書籍情報
株式会社アイスタット代表 理学博士 菅 民郎が著書した専門書のご紹介です。
多変量解析
初心者がらくらく読める 多変量解析の実践(上)
多変量解析を本格的に学びたい方のための書籍です。
重回帰分析・判別分析・主成分分析・因子分析に関する内容が記載されています。
本書では、どの分析手法の解説においても、「実践編」→「理論編」との構成をとります。
「実践編」では、その分析手法の概要が記されています。そして易しい例題と、計算の過程がスムーズに目で追える解答が記されています。
「理論編」では、一般化されたデータ(例:変数の数がpでサンプル数がn)をもとにした、各分析手法の具体的な計算方法が解説されています。ベクトルや行 列を多用しての解説が類書でよく見受けられるのに対し、本書では高校生程度の数学の知識でなるべく読み進められるように配慮がなされています。
「計算過程がブラックボックスなのは嫌だ!!」という方には魅惑的な書籍です。
読みやすい2色刷りです。
目次
1. 多変量解析の出発
§1 わからないこと・・・ベスト4
§2 どうしたら解決できるか
§3 わからないことを明らかにしてくれる多変量解析
§4 広く使われている多変量解析
§5 多変量解析には2つの立場がある
§6 目的変数のある場合の多変量解析
§7 目的変数のない場合の多変量解析
§8 多変量解析で用いるデータについて
§9 多変量解析のどの手法を使えばよいか
テスト
2. 重回帰分析
実践編
§1 重回帰分析とはなにか
§2 関数式の係数─偏回帰係数
§3 説明変数の大事さランキングを調べる─標準偏回帰係数
§4 分析精度を表す─決定係数
§5 決定係数を検定する
§6 変数選択の方法
§7 説明変数とサンプルの数
§8 知っておきたい裏技
§9 パソコン処理による結果をみる
理論偏
§10 重回帰式の求め方
§11 重回帰式の係数に関する推定と検定
§12 理論値に関する分析
§13 変数選択法
§14 重回帰分析における一つの工夫
テスト
3. 判別分析
実践編
§1 判別分析とはなにか
§2 線型判別関数の式
§3 マハラノビスの汎距離
§4 個々のサンプルがどの群に属するかを判定
§5 判別分析の制度
§6 パソコン処理による結果をみる
理論編
§7 判別関数の求め方
§8 等分散性の検定
§9 個々のサンプルの確率による判別
§10 変数選択法
テスト
4. 主成分分析
実践編
§1 主成分分析とはなにか
§2 関数式の係数─固有ベクトル
§3 主成分の説明力を表す─寄与率
§4 主成分の数
§5 変数の設定
§6 主成分の解釈とネーミング
§7 パソコン処理による結果をみる
理論偏
§8 固有ベクトルの求め方
テスト
5. 因子分析
実践編
§1 因子分析とはなにか
§2 因子負荷量
§3 寄与率
§4 因子の数
§5 因子軸の回転
§6 因子得点
§7 因子軸の解釈のしかた
§8 パソコン処理による結果をみる
理論偏
§9 因子負荷量の推定
§10 因子軸の回転
§11 因子得点の推定
テスト
関連書籍
実験やアンケート調査で収集されたデータを分析し、複雑に絡み合う要因相互の関係を明らかにし、目的を解決するためのモデル式を作成してくれる多変量解析。本書では仕事や研究に応用できる実用書として、数学的理論はできるだけ省き、具体例を用いわかりやすく、かつ重要なことはきっちり解説しています。
数量化1 類・2 類・3 類・コレスポンデンス アンケート分析について、日別売上予測の実例や様々な数量化法を図表を多く用い,丁寧に解説しています。
本書は主に主成分分析,因子分析,数量化 3 類,コレスポンデンス分析,クラスター分析,共分散構造分析について解説しています。Excelを使って実習することにより、因子分析、数量化3類について理解することができます。
本書は主にロジスティック回帰分析,数量化2類,拡張型数量化2類,カプランマイヤー法とCox 比例ハザードモデル, 時系列分析について解説しています。
質的データーの判別分析 数量化2類
数量化法は,アンケート調査などの質的データの分析に欠くことのできない手法です。 1940年代後半から50年代にかけて林 知己夫氏により開発されてきた考え方は, 現在でも実践的な数多くの場面で用いられます。本書では,数量化2類にスポットをあてて解説します。
多変量解析を勉強しようかな、そう思いはじめた方のための書籍です。
多変量解析を本格的に学びたい方のための書籍です。
数量化I類・数量化II類・数量化III類・数量化IV類・クラスター分析に関する内容が記載されています。
関連セミナー情報
多変量解析入門セミナー
多変量解析とは何か。多変量解析の活用法・結果の見方を学びます。
因果関係、予測、、ポジショニング、グルーピングを把握するために、どのような多変量解析を適用し、活用するかを学びます。