シラバス参照

授業情報/Class Information

科目一覧へ戻る 2023/07/20 現在

基本情報/Basic Information

開講科目名
/Class
システム分析Ⅰ/System Analysis Ⅰ
授業コード
/Class Code
B600662001
開講キャンパス
/Campus
ポートアイランド
開講所属
/Course
経営学部/Business Administration
年度
/Year
2023年度/Academic Year  
開講区分
/Semester
前期/SPRING
曜日・時限
/Day, Period
月3(前期)/MON3(SPR.)
単位数
/Credits
2.0
主担当教員
/Main Instructor
小川 賢/OGAWA MASARU
科目区分
/Course Group
【専門教育科目】 〈経営情報科学コース選択必修科目〉/*** MAJORS *** 〈経営情報科学コース選択必修科目〉
遠隔授業
/Remote lecture
No

担当教員情報/Instructor Information

教員名
/Instructor
教員所属名
/Affiliation
小川 賢/OGAWA MASARU 経営学部/Business Administration
授業の方法
/Class Format
対面授業(講義)
授業の目的
/Class Purpose
企業経営やビジネスに活用される大量の経営情報の中から必要な情報を抽出してデータを解析したり、モデル化する能力のニーズは高くなっている。
この講義では、問題をシステム化するのに必要な数理情報の知識・技術を学修し、経営に関するデータ分析の考え方と具体的な分析方法を修得することを目的とする。
企業の行動を経済学にモデル化し行動を分析するために知識を学習する。 
情報の格差が意思決定に与える影響について報の経済学の基本的な知識を学習する。
到 達 目 標
/Class Objectives
多変量解析(重回帰分析・主成分分析・因子分析・判別分析・クラスター分析)の分析方法について特徴を説明できる。
コンピュータを使って多変量解析(重回帰分析・主成分分析・因子分析・判別分析・クラスター分析)を行い、結果を考察し説明できる。
統計ソフトを用いた統計処理ができる。
授業のキーワード
/Keywords
多変量解析
授業の進め方
/Method of Instruction
講義を中心に進める。 
履修するにあたって
/Instruction to Students
授業中の私語と講義に関係ないスマフォ等の操作は禁じます。
授業時間外に必要な学修
/Expected Work outside of Class
予習:テキストに目を通しておくこと。必要であれば、統計学のテキストを復習しておくこと。
復習:講義で学修した分析方法、ソフトウェアの操作方法を復習し、内容の理解に努めること。
1時間程度の授業時間外が目安である。
提出課題など
/Quiz,Report,etc
成績評価方法・基準
/Grading Method・Criteria
講義時間中に数回実施予定の演習課題(25%)と定期試験(75%)により評価する。
テキスト
/Required Texts
石村貞夫・石村光資郎著『入門はじめての多変量解析』東京図書 
参考図書
/Reference Books
塩出省吾・今野勤著『経営系学生のための基礎統計学』共立出版
兼子毅著『Rで学ぶ多変量解析』日科技連出版社
石村貞夫著『すぐわかる多変量解析』東京図書 
No.
/Time
主題と位置付け
/Subjects and position in the whole class
学習方法と内容
/Methods and contents
備考
/Notes
1 第1回 ガイダンス 講義の概要、講義の進め方についての説明
2 第2回 基礎統計量と線形代数1 基礎統計量について理解する。
3 第3回 基礎統計量と線形代数2 逆行列や行列の固有値・固有ベクトルについて理解する。
4 第4回 重回帰分析1 重回帰分析の基本的な考え方を理解する。
5 第5回 重回帰分析2 重回帰モデルの理論的背景を理解する。
6 第6回 重回帰分析3 重回帰分析の結果の解釈方法を理解する。
7 第7回 重回帰分析4 重回帰分析を行う上での注意すべき内容を理解する。
8 第8回 重回帰分析5 各種ソフトウェアでの重回帰分析を理解する。
9 第9回 主成分分析 主成分や主成分得点、寄与度等主成分分析の基本を理解する。
10 第10回 因子分析1 因子モデルや因子の回転等因子分析の基本を理解する。
11 第11回 因子分析2 因子分析の結果の解釈方法を理解する。
12 第12回 判別分析 判別得点や線形判別関数、マハラノビスの距離等判別分析の基本を理解する。
13 第13回 クラスター分析 クラスタやデンドログラム等クラスター分析の基本を理解する。
14 第14回 データの取扱い 個人情報を含むデータを扱う上で注意すべき事柄を
15 第15回 まとめ 多変量解析やデータの扱いについて総括する。

科目一覧へ戻る