本講座は、日本統計学会と日本行動計量学会の協力のもとに作成され、統計学Ⅰで学んだデータ分析の基礎および統計学Ⅱで学んだ推測統計の方法に引き続き、多変量データ解析手法について学習します。実際のデータは複数個の測定項目からなる多変量データであることが多く、そのようなデータの統計解析手法の学習は、統計手法の現実問題への応用で極めて重要なものです。本講座では、多変量解析法を実際のデータに適用する際の注意点や実際の応用例を中心に学習をします。

第１週：多変量データ解析法の概略と重回帰分析

• 多変量データ解析法の分類
• 変量間の関係（因果、回帰、相関）
• 研究の種類とデータ収集法
• 重回帰分析のモデル
• 結果の読み方
• 結果の解釈
• 説明変数の選択
• ゲスト：選挙予測――未来の政権を知る（鈴木 督久）

第２週：主成分分析と因子分析

• 主成分・因子分析にできること
• 主成分分析による可視化の原理
• 主成分分析の二通りの定式化
• 要因探索のための主成分分析
• 主成分分析から因子分析へ
• 因子分析の細部
• 因子分析の発展
• ゲスト：企業ブランドのポジショニング（鈴木 督久）

第３週：多変量解析の活用：商品・サービスの設計を例に

• 全体の概要
• 主成分分析による評価軸の抽出
• 主成分回帰分析と選好ベクトル
• コンジョイント分析による商品設計
• 主成分回帰における主成分の回転
• 統計ソフトウェアによる分析手順
• 潜在クラス分析

第４週：クラスタリング法と多次元尺度構成法

• クラスタリング法と多次元尺度構成法の概説
• （非）類似性データ
• データ変換
• 階層的クラスタリング法
• 非階層的クラスタリング法
• 計量多次元尺度構成法
• 適用例とさらなる応用

第５週：課題解決のための多変量解析の利用

• 課題から手法を選ぶ
• モデル化の準備～課題の整理
• パス図の描き方の基本
• パス図を描く
• パス図から方程式を書く
• 分析を行う
• 共分散構造分析-構造方程式モデリング-