データ分析に活かす多変量解析手法

セミナー趣旨

　このセミナーでは，多変量解析法の原理を因子分析系と回帰分析系の二つの体系にわけてその概略を掴み，その両者を統合する構造方程式モデルはどのようにして構成されているのかについての直感的理解を得ることを目的としています。
　また，これらの手法はいずれも線形モデルであり，線形代数の行列表現を用いることでスッキリと記述することができます。この数式的な理解を図とイメージで直感的に理解することで，多変量解析の世界を一気に俯瞰して捉えることができるようになります。

受講対象・レベル

・蓄積されたデータを業務に活かすために分析技術を活用したい方
・顧客情報や感性評価，センサーデータなど
　大量のデータを情報圧縮するテクニックを習得したい方。
・すでに多変量解析を使ったことがあるが，
　数値や指標などが適切かどうかを判断するなどスキルアップを目指しておられる方

必要な予備知識

特に予備知識は必要ありません。基礎から解説いたします。

習得できる知識

多量のデータから有用な変数を選び出すことができるようになります。
あるいは，多量のデータを要約・圧縮し，少数の説明できる変数を生成することができ，効率よくデータをまとめることができます。
具体的な方法論としては，重回帰分析と主成分分析を軸に，両者を統合した構造方程式モデリングまで解説いたします。実践例はフリーソフトウェアの統計環境Rを使いますので，すぐにご自身の環境で応用可能です。

セミナープログラム

１． 多変量解析の体系と目的
　　　1.1. 多変量データとは；数値データの種類・水準
　　　1.2. 回帰分析系モデルの世界
　　　1.3. 因子分析系モデルの世界
　　　1.4. 構造方程式モデルによる線形世界の統合

２． 回帰分析系モデルの仕組み
　　　2.1. データにモデルを「当てはめる」
　　　2.2. 未知数を推定する数学的仕組み1；最小二乗法
　　　2.3. 未知数を推定する数学的仕組み2；最尤法
　　　2.4. 未知数を推定する数学的仕組み3；ベイズ法

３． 因子分析系モデルの仕組み
　　　3.1. 因子分析モデルはテスト理論から
　　　3.2. 因子分析の目的；要約・圧縮/不要な情報の切り捨て
　　　3.3. 因子分析の数学的仕組みの前に；線形代数のエッセンス
　　　3.4. 因子分析の数学的仕組み；固有値分解

４． 多変量解析を俯瞰する
　　　4.1. 固有値分解と多変量解析
　　　4.2. 行列表現と構造方程式モデル
　　　4.3. 本講義でカバーできなかった領域；非線形の世界
　　　4.4. まとめ

【質疑応答】

多変量解析,重回帰分析,主成分分析,データ,WEBセミナー,セミナー,講演,研修

セミナー講師

専修大学 人間科学部 教授 博士（社会学）　小杉 考司 氏

セミナー受講料

55,000円（税込、資料付）
■ セミナー主催者からの会員登録をしていただいた場合、1名で申込の場合49,500円、
　 2名同時申込の場合計55,000円（2人目無料：1名あたり27,500円）で受講できます。
（セミナーのお申し込みと同時に会員登録をさせていただきますので、
　  今回の受講料から会員価格を適用いたします。）
※ 会員登録とは
　 ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。
　 すべて無料で年会費・更新料・登録費は一切かかりません。
　 メールまたは郵送でのご案内となります。
　 郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。

受講について

Zoomを使ったWEB配信セミナー受講の手順

1. Zoomを使用されたことがない方は、こちらからミーティング用Zoomクライアントをダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
2. セミナー前日までに必ず動作確認をお願いします。
3. 開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加ください。

• セミナー資料は開催前日までにお送りいたします。
• 無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。