・本講座では、統計学を実務に活用、応用するために必要な知識、手法について、多くの具体的な事例を用いて実践的に学習します。
・統計学を実践的に活用するためには、統計学の本質的理解に加えて、数多くの事例演習体験が必須です。具体的な事例について正しく分析し、正しく解釈するトレーニングが統計分析力の養成に役立ちます。
・演習には、実務への実践的活用のために、Rを用いた演習を行います。
・本講座の受講前に「Rによる統計学」を併せて受講されることをお勧め致します。
・統計学の実践的な活用方法を習得されたい方
・実務に合わせた様々な統計手法について学びたい方
・解決すべき問題の特徴を的確にとらえ最適な統計分析手法の選択能力、及び分析結果を正しく解釈する能力の習得
・統計学の基礎
1）記述統計
2）母集団と標本
・ｔ検定
2群のデータの平均値の違いについて判断する方法について学びます。
1）1標本、2標本、対応のある場合
2）区間推定、効果量、検出力
サンプルサイズに合った分析結果の解釈の方法について学習します。
3）サンプルサイズの設定方法
効果量、検出力、有意水準を設定しサンプルサイズを求める方法
・分析結果から検出力を求める
・対応の有無による分析結果の違いを比較する
・ノンパラメトリック検定
1）ウイルコクソン順位和検定
2）ウイルコクソンの符号付順位和検定
・分割分析
1）F値の計算方法
2）効果量と解釈
・相関分析
データの種類の違いによる相関関係の把握方法、相関係数の使用方法について学びます。
1）ピアソンの積率相関係数
2）偏相関係数
交絡変数を除いた場合の積率相関係数の求め方について学びます。
・交絡変数の有無による積率相関係数の違いを比較する
3）スピアマンの順位相関係数
順位データの場合の相関係数の求め方を学びます。
・積率相関係数と順位相関係数の違いについて比較する
・重回帰分析
1）モデルのしくみ
分析結果（決定係数、偏回帰係数、ｔ値、Ｐ値等）の解釈方法
2）最適なモデルの求め方
3）データの特徴、種類に合わせた分析方法
・説明変数に内部相関があるとき
・交互作用項を含む分析方法
・ダミー変数を含む重回帰分析
・カテゴリーデータを含む場合の重回帰分析
・説明変数が質的変数の場合の分析方法
・ロジスティック回帰分析
従属変数が2値変数（1,0）の場合における回帰分析の方法について学びます。
1）モデルのしくみ
分析結果（回帰係数、Ｐ値等）の解釈方法
2）予測値の求め方
予測値を求めて分類に活用します。
3）オッズ比の求め方と活用法
・ダミー変数を含む場合の分析方法
・主成分分析
ビッグデータ分析によく用いられる変数の代表的な縮約方法である主成分分析について学びます。
1）モデルのしくみ
2）分析結果の解釈
主成分負荷量等、分析結果の解釈方法と主成分スコアの活用法
・クラスター分析
ビッグデータ分析によく用いられる変数及びサンプルのグルーピング方法について学びます。
1）階層クラスター分析
階層クラスター分析のしくみを学習し、得られたデンドログラムからグルーピングする方法について学びます。
2）非階層クラスター分析
k-mean法のしくみを学び、さらに、階層と非階層の違い、それぞれのメリットとデメリットについて学びます。
・階層クラスターと非階層クラスター分析の結果を比較する
