シラバス参照
|
シラバス参照
|
| 講義概要/Course Information |
| 科目基礎情報/General Information |
| 授業科目名 /Course title (Japanese) |
多変量解析 | ||
|---|---|---|---|
| 英文授業科目名 /Course title (English) |
Multivariate Analysis | ||
| 科目番号 /Code |
|||
| 開講年度 /Academic year |
2012年度 | 開講年次 /Year offered |
3 |
| 開講学期 /Semester(s) offered |
後学期 | 開講コース・課程 /Faculty offering the course |
情報理工学部 |
| 授業の方法 /Teaching method |
講義 | 単位数 /Credits |
2 |
| 科目区分 /Category |
専門科目 | ||
| 開講類・専攻 /Cluster/Department |
総合情報学科 | ||
| 担当教員名 /Lecturer(s) |
椿 美智子 | ||
| 居室 /Office |
西5-705 | ||
| 公開E-mail |
tsubaki＠se.uec.ac.jp | ||
| 授業関連Webページ /Course website |
特になし | ||
| 更新日 /Last update |
2010/03/10 16:56:57 | 更新状況 /Update status |
公開中 /now open to public |
| 講義情報/Course Description |
| 主題および 達成目標（2,000文字以内） /Themes and goals（up to 2,000 letters） |
１変量のモデル化の基礎は重要であるが，現実問題（工学，医学，経済社会学等）のモデル化は多変量によって行わなければならないことが多い。 本講義では，多少複雑な現実問題に対応できるモデル化，解析の仕方を身につけることを目標とする。達成目標は，多変量の解析を理解し，自分で解析を行うことができることである。 |
|---|---|
| 前もって履修 しておくべき科目（1,000文字以内） /Prerequisites（up to 1,000 letters） |
線形代数学第一，線形代数学第二， 確率論，統計学 |
| 前もって履修しておくこ とが望ましい科目（1,000文字以内） /Recommended prerequisites and preparation（up to 1,000 letters） |
特になし |
| 教科書等（1,000文字以内） /Course textbooks and materials（up to 1,000 letters） |
テキスト 教育の質的向上のための品質システム工学的データ分析 －個人差の解析を中心として－， 椿 美智子著， 現代図書 必要に応じて，プリントを配布します。 |
| 授業内容と その進め方（2,000文字以内） /Course outline and weekly schedule（up to 2,000 letters） |
前半は，多変量解析の基礎からはじまり，伝統的な手法である，回帰分析，主成分分析，判別分析の理論を学び，実際に自分で解析を行う。後半は，より現代的な分析方法である構造方程式モデリングの理論を学び，解析を行えるようにする。前・後半の手法共，現実社会でよく使われている方法である。 第１回：多変量解析の基礎の理論説明，第２回：多変量解析の基礎・解析演習 第３回：回帰分析の理論説明，第４回：回帰分析の解析演習 第５回：主成分分析の理論説明，第６回：主成分分析の解析演習 第７回：判別分析の理論説明，第８回：判別分析の解析演習 第９回：各自のデータによる総合的な分析演習１，第１０回：構造方程式モデリングの理論説明 第１１回：因子分析の解析演習 第１２回：構造方程式モデリングによるモデリングの仕方(仮説の立て方) 第１３回：構造方程式モデリングによるより複雑なモデリング演習１(測定方程式のモデリング) 第１４回：構造方程式モデリングによるより複雑なモデリング演習２(構造方程式のモデリング) 第１５回：各自のデータによる総合的な分析演習２ |
| 実務経験を活かした 授業内容 (実務経験内容も含む) /Course content utilizing practical experience |
|
| 授業時間外の学習 （予習・復習等）（1,000文字以内） /Preparation and review outside class（up to 1,000 letters） |
各テーマ毎に課題がでます。理論的復習をよくして，さらに，それぞれの手法での解析が自分で行えるようになるように，必要とあらば，計算機室に通って分析をマスターしてください。 |
| 成績評価方法 および評価基準 （最低達成基準を含む） （1,000文字以内） /Evaluation and grading （up to 1,000 letters） |
多変量解析を理解し，自分で行うことができることを目標とします。従って，何回か行う解析演習に対して，レポートとしてまとめ提出したものの総合点で評価します。レポートをすべて提出することが前提です。その上で，解析法を理解し，自分の力できちんとデータをモデル化・解析できていることを合格の基準とします。 |
| オフィスアワー： 授業相談（1,000文字以内） /Office hours（up to 1,000 letters） |
授業後に相談してください。内容により判断します。 |
| 学生へのメッセージ（1,000文字以内） /Message for students（up to 1,000 letters） |
現代の社会の現象（工学，医学，経済・社会学等の諸分野）は，多変量のモデル化をしなければならない場合が多くあります。是非，その有用性を実感してください。 |
| その他 /Others |
特になし |
| キーワード /Keywords |
一般線形モデル，重回帰分析，主成分分析，判別分析，因子分析，構造方程式モデリング |