文理学部シラバスTOP > 文理学部 > 社会学科 > 初等多変量解析

検索したい科目／教員名／キーワードを入力し「検索開始｣ボタンをクリックしてください。

※教員名では姓と名の間に１文字スペースを入れずに、検索してください。

日本大学ロゴ

ここからメインコンテンツ

初等多変量解析

令和２年度以降入学者	初等多変量解析
令和元年度以前入学者	初等多変量解析
教員名	菅野剛
単位数	2	学年	2	開講区分	文理学部
科目群	社会学科
学期	後期	履修区分	選択

授業の形態	オンデマンド型授業を基本とし、一部のみ同時双方向型授業 (NU-AppsG, Google Classroom, Google Meet) Google Classroom を利用します。 https://classroom.google.com/ 補足情報や問い合わせは http://bit.ly/suganoclass を参照して下さい。日本大学の Google アカウント NU-AppsG によるログインが必要です。 https://mail.google.com/a/g.nihon-u.ac.jp 教員の NU-Apps と学生の NU-AppsG はドメインが異なるため、教員が Google Classroom 上で Google Meet を設定しても、リンクが学生に表示されない可能性があります。その場合、毎回 Google Meet のリンクを手動で通知します。 Blackboard ID: 20211943 (Blackboard のコースへの登録はしなくても大丈夫です。Blackboard は授業では使いませんので、ご注意下さい。)
授業概要	"For Today’s Graduate, Just One Word: Statistics." You will learn how to think statistically. 前期の基礎統計学を履修済みであることが必要です。社会調査士カリキュラム【Ｅ】多変量解析の方法に関する科目
授業のねらい・到達目標	【学生の視点から、具体的・現実的・測定可能な表現で記述】 Learn Statistics and Programming in English. Learn the basics of statistics: inferential statistics, categorical association, regression , and analysis of variance. Be aware of confirmation bias and train yourself to make logical decisions whenever possible. Learners will become familiar with the world's lingua franca: English, statistics, and programming. 統計学とプログラミングを英語で学びます。推測統計学の基礎、カテゴリカルな連関、回帰分析、分散分析、多変量解析を学びます。確証バイアスを意識し、可能な限り論理的に判断する訓練をします。世界の共通語である英語、統計学、プログラミングに慣れ親しむことができます。【日本大学教育憲章ルーブリック】上記の＜知識＞＜技能＞の習得を経て，以下の＜能力＞を育むことが目標である。・現代社会を論理的・批判的に捉えるための社会学的枠組みや方法の基礎を築くことができる。（A-3-2: 論理的・批判的思考力）この科目は文理学部（学士（社会学））のDP及びCP3に対応しています。
授業の方法	※ 利用OSやブラウザの種類により、改行がなく行間が詰まって表示される場合があります。授業の形式：【講義】丁寧な説明で定評がある P.G.ホーエル『初等統計学』をさらに噛み砕いて解説したスライド資料と収録済み日本語動画で予習をします。事例が豊富で、映像が分かりやすい Research Methods and Statistics をとりあげ、英語で学びます。Google Classroom のオープンな「質問 (Question)」でコミュニケーションをとり、受講生間で理解を深めます。復習として、理解度の確認を Googleフォームで行います。有効な学習のためには、英語と数学の基礎的な学力が必要です。一部の演習では、スマホではなく PC/Mac/Chromebook を利用する必要があります。教材はオンデマンド型を基礎としますが、授業時間帯に Google Classroom でのテキストチャットや Google Meet などでオンライン対応をします。学習習慣と理解確認のため、事前予告の上、一部、授業時間帯限定の課題を行います。 2020年度と同様に Nihon University on Coursera を利用頂けるように手続きをします。2021年度は、無制限ではなくなり、年に1コースのみ無料で修了が可能となります。 ===== FAQ ===== 【0】どうして Google Classroom (グーグル・クラスルーム) を使うのですか？ Google Workspace (旧 G Suite) で Google ドキュメント、スプレッドシート、スライドは 100人同時に共同編集できるため遠隔授業でのコラボレーションに向いていること、 YouTube や Google ドライブとの連携、教材のダウンロード不可などアクセス制限を柔軟に設定できること、ネット上で得られる豊富な情報の恩恵、大学の日常業務とのスムースな連携、利用経験が一般社会でもそのまま生きること、 Google Colaboratory、 Google Apps Script (GAS)、 Google Cloud Platform (GCP) など様々な道が開かれる等の点で、今のところは、自分の用途においては Google Classroom が最適と判断しました。ただし、教員の NU-Apps と学生の NU-AppsG でドメインが異なり学生の作業環境を必ずしも確認できないこと、 NU-AppsG アカウントには学科情報は含まれておらず数字部分は複数学科で全く同じ番号がありうること、転部学生は学期の途中から NU-AppsG アカウントが変更となってしまうこと、 NU-AppsG アカウントの氏名を学生が変更してしまうと一体誰だか分からなくなること、学生がクラスから[登録を解除]すると Google Classroom 上での学習や活動の履歴が失われてしまうため Googleフォームの課題等でも記録をしておく必要があること、 Google 関連のツールは機能追加や仕様変更が生じうるのでキャッチアップが必要なこと等、汎用性が高い分、教員側で工夫をする必要があります。前期の基礎統計学を履修した Google Classroom のメンバーへ、後期の初等多変量解析の Google Classroom への招待メールを送信します。履修希望者は、参加してください。 NU-AppsG でメールをチェックし、授業のクラスへ参加して下さい。 https://mail.google.com/a/g.nihon-u.ac.jp 初回の参加や補足情報、前期の基礎統計学を履修していないなどの問い合わせについては http://bit.ly/suganoclass を参照して下さい。 ===== その他 ===== 社会学科では、2018年以降の「社会学の方法I」 (1年必修、オムニバス講義、菅野担当回)、2018~2019年の「社会調査入門」(1年必修、菅野担当クラス)、2017~2019年「データ収集・分析法入門」 (1年必修、菅野担当クラス)で、 NU-AppsG と Google Classroom を利用済みです。メディア授業(「遠隔授業」)については、文部科学省配布資料6「大学における多様なメディアを高度に利用した授業について」(2018.9.7) を参照して下さい。 https://bit.ly/mext20180907r6 データダイエットへの協力のお願い：遠隔授業を主催される先生方へ - イベント - 国立情報学研究所 / National Institute of Informatics https://www.nii.ac.jp/event/other/decs/tips.html 本授業の事前・事後学習は，各２時間の学習を目安とします。
履修条件	原則として前期の基礎統計学を履修済みであることが必要です。

授業計画
1	NU-AppsG のアカウント通知、パスワードリマインダー、パスワード設定、 Google Classroom の説明とクラスへの参加（登録）、はじめての Google for Education (Google Workspace for Education Fundamentals)、 Google Meet、 Microsoft Office 365 アカウント（日本大学本部アカウントと文理学部アカウント）、文理学部教育用アカウント、情報掲示板 Comits2、Web履修システム CHIPS、文理学部 Blackboard、文理学部 Webex、日本大学本部 Zoom。 (A-3-2) 【事前学習】「第7章推定」 (p.136-p.153) 点推定値、区間推定値、信頼区間、標準誤差、信頼限界について日本語動画で学ぶ (27分、41分)。 (A-3-2) （2時間）【事後学習】Zoom, Blackboard, Google for Education (A-3-2) （2時間）
2	2. Comparing two groups (A-3-2) 【事前学習】「第7章推定」 (p.136-p.153) 大標本法、割合の推定について日本語動画で学ぶ。 (A-3-2) t分布について日本語動画で学ぶ (17分、60分)。 (A-3-2) （2時間）【事後学習】Quizzes: Comparing two groups. (A-3-2) （2時間）
3	3. Comparing two groups (A-3-2) 【事前学習】「第8章仮説の検定」 (p.158-p.184) 平均値の検定、管理図、割合の検定について日本語動画で学ぶ。 (A-3-2) 2つの平均値の差の検定、有意水準、2つの割合の差の検定、小標本法、対応のある場合の検定について日本語動画で学ぶ (103分、20分、3分、67分)。 (A-3-2) （2時間）【事後学習】Quizzes: Comparing two groups. (A-3-2) （2時間）
4	4. Comparing two groups (A-3-2) 【事前学習】「第8章仮説の検定」 (p.158-p.184) 帰無仮説、対立仮説、第1種の過誤、第2種の過誤について日本語動画で学ぶ (42分、42分、16分、20分)。 (A-3-2) （2時間）【事後学習】Quizzes: Comparing two groups. (A-3-2) （2時間）
5	5. Categorical association (A-3-2) 【事前学習】「第10章カイ2乗分布」 (p.219-p.229) カイ2乗検定の制約、分割表について日本語動画で学ぶ。 (A-3-2) 観測度数、期待度数、カイ2乗分布、自由度、一様性の仮定について日本語動画で学ぶ (1分、9分)。 (A- 3-2) （2時間）【事後学習】Quizzes: Categorical association. (A-3-2) 4. オプション 4-1. 統計および数理基礎 (A-3-2) （2時間）
6	6. Simple regression (A-3-2) 【事前学習】「第9章相関と回帰」 (p.191-p.213) 散布図、共分散、相関係数、最小2乗法、回帰直線について日本語動画で学ぶ。 (A-3-2) 回帰の錯誤、推定値の標準誤差、小標本法について日本語動画で学ぶ (30分)。 (A-3-2) （2時間）【事後学習】Quizzes: Simple regression. (A-3-2) 4. オプション 4-8. データ活用実践（教師あり学習） (A-3-2) （2時間）
7	7. Multiple regression (A-3-2) 【事前学習】「第13章重回帰」 (p.258-p.268) 重線形回帰、正規方程式、回帰係数、逐次選択法、相関のある独立変数、決定係数について日本語動画で学ぶ。 (A-3-2) 非線形回帰、放物線、多項式回帰曲線、信頼性について日本語動画で学ぶ (30分)。 (A-3-2) （2時間）【事後学習】Quzzes: Multiple regression. (A-3-2) 4. オプション 4-8. データ活用実践（教師あり学習） (A-3-2) （2時間）
8	8. Analysis of variance (A-3-2) 【事前学習】「第11章分散分析」 (p.233-p.246) 分散分析、1元分類、F分布、列平均平方和、誤差平方和、総平方和について日本語動画で学ぶ。 (A-3-2) 2元分類、計算公式について日本語動画で学ぶ。 (A-3-2) （2時間）【事後学習】Quizzes: Analysis of variance. (A-3-2) 4. オプション 4-8. データ活用実践（教師あり学習） (A-3-2) （2時間）
9	9. Non-parametric tests (A-3-2) 【事前学習】「第12章母数によらない検定」 (p.249-p.257) 中央値の検定、符号検定、2つの中央値の差の検定、順位和検定、ずれの検定、順位相関係数について日本語動画で学ぶ。 (A-3-2) （2時間）【事後学習】Quizzes: Non-parametric tests. (A-3-2) （2時間）
10	10. Multivariate Analysis (A-3-2) 【事前学習】多変量解析の概要 (A-3-2) （2時間）【事後学習】Multivariate Analysis (A-3-2) 4. オプション 4-8. データ活用実践（教師あり学習） (A-3-2) （2時間）
11	11. Linear Regression and Multiple Linear Regression (A-3-2) 【事前学習】回帰分析と重回帰分析 (A-3-2) （2時間）【事後学習】Linear Regression and Multiple Linear Regression (A-3-2) 4. オプション 4-8. データ活用実践（教師あり学習） (A-3-2) （2時間）
12	12. Logistic Regression for Classification (A-3-2) 【事前学習】ロジスティック回帰分析の概要 (A-3-2) （2時間）【事後学習】Logistic Regression for Classification (A-3-2) 4. オプション 4-8. データ活用実践（教師あり学習） (A-3-2) （2時間）
13	13. Logistic Regression for Classification (A-3-2) 【事前学習】ロジスティック回帰分析 (A-3-2) （2時間）【事後学習】Logistic Regression for Classification (A-3-2) 4. オプション 4-8. データ活用実践（教師あり学習） (A-3-2) （2時間）
14	14. Classification (A-3-2) 【事前学習】分類の概要 (A-3-2) （2時間）【事後学習】Classification (A-3-2) 4. オプション 4-9. データ活用実践（教師なし学習） (A-3-2) （2時間）
15	15. Decision Tree and Classification (A-3-2) 【事前学習】決定木分析と分類 (A-3-2) （2時間）【事後学習】Decision Tree and Classification (A-3-2) 4. オプション 4-9. データ活用実践（教師なし学習） (A-3-2) （2時間）

その他
教科書	P.G.ホーエル『初等統計学』培風館 1981年第4版 Research Methods and Statistics - YouTube. https://www.youtube.com/channel/UCcjogDXLLQCMtpGvQTNZrOg/playlists
参考書	ボーンシュテット&ノーキ『社会統計学：社会調査のためのデータ分析（学生版）』ハーベスト社 1990年山田剛史・杉澤武俊・村井潤一郎『Rによるやさしい統計学』オーム社 2008年小島寛之『完全独習統計学入門』ダイヤモンド社 2006年大村平『多変量解析のはなし：複雑さから本質を探る』日科技連出版社 2006年岡太彬訓・中井美樹・元治恵子『データ分析入門：基礎統計』共立出版 2012年はじめての Google for Education https://gacco.org/ Basic Statistics (Coursera) by the University of Amsterdam, taught by Emiel van Loon and Matthijs Rooduijn. https://www.coursera.org/learn/basic-statistics Basic Statistics - Matthijs Rooduijn http://matthijsrooduijn.nl/basic-statistics/ Inferential Statistics (Coursera) by the University of Amsterdam, taught by Annemarie Zand Scholten and Emiel van Loon. https://www.coursera.org/learn/inferential-statistics/ AP®︎ Statistics \| Math \| Khan Academy. https://www.khanacademy.org/math/ap-statistics 竹村彰通・下川敏雄・酒折文武・中山厚穂・奥田直彦. gacco 「統計学I：データ分析の基礎」 https://gacco.org/ 竹村彰通・椎名洋・和泉志津恵・松田安昌・佐藤俊哉. gacco 「統計学II：推測統計の方法」 https://gacco.org/ 岩崎学・足立浩平・渡辺美智子・宿久洋・芳賀麻誉美. gacco 「統計学III：変量データ解析法」 https://gacco.org/ eラーニング教材・講義動画配信 \| 数理・データサイエンス教育強化拠点コンソーシアム数理・データサイエンス・AI（リテラシーレベル）モデルカリキュラム対応教材 http://www.mi.u-tokyo.ac.jp/consortium/e-learning.html 過去の教科書は、2003-2007年度ボーンシュテット＆ノーキ『社会統計学：社会調査のためのデータ分析』、Rの演習も行った 2008-2012年度山田剛史・杉澤武俊・村井潤一郎『Rによるやさしい統計学』、Rの演習をとりやめることとなった 2013-2017年度小島寛之『完全独習統計学入門』、大村平『多変量解析のはなし』です。
成績評価の方法及び基準	Google Classroom assignments(100%) 課題、テスト、学習状況・理解度の確認、成績評価のため、 NU-AppsG と Google Classroom の利用が必要です。初回授業時から一定期間内に Google Classroom のクラスへ参加（登録）する必要があります。 NU-AppsG のアカウントを、本人以外が使うことは規約に反します。不正利用によりアカウントがロックされた場合の対応は致しかねます。以上を踏まえ、A-3-2（論理的・批判的思考力）の修得状況を評価します。
オフィスアワー	授業時間帯の前後を中心に Google Classroom で随時対応。ご質問・問い合わせは Google フォームへの記入・集約とし、差し支えない内容は Google Classroom 経由でのフィードバックとさせて頂きます。対面授業の場合は授業終了時。
備考	The contents of the syllabus are subject to change depending on the progress of the students. The time for pre-class work and homework is approximate.

↑このページのトップ