※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 多変量解析手法の理論と実践をバランスよく習得できる！ 　様々な媒体、経路を通じて大規模データが、驚くほど低コストで入手できるようになった現在、多変量解析手法に習熟したデータサイエンティストに対する学術界、ビジネス界からのニーズは非常に高まっており、これに対して大学や企業では、高いデータ解析力を持った人材の育成に注力し始めています。しかし、多くの多変量解析についての学習書は、理論的な説明に終始し、実務場面でどのように利用されているかについて、殆ど配慮がないのが現状です。 　そこで本書は、多変量解析手法の理論と実践をバランスよく解説することで、統計が得意ではない大学生や実務者にも利用しやすい構成とし、本書1冊で多変量解析手法を実務に応用できるまで習得できる内容となっています。 第I部 多変量解析の基礎 第1章 多変量解析の基礎を学びたい―R による多変量データの基本的な統計処理 第2章 R によるデータハンドリングを学びたい ―アンケートデータと ID-POS データのハンドリング 第II部 量的変数の説明・予測 第3章 現象を説明・予測する統計モデルを作りたい (1) ―重回帰分析 第4章 現象を説明・予測する統計モデルを作りたい (2) ―階層的重回帰分析 第5章 さまざまな集団から得られたデータを分析したい―マルチレベルモデル 第6章 複雑な仮説を統計モデルとして表したい (1)―パス解析 第III部 心理尺度の分析 第7章 心理尺度を開発したい (1) ―探索的因子分析 第8章 心理尺度を開発したい (2) ―確認的因子分析 第9章 複雑な仮説を統計モデルとして表したい (2) ―潜在変数を伴うパス解析 第IV部 質的変数の説明・予測 第10章 クロス集計表をもっとていねいに分析したい―対数線形モデル 第11章 カテゴリに所属する確率を説明・予測したい―ロジスティック回帰分析 第V部 個体と変数の分類 第12章 似たもの同士にグループ分けしたい―クラスター分析 第13章 質的変数間の連関を視覚化したい―コレスポンデンス分析 第VI部 多変量解析を使いこなす 第14章 データが持つ情報を視覚化したい―パッケージggplot2による描画 第15章 多変量解析を実践で生かしたい―手法の組み合わせ

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 成果に結び付くデータの集め方・処理の仕方の基本となる考え方をわかりやすく解説！ データを利用・活用しようとしたとき、目の前の状況や蓄積されたデータと、データを扱うさまざまな手法・データサイエンスの知見が結び付かず、「どうやって分析したら良いか思いつかない」、「他人の分析例を見ても，実際に手元のデータに応用することができない」ということが起こりがちです。 そこで、ビジネスシーンを念頭に置いた事例をとおして、データの扱い方を ・そもそもビジネスで活用するためには、データをどのように捉え、考えれば良いか ・現場で使いやすい分析手法には何があるか ・どのようなアウトプットになり、どのような状況で利用できるか といった視点で整理し、わかりやすく、やさしく解説します。 第1章　実務に使うためのデータ分析とは？ 1.1 ビジネスにおけるデータ分析の役割とは 　1 分析の必要性を確認する 　2 ビジネスデータ分析と行動経済学 　3 顧客が合理的に動かない理由を説明する「プロスペクト理論」 　4 数字の見せ方で印象が変わる「フレーミング効果」 　5 顧客には安心するメニューがある「極端の回避性」 　6 「カンと経験」と「データ分析」の関係 　7 現場におけるデータ分析の使いどころ 1.2 現場におけるデータ分析時に意識すべきこと 　1 最も優先的に意識すべきこと 　2 分析の目的を見失わないために重要なこと 　3 データを収集するときに意識しておきたいこと 　4 データ分析を行う際に意識すべきことのおさらい 　5 分析プロジェクトの2つのタイプ「探索型」と「予測型」 　6 分析結果にどのように向き合うか 第2章　分析ロジックとビジネスをつなげる思考メソッド 2.1 ビジネスにおける「原因と結果・効果」 　1 「表」を「ビジネスで使えるツール」として捉える 　2 「原因と結果・効果の表」で商いを捉える（情報の取捨選択） 2.2 「原因と結果・効果の表」を深掘りする 　1 現実のビジネスデータをどのように捉えるか 　2 「原因と結果・効果の表」の中身は4パターン 　3 4パターンの詳細解説 2.3 ビジネスの課題への適用メソッド 　1 ビジネスデータ活用の構造 　2 見える部分と見えない部分 　3 時間の変化・期間設定について 　4 介入できるデータと介入できないデータ 　5 過去の解析と未来の予測 2.4 データと分析手法の関係 　1 データが多数あることのメリット 　2 データと分析手法の関係 第3章　ビジネス現場で使える分析手法 3.1 データ分析で最低限知っておきたいこと 　1 集計できたら，まずチェック～基本統計量（平均値，標準偏差，最頻値，中央値）～ 　2 データ同士の「つながり」を見る～相関関係と因果関係～ 　3 データ間に「真の関係」はあるか？～因果推論～ 3.2 ビジネスデータを扱ううえで知っておきたい「多変量解析」 　1 「統計モデル」の基本～回帰分析～ 　2 データを上手にグループ分けする～クラスター分析～ 　3 データの特徴をシンプルに探る～主成分分析～ 　4 データに隠れる要因を推測～因子分析～ 3.3 ビジネス現場の「予測」で使いやすい分析手法 　1 「何が決め手になったのか？」を探る～決定木分析～ 　2 予測精度の高い手法～ランダムフォレスト～ 　3 予測精度の評価方法 3.4 ライバルに差を付ける「確率論」の視点 　1 未来を見るために重要な視点～確率分布～ 　2 カンと経験をビジネスに使う～ベイズ確率～ 3.5 いろいろな場面で使えるその他手法 　1 「使えるペア」を探索～アソシエーション分析～ 　2 時系列データの読み取り方～時系列分析～ 　3 レコメンデーション（推薦システム）の仕組み 　4 テキストデータの分析方法～テキストマイニング～ 3.6 マーケティング理論への拡張 　1 マーケティング理論への分析手法適用メソッド 　2 STP分析にデータ分析手法を使う 　3 イノベーター理論に確率のテクニックを使う 　4 RFM分析に確率分布のテクニックを使う 第4章　実務への適用メソッド 4.1 「なぜ売れるのか・誰が買うのか」を探る 　1 二項対立を図で考察 　2 想像力や推理力を発揮するポイント 4.2 サブスクリプション商材をどのように考えるか 4.3 従業員に関するデータの活用法 　1 従業員が分析対象となっているケース 　2 従業員データを分析の材料とするケース 4.4 実務データで生じる各種問題への対処アイデア 　1 欠損値への対処法 　2 はずれ値の対処法 　3 有意差検定における「P値」の解釈 　4 何でも正規分布を仮定 参考文献