全体観をつかむ多変量解析

ＡＩ・ビッグデータ時代を生き抜くための必携書。本書は文系出身である筆者による多変量解析の入門書であり、同じ文系出身の方々にとって、学びへのハードルを下げる目的で書かれている。数学に苦手意識を持つ人がどこでつまずくかをよく理解した筆者の強みを存分に生かし、重回帰、一般化線形モデルについて説明し、さらにクラスター分析、主成分分析、因子分析を紹介する。本書を読むことで、経営・マネジメントのために必要となる、全体観をつかみとるための分析力を養うことができる。『直感的統計学』（日経ＢＰ社刊）待望の続刊！

現在、統計的なデータ分析が非常に重要だということは新聞、テレビ、インターネット等のニュース媒体で盛んに叫ばれているが、統計学は理系科目であり、多変量解析の書籍もほとんどが理系出身者によって書かれている。つまり、文系出身者の多い経営・マネジメント層にとって、多変量解析はなかなかとっつきにくい分野になってしまっている。

本書は文系出身である筆者による多変量解析の入門書であり、同じ文系出身の方々にとって、学びへのハードルを下げる目的で書かれている。数学に苦手意識を持つ人がどこでつまずくかをよく理解した筆者の強みを存分に生かし、重回帰、一般化線形モデルについて説明し、さらにクラスター分析、主成分分析、因子分析を紹介する。本書を読むことで、経営・マネジメントのために必要となる全体観をつかみとるための分析力を養うことができる。
AI・ビッグデータ時代を生き抜くための必携書であり、『直感的統計学』（日経BP社刊）待望の続刊！

目次

第1章　回帰分析（I）
1.1 はじめに
1.2 散布図
1.3 回帰方程式
1.4 回帰線のまわりの標準誤差
1.5 相関係数

第2章　回帰分析（II）
2.1 はじめに
2.2 軸の平行移動
2.3 1つの軸の中心化
2.4 2つの軸の中心化
2.5 回帰モデル
2.6 回帰直線の有意性に関するFテスト
2.7 中心化したデータのためのショートカット法
2.8 ユニバースの回帰係数に関する推定

第3章　重回帰分析
3.1 重回帰方程式
3.2 重回帰モデル全体に関する推定
3.3 単相関と偏相関
3.4 個々の回帰係数に関する推定
3.5 第2の説明変数の選択
3.6 段階的な回帰モデル形成プロセス

第4章　基礎数学
4.1 行列
4.2 加法
4.3 減法
4.4 乗法
4.5 単位行列
4.6 逆行列
4.7 行列を使って連立方程式を解く方法
4.8 ガウス・ジョーダン法
4.9 クラメルの公式
4.10 微分

第5章　一般化線形モデル
5.1 はじめに
5.2 説明変数が1つのときの回帰分析
5.3 説明変数が2つあるときの回帰分析
5.4 説明変数が2つ以上ある場合
5.5 さまざまな回帰線
5.6 回帰線に関わる諸問題

第6章　全体観を得るための手法
6.1 はじめに
6.2 データの説明
6.3 クラスター分析
6.4 主成分分析
6.5 因子分析
6.6 まとめ

練習問題の略解
参考文献
付表
索引

本の帯に関して

帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。

版・表紙について

版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。