多変量解析の基礎とデータ解析実践講座 ~1人1台PC実習付~

~ 重回帰分析、主成分分析、因子分析、ロジスティック回帰分析・判別分析、クラスター分析を活用した分析技術のポイント ~

・研究開発、品質管理、商品開発、マーケティングなどで活用される多変量解析が習得できる実践講座
・多種類のデータを予測、要約、共通因子の探索に活用できる多変量解析を使いこなし、実務に役立てるためのセミナー!
※PCは弊社にてご用意致します。
※実習で使用しましたExcelファイルはお持ち帰りいただけます

講師の言葉

 本セミナーの目的は、初めて多変量解析を学ぶ方にも統計の基礎から学習し、事例を通じて学習した多変量解析の基礎について、図表とExcelを使用してわかりやすく説明し、やさしく学べる内容になっている。

主な内容は、
(1). 重回帰分析、現象間の因果関係を予測に利用する方法
(2). 主成分分析、複数の現象間の関係を少数の主要な成分に要約する方法
(3). 因子分析、現象間の背後の共通因子を探索する方法
(4). ロジスティック回帰分析と判別分析、異なる所属グループの判別要因を知る方法
(5). クラスター分析、全サンプルを樹形図で示す階層的な方法とクラスター間のサンプルの入替えを行う非階層的な方法

とがある。

 本セミナーでは、各分析手法の基礎と応用、および実践で活用するポイントについて、PCを交えた演習を交えて解説する。当日、演習にて使用するExcelファイルは持ち帰りが可能なので、講義の復習と実務に役立てることが出来る。

セミナー詳細

開催日時
  • 2019年03月11日(月) 10:30 ~ 17:30
開催場所 日本テクノセンター研修室
カテゴリー ソフト・データ・画像・デザイン
受講対象者 ・業種は問わず、実務にて多変量解析を使用する、またはこれから多変量解析を利用した分析業務に携わる研究者、技術者、商品開発、マーケティング、技術営業の方
・多変量解析に関心のある方
予備知識 ・統計解析に関心があると理解が深まります
修得知識 ・重回帰分析、主成分分析、因子分析、ロジスティック回帰分析、判別分析、クラスター分析の基礎と応用、および実務で活用するためのポイント
プログラム

1. 統計分析の知識(多変量解析を学ぶ基礎)
  (1). 基本統計量
      a. 平均、分散、標準偏差
  (2). 統計的な検定と推定の考え方
      a. 母集団と標本の考え方
      b. 理論的確率分布(正規分布、t分布、F分布、カイ二乗分布)
      c. 統計的な検定と推定

2. 探索的データ解析(すべての変量の検討)
  (1). ヒストグラム
  (2). 幹葉図
  (3). 箱ヒゲ図
  (4). 多変量連関図

3. 相関(2つ変量の要因の関連度)
  (1). 相関
  (2). 相関分析の【例題】
  (3). 相関行列の考え方
  (4). 相関散布図の見方
  (5). 相関と回帰の関係

4. 回帰分析(結果と原因)の方法
  (1). 回帰分析
  (2). 回帰分析の【例題】
  (3). 最小二乗法と最尤推定法
  (4). 回帰分析の方法
      a. 編回帰係数
      b. t検定とF検定の考え方

5. 重回帰分析
  (1). 重回帰分析
  (2). 重回帰分析の【例題】
  (3). 重回帰分析のモデルの評価
      a. 説明変数の選択方法(ステップワイズ法、AICによる方法)
      b. 重相関係数と決定係数
      c. 自由度調整済み決定係数
      d. 多重共線性の対策
      e. 標準編回帰係数
      f. 残差分析
  (4). 重回帰分析の留意点
      a. 解析のデータ数(変量に対するサンプル数の割合)
      b. 多重共線性の発見(トレランス・VIF指標)

6. 判別分析
  (1). 判別分析
  (2). 判別分析の【例題】
  (3). 判別分析のモデルの評価
      a. 判別の距離(ユークリッドの距離、マハラノビスの距離)
      b. 標準編回帰係数
      c. 判別スコア
      d. 誤判別率
  (4). 判別分析の特徴

7. ロジスティック回帰分析
  (1). ロジスティック回帰分析
  (2). ロジスティック回帰分析の【例題】
  (3). ロジスティック回帰分析モデルの評価
      a. 尤度比検定
      b. 尤度比寄与率
      c. カイ二乗検定量
      d. オッズ比
      e. 残差分析(標準化残差、逸脱度残差)
  (4). ロジスティック回帰分析の特徴

8. 主成分分析
  (1). 主成分分析
  (2). 主成分分析の【例題】
  (3). 主成分分析の方法
      a. 分散・共分散行列による方法
      b. 相関行列による方法
  (4). 主成分分析モデルの評価
      a. 主成分値
      b. 固有値ベクトル
      c. 寄与率
      d. 因子負荷量
      e. 主成分得点
  (5).主成分分析の特徴

9. 因子分析
  (1). 因子分析
  (2). 因子分析の【例題】
  (3). 因子分析と主成分分析の違い
  (4). 因子分析モデルの評価
      a. 共通因子の推定
      b. 因子負荷量の推定(主因子法、セントロイド法)
      c. 因子軸の回転(バリマックス法)
      d. 因子の解釈
  (5). 因子分析の特徴

10. クラスター分析
  (1). 階層型クラスター分析
  (2). 階層型クラスター分析の【例題】
  (3). 階層型クラスター分析の分類方法
      a. 最短距離法
      b. ウオ―ド法
      c. 最長距離法
      d. 群平均法
  (4). 樹形図
  (5). 階層型クラスター分析の特徴
  (6). 非階層型クラスター分析
  (7). 非階層型クラスター分析の【例題】
  (8). 非階層型クラスター分析(k-means法)の方法
      a. データの標準化
      b. 分類の距離(ユークリッドの距離)
      c. 分割するクラスターの数
      d. 分類変数の選択(F検定による)

11. AI機械学習に使用される多変量解析手法
  (1)ニューラルネットワークとは
  (2)判別2進木(CART)とは

キーワード 統計分析 探索的データ解析 相関 回帰分析 重回帰分析 判別分析 ロジスティック回帰分析 主成分分析 因子分析 クラスター分析
タグ 統計・データ解析統計・データデータ分析
受講料 一般 (1名):49,680円(税込)
同時複数申込の場合(1名):44,280円(税込)
会場
日本テクノセンター研修室
〒 163-0722 東京都新宿区西新宿2-7-1 小田急第一生命ビル(22階)
- JR「新宿駅」西口から徒歩10分
- 東京メトロ丸ノ内線「西新宿駅」から徒歩8分
- 都営大江戸線「都庁前駅」から徒歩5分
電話番号 : 03-5322-5888
FAX : 03-5322-5666
contact us contact us
各種お問い合わせは、お電話でも受け付けております。
03-5322-5888

営業時間 月~金:9:00~17:00 / 定休日:土日・祝日