R による多変量解析入門　データ分析の実践と理論

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、殆ど配慮がない野が現状です。
　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。


まえがき
目次
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
1.1 データと手法の概要
1.2 単変量データの基礎分析
1.3 単変量データの群間比較
1.4 多変量データの基礎分析
1.5 多変量データの関係性の分析
1.6 基本統計量の数理的成り立ち
1.7 偏相関係数
コラム1：疑似相関をひたすら集め続ける人
1.8 順序カテゴリカル変数の相関係数
1.9 効果量
コラム2：アメリカ統計学会の統計的仮説検定に対する声明
章末演習

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
2.1 手法の概要
2.2 変数の型
2.3 観測対象の情報の抽出
2.4 欠損値の処理
2.5 ソート
2.6 マージ
2.7 数値の置き換え
2.8 固定長データのハンドリング
2.9 ID-POSデータの読み込み
コラム3：Rの外部エディタとしての“Notepad++”
2.10 ID-POSデータにおけるソート
2.11 RFM分析
2.12 ID-POSデータにおけるクロス集計表顧
2.13 顧客ID別に月ごとの購買金額を求める
2.14 顧客ID別に商品名を取得する－－－自作関数を利用する
2.15 顧客IDごとに来店間隔の分布を描画・要約する
コラム4：R上達への近道
章末演習

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
3.1 データと手法の概要最
3.2 モデル作成と母数の推定・診断
3.3 モデルの評価と解釈
3.4 報告例
3.5 質的変数を含む重回帰分析
3.6 AICとBICによるモデルの評価
3.7 重回帰分析と母数推定理論
コラム5：自由度調整済み決定係数とAICの意義
3.8 偏回帰係数の解釈
3.9 決定係数とその検定
3.10 切片と偏回帰係数の検定切
3.11 切片と偏回帰係数の信頼区間
コラム6：それでも誤解され続ける偏回帰係数
3.12 VIFの理論
章末演習
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
4.1 データと手法の概要
4.2 階層的重回帰分析
4.3 重回帰分析での交互作用効果の検討
4.4 単純傾斜分析
コラム7：プリーチャー氏のWebサイト
4.5 報告例
4.6 重回帰分析における変数選択
コラム8：セイバーメトリクス
章末演習
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
5.1 データと手法の概要
5.2 マルチレベルモデルによる分析
コラム9：マルチレベルモデルにおける記号
5.3 モデル比較
5.4 報告例
5.5 推定法
5.6 複数のレベルを持つデータの例
コラム10：生態学的誤謬
章末演習
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
6.1 データと手法の概要
6.2 パス解析
6.3 モデルの評価とモデルの修正
6.4 結果の解釈とまとめ方
6.5 パス解析の理論
コラム11：相関と因果
コラム12：因果関係を示すためには？
6.6 係数の解釈
6.7 モデルの適合度
章末演習

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
7.1 データと手法の概要
7.2 因子数の決定
7.3 因子負荷の推定
7.4 因子軸の回転
7.5 因子の解釈
7.6 報告例
7.7 信頼性の評価
コラム13：相関行列と因子分析
7.8 順序カテゴリカル変数の探索的因子分析と信頼性の評価
7.9 探索的因子分析の理論
7.10 尺度の信頼性
コラム14：知能と因子分析
章末演習
第8章 心理尺度を開発したい(2)－確認的因子分析
8.1 確認的因子分析と本章の概要
8.2 確認的因子分析
8.3 報告例
8.4 順序カテゴリカル変数を扱った確認的因子分析
8.5 モデルの識別性
8.6 不適解の問題
8.7 高次因子分析
コラム15：探索的因子分析と確認的因子分析
8.8 尺度の妥当性
コラム16：多特性多方法行列
章末演習
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
9.1 データと手法の概要
9.2 モデル表現
9.3 モデルの推定および評価
9.4 最終モデルの推定結果の確認
9.5 報告例
9.6 モデルの数式表現
コラム17：フィットよければ全てよし？
9.7 モデルの推定
9.8 発展的な分析に向けて
ラム18：共分散構造分析と共分散分析の違いと手法の深い理解
章末演習

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
10.1 データと手法の概要
10.2 飽和モデルの分析
10.3 独立モデルの分析
10.4 最良モデルの探索
10.5 報告例
10.6 対数線形モデルとポアソン分布
10.7 逸脱度
10.8 モデルの自由度
10.9 逸脱度を用いた尤度比検定
10.10 母数の制約
10.11 母数と期待度数
10.12 期待度数と関連づけた母数の解釈
10.13 基準セルの設定
コラム19：対数線形モデルと変数の個数
章末演習
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
11.1 データと手法の概要
11.2 係数・切片の推定と解釈
11.3 モデルの良さの評価
11.4 その他の有益な指標
11.5 報告例
11.6 モデルの意味
コラム20：オッズと言えばギャンブル？
11.7 母数の推定の考え方
11.8 Hosmer-Lemeshowの適合度検定
11.9 AIC とBIC
コラム21：GLMって何？
章末演習

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
12.1 データと手法の概要
12.2 階層的クラスター分析の実行
12.3 非階層的クラスター分析の実行－k平均法
12.4 報告例
12.5 非類似度の考え方
コラム22：マハラノビス距離
12.6 階層的クラスター分析におけるクラスター形成の考え方
12.7 非階層的クラスター分析の考え方
12.8 クラスター数の妥当性の確認
コラム23：2種類のウォード法
章末演習
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
13.1 データと手法の概要
13.2 コレスポンデンス分析
13.3 報告例
13.4 クラスター分析の併用
13.5 多重コレスポンデンス分析
13.6 コレスポンデンス分析の理論
ラム24：「タイタニックデータ」の多重コレスポンデンス分析
13.7 寄与率・平方相関・慣性
コラム25：市場調査の実務で活躍するコレスポンデンス分析
章末演習
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
14.1 データと手法の概要
14.2 分布の検討
14.3 時系列変化の検討
14.4 2 つの事柄の関係の検討
コラム26：3次元円グラフにはご注意を
14.5 軸以外の審美的属性のマッピング
14.6 軸と凡例の設定
14.7 状況・目的に応じたさまざまな図の描画
コラム27：色に頼りすぎない
章末演習
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
15.1 グループ化－グループの影響の検討
15.2 尺度得点化－尺度得点による説明
15.3 測定状況の確認－多変数間の関係の検討
コラム28：合計得点や平均値による尺度化で気をつけること
章末演習の解答
参考文献
索引