ビジネスマンであれば誰しも職場において多くのグラフやデータを目にしていますが、さてそれでは「これは何に役立つのか？」「これに基づいて次に何を行えばよいのか？」という疑問を持ったことがあるのではないでしょうか。いくらデータが詳細で、分析が緻密であっても、統計学の知識がないと、それらを活かすことができないのです。
また、巷にはデータを分析するためのツールが数多くありますが、統計学の基礎に関する理解があやふやなままこれらにより分析を実行すると、間違った答えがもっともらしく出てしまうため、かえって危険です。
本書は、データマイニングや統計解析の講演・オンライン講座の講師を数多く務めた著者が、講座の内容を練り込み、統計学の中でも特にビジネスに活用するために必要な知識・手法を厳選し「1週間」で無理なく独学できるようにまとめたものです。
さらに、効率良く学習し、また「身に付ついたつもり」の状態に陥らないように、最も普及しているビジネスツールであるExcelを用い、実際に手を動かしながら進めていくよう構成しています。「とりあえず操作ができる」レベルの読者でも理解できるように、Excel操作・関数等の解説も並行して行うので、Excelに自信がない方でも問題ありません。
https://www.ohmsha.co.jp/book/9784274218880/
正誤表やDLデータ等がある場合はこちらに掲載しています
第１日目： データ活用
― Excelでデータ分析をするうえで知っておくべきこと
第２日目： 記述統計学
― 事実を把握・訴求するために、データの特徴を表す方法
第３日目： 推測統計学
― 仮説を検定、母集団を推定する
第４日目：相関・単回帰分析
― 関連度合いを利用した分析と数値予測
第５日目：重回帰分析
― 複数の要因を利用して予測する
第６日目： 時系列分析
― 時系列変動のデータ分析と予測
第７日目： 判別分析
― 顧客サービス満足度の分析
付録：補講
第１日目： データ活用
― Excelでデータ分析をするうえで知っておくべきこと
1.1 データ活用や分析が必要なワケ 〜そもそも統計学とは
1. 状況を把握・訴求するときの大切なこと
2. 組織でデータ活用を行う利点と注意点
3. そもそも統計学とは？
1.2 データを活用するうえでの心構え
〜データがあっても活用できなければ意味がない
1. 「 データ」って「表」？ 〜「表」に対する考え方とデータの持ち方
2. 単純集計・クロス集計・多変量解析とは
3. データ分析ツールには、19 の機能がある
1.3 データを扱うための下準備 〜むだな分析をしないために
1. 数の種類
2. 外れ値とは
3. データクレンジングとは
4. データクレンジングに役立つExcel の機能・関数
第２日目： 記述統計学
― 事実を把握・訴求するために、データの特徴を表す方法
2.1 データの内容を視覚的に表す 〜グラフ
1. グラフ作成の心構え
2. グラフの種類と用途
3. グラフを作るとき・読み取るときの注意点
4. Excel でグラフを描く一般的な操作
2.2 データの内容を1 つの数字で表す 〜基本統計量
1. 平均値は普段よく使うものだけど
2. データのばらつき具合を探る
3. データの分布具合を視覚的に探る〜ヒストグラム
4. 基本統計量一式を求める 〜それぞれの関数
5. データ分析ツールの基本統計量
第３日目： 推測統計学 ― 仮説を検定、母集団を推定する
3.1 推測統計学の目的
3.2 統計的仮説検定 〜仮説が正しいのかを統計学的に判断
1. 統計的仮説検定とは
2. 事例1：ダイエットのビフォー／アフターで意味のある体重の差かどうかを探る 〜平均の差の検定
3. 事例2：年代別の好みの違いを探る〜独立性の検定
4. 推測統計学を実務に応用するのには限界がある
第４日目： 相関・単回帰分析
― 関連度合いを利用した分析と数値予測
4.1 回帰分析の前に 〜数値予測のはなし・回帰分析とは
1. 数値予測の考え方 〜予測には根拠が必要
2. 主な数値予測の種類
3. 回帰分析とは
4.2 相 関 〜 2 つの数値項目の関連度合いを探る
1. 散布図と相関関係
2. 相関の強さを数値で表す 〜相関係数
3. Excel で相関係数を求める
4.3 単回帰分析
1. 相関関係を基に予測をする
2. 無相関の検定
第５日目： 重回帰分析
― 複数の要因をもとに予測する
5.1 重回帰分析の準備
1. 重回帰分析を行うのに必要なデータの型
2. 重回帰分析実行用データの準備
5.2 重回帰分析を実行する
1. 予測の式を求める
2. 売上高の予測を行う
3. より売上高に影響している説明変数はどれかを探る
4. 統計学的に最適な回帰式を求める 〜変数選択
5. 説明変数同士で強い相関関係の解消を 〜多重共線性
6. 採用する説明変数についてさらに考える
第６日目： 時系列分析 ― 時系列変動のデータ分析と予測
6.1 外挿の考え方
1. 予測したい項目を決めて、グラフにすることから始まる
2. 時系列データの推移の特徴
6.2 外挿1 〜直線の傾向を利用する（直線予測）
1. 折れ線グラフで傾向を確認する
2. 近似曲線の追加機能で予測をするための式を求める
3. データ分析ツール「回帰分析」で切片と回帰係数を求める
4. 関数で予測値を求める
6.3 外挿2 〜曲線の傾向を利用する（曲線予測）
1. 変数変換とは 〜曲線の傾向を示すデータの場合
2. 指数近似の例
3. 対数近似の例
4. 累乗近似の例
5. 多項式近似の例
6. 時系列の推移をマクロの視点で探る 〜移動平均
7. 年間の周期性と季節性を考慮した予測を行う
第７日目： 判別分析 ― 顧客サービス満足度の分析
7.1 どちらに属するのかを複数の説明変数で予測する
1. 判別分析とは
2. 主な判別分析の種類
7.2 重回帰分析で線形判別分析
1. 線形判別分析の流れ
2. 回帰分析を実行できるデータを用意する
3. 回帰分析を実行する
4. 判別式を作り来店の有無を予測する
5. 影響度を求める
6. 判別精度を検証する
7. 統計学的により最適な判別式を求める
7.3 二項ロジスティック回帰分析
1. 二項ロジスティック回帰分析の流れ
2. 回帰分析実行用データを準備する
3. 目的変数をロジット変換する
4. 回帰分析を実行する
5. 最適なロジスティック回帰式も求めてみよう 〜変数選択
付録： 補講
1. 累乗・√・log とは
2. 基本統計量のまとめ
3. そもそも正規分布とは
4. 回帰分析について
5. データ分析ツール「回帰分析」のエラーメッセージ
6. 説明変数選択規準
7. 回帰分析が利用できるその他の事例
8. 多変量解析手法一覧
購入案内
購入履歴
領収書発行
送料について
