★数学的な水準を心配する必要なく学習できます！基礎から学びたい方、勝つ方法を学びたい方、ぜひご参加下さい！
※本セミナーはZoomを使ったLIVE配信セミナーです。会場での参加はできません。
第1章 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
3.1 重回帰分析
3.2 ロジスティック回帰分析
3.3 主成分分析
3.4 因子分析
3.5 数量化Ⅲ類
3.6 クラスター分析
第2章 統計学の基礎知識
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
第3章 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
3.1 実測値と予測値と残差
3.2 決定係数
3.3 重相関係数
4.補足
4.1 Excelによる分析
第4章 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
3.1 決定係数と重相関係数
3.2 自由度調整済み決定係数
4.補足
4.1 Excelによる分析
4.2 標準偏回帰係数
第5章 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
1.1 有理数と無理数
1.2 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
4.1 誤判別率
4.2 決定係数
5.オッズ比
5.1 リスク比とオッズ比
5.2 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
第6章 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
2.1 計算の概要
2.2 分析結果の精度
2.3 点グラフの軸の解釈
3.コレスポンデンス分析
第7章 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
第8章 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
3.1 主成分の算出
3.2 主成分得点の算出
3.3 分析結果の精度
3.4 分析結果の検討
4.補足
4.1 変数の選定と第1主成分
4.2 累積寄与率の実体
第9章 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
4.具体例
4.1 回転前の因子負荷量の算出
4.2 回転後の因子負荷量の算出
4.3 各共通因子の意味の解釈
4.4 分析結果の精度
4.5 因子得点の算出
5.補足
5.1 共通因子の個数と因子負荷量
5.2 直交回転と斜交回転
5.3 あらためて、因子分析とは？
6.構造方程式モデリング