータから病気になる確率を知りたい」
「既存店舗の売上や顧客数などのデータから、新店舗の将来の売上を予測したい」
など、複数のデータの相互関連を分析でき、データから考察できる範囲が広いため、実践的に使いやすい解析法です。
マーケティング施策の効果測定や売り上げ予測で使われる重回帰分析をはじめとして、メディアの企画や商品評価に活用される主成分分析、市場調査や顧客情報の分析などで用いられるクラスター分析など、多変量解析は得られたデータから様々な切り口を見出すための手段として、経済学（ファイナンス）、心理学、疫学（医療）、薬学（製薬、創薬）、情報科学（コンピュータ・サイエンスや人工知能AI、機械学習、深層学習ディープラーニング）など、幅広い分野で様々な場面で活用されています。
ビジネスとして実務に活用するためには、目的とデータの種類に合わせて適切な分析手法を用いることが大切です
近年ではRやPythonなど、便利なツールの発達により、難しい数式の計算も、容易にできるようになりましたが、単純にソフトを使って分析が行えるだけではビジネスに活かしきれません。
この講座では、入門編として多変量解析の様々な手法を理論的に理解をすることで、実務活用のための基礎力を養うことを目指します。各種分析手法の概略をつかみ、その基本的な考え方をベースに、統計ソフトの中では何が行なわれているのか、その意味をしっかり理解できるよう、随所でプログラミング処理をあわせて学習していきます。
基礎知識をしっかりと理解することで、難しい専門書を一人でも読み進められるようになったり、その先の実務での応用につなげられるはずです。
受講内容
本セミナーでは、多変量解析の基礎となる数学や理論をR、パイソンのプログラミング処理を含めて学んでいくことで、基礎知識を体得することを目標とします。
本の中では省略されて記載されている途中の計算や、数式の持つ意味を数理的に一緒に考えていくことで、一人で本を読んでわかったつもりになっていたことや、難しくて読み飛ばしてしまった部分も、しっかり理解できます。
個別指導のメリットを活かし、一人一人の知識レベルに合わせた内容にアレンジして講義しますので、はじめて多変量解析を学ぶ初心者はもちろん、学生時代に学んだ内容の学びなおしたい方、既に業務で携わっている方のブラッシュアップにもオススメです。
文系で数学に自信がない方や、数学が苦手な方、受験以来数学に携わっていない方には、必要に応じて中学数学や高校数学など、基礎的な数学の学びなおしと併せて、統計学の基礎知識が不足している場合には、記述・推測統計の基礎までさかのぼって解説を行いますので、挫折することなく学習が続けられます。
※内容はお客様のご要望等によって変更することがあります。
受講対象
・多変量解析の数学的理論をしっかり学びたい方
・多変量解析と併せて初歩的なプログラミングも習得したい方
・ビジネス上、実務活用できる各種分析手法を幅広く勉強したい方
・自身のキャリアアップとして多変量解析の知識を習得したい社会人の方
・データサイエンティストのスキルとして多くの分析手法を習得したい方
・機械学習や深層学習に多変量解析を取り入れたいエンジニアの方
・仕事で多変量を使った解析法をする、もしくは分析結果を理解する必要がある方
・大学、大学院等の学校の授業、試験対策として勉強が必要な方
・修士、博士課程や研究で各種論文対策が必要な方
など
必要な数学知識
モデルプラン
1) 重回帰分析と数量化I類
2) 一般化線形モデル
3) 線形判別分析と数量化II類
4) 2次判別分析とマハラノビスの距離
5) 主成分分析と数量化III類
6) クラスター分析
7) 多次元尺度法と数量化IV類
8) 因子分析
9) パス解析と共分散構造分析
10) その他の手法（正準相関・アソシエーションなど）
参考テキスト
担当講師
※日程により一部講師が変わる事があります。
