• 2024年01月11日(木) 10:30 ~ 17:30

１．多変量解析とは？
　　（１）．データの分類
　　（２）．多変量解析とは？
　　（３）．さまざまな分析手法の概要
　　　　ａ．重回帰分析
　　　　ｂ．ロジスティック回帰分析
　　　　ｃ．主成分分析
　　　　ｄ．因子分析
　　　　ｅ．数量化Ⅲ類
　　　　ｆ．クラスター分析

２．統計学の基礎
　　（１）．平方和と分散と標準偏差
　　（２）．基準化と基準値
　　（３）．単相関係数
　　（４）．データ分析の取り組み方

３．回帰分析　～多変量解析の前に～
　　（１）．回帰分析とは？
　　（２）．具体例
　　（３）．分析結果の精度
　　　　ａ．実測値と予測値と残差
　　　　ｂ．決定係数
　　　　ｃ．重相関係数
　　（４）．Excelによる分析

４．重回帰分析　～「数値」を予測する～
　　（１）．重回帰分析とは？
　　（２）．具体例
　　（３）．分析結果の精度
　　　　ａ．決定係数と重相関係数
　　　　ｂ．自由度調整済み決定係数
　　（４）．Excelによる分析
　　（５）．標準偏回帰係数

５．ロジスティック回帰分析　～「確率」を予測する～
　　（１）．ロジスティック回帰分析の前に
　　　　ａ．有理数と無理数
　　　　ｂ．最尤推定法
　　（２）．ロジスティック回帰分析とは？
　　（３）．具体例
　　（４）．分析結果の精度
　　　　ａ．誤判別率
　　　　ｂ．決定係数
　　（５）．オッズ比
　　　　ａ．リスク比とオッズ比
　　　　ｂ．ロジスティック回帰式の係数とオッズ比の関係
　　（６）．決定木

６．数量化Ⅲ類　～カテゴリカルデータを点グラフ化する～
　　（１）．数量化Ⅲ類とは？
　　（２）．具体例
　　　　ａ．計算の概要
　　　　ｂ．分析結果の精度
　　　　ｃ．点グラフの軸の解釈
　　（３）．コレスポンデンス分析

７．クラスター分析　～個体を分類する～
　　（１）．クラスター分析とは？
　　（２）．具体例
　　（３）．注意点・ポイント

８．主成分分析　～「総合▲▲力」を編み出す～
　　（１）．主成分分析とは？
　　（２）．注意
　　（３）．具体例
　　　　ａ．主成分の算出
　　　　ｂ．主成分得点の算出
　　　　ｃ．分析結果の精度
　　　　ｄ．分析結果の検討
　　（４）．変数の選定と第1主成分
　　（５）．累積寄与率の実体

９．因子分析　～「データの背後に潜む説明変数」を見つけ出す～
　　（１）．因子分析の前に
　　（２）．因子分析とは？
　　（３）．注意点・ポイント
　　（４）．具体例
　　　　ａ．回転前の因子負荷量の算出
　　　　ｂ．回転後の因子負荷量の算出
　　　　ｃ．各共通因子の意味の解釈
　　　　ｄ．分析結果の精度
　　　　ｅ．因子得点の算出
　　（５）．補足
　　　　ａ．共通因子の個数と因子負荷量
　　　　ｂ．直交回転と斜交回転
　　（６）．構造方程式モデリング

日本テクノセンター研修室