シラバス参照
|
シラバス参照
|
| 科目一覧へ戻る | 2026/04/06 現在 |
|
開講科目名 ／Course |
データ分析Ⅰ／Data Analysis I | ||||||||
|---|---|---|---|---|---|---|---|---|---|
|
時間割コード ／Course Code |
E1G10108_E1 | ||||||||
|
開講所属 ／Course Offered by |
経済学部／Faculty of Economics | ||||||||
|
ターム・学期 ／Term・Semester |
2026年度／Academic Year 第2クォーター／2Q | ||||||||
|
曜限 ／Day, Period |
月／Mon 2 | ||||||||
|
開講区分 ／Semester offered |
第2クォーター／2Q | ||||||||
|
単位数 ／Credits |
1.0 | ||||||||
|
学年 ／Year |
2,3,4 | ||||||||
|
主担当教員 ／Main Instructor |
三浦 貴弘 | ||||||||
|
授業形態 ／Lecture Form |
講義 | ||||||||
|
教室 ／Classroom |
西２号館Ｗ２-３０１／W2-301 | ||||||||
|
開講形態 ／Course Format |
|||||||||
|
ディプロマポリシー情報 ／Diploma Policy |
|
|
教員名 ／Instructor |
教員所属名 ／Affiliation |
|---|---|
| 三浦 貴弘 | 経済学部（教員） |
|
授業の概要・ねらい ／Course Aims |
この講義では、実際のデータを用いた分析の考え方と実践方法を学びます。 生成AIを活用しながら、政府統計データ（SSDSE）を題材に、データの把握・可視化・加工・回帰分析などの一連のプロセスを扱います。 問いの設定、手法の選択、分析結果の解釈およひ批判的検討に重点を置きます。 |
||||
|---|---|---|---|---|---|
|
到達目標 ／Course Objectives |
- データに対して意味のある問いを自ら設定できる - 分析の目的に応じて適切な手法を選択できる - 分析結果を適切に解釈することができる - Python コードの基本的な構造を読み、処理の流れを把握できる |
||||
|
成績評価の方法・基準 ／Grading Policies/Criteria |
- 小テスト: 30% - 課題: 30% - 最終課題: 40% |
||||
|
教科書 ／Textbook |
- 特にありません。Moodle 上で資料を配布します。 | ||||
|
参考書・参考文献 ／Reference Book |
- 中妻照雄 『Pythonによる計量経済学入門 (実践Pythonライブラリー)』 朝倉書店 2020年 |
||||
|
履修上の注意 ・メッセージ ／Notice for Students |
- 出席点はありません。 - 資料配布・課題提出には Moodle を使用します。 - 小テストは対面で実施します。生成AIの使用は認めません。 - 課題・最終課題では生成AIの使用を推奨します。ただし、AIが出した分析や解釈を鵜呑みにせず、自分で批判的に検討することが求められます。 - Google Colab を使用します。Google アカウントを準備しておいてください。 |
||||
|
履修を推奨する関連科目 ／Related Courses |
- 特になし | ||||
|
授業時間外学修（予習・復習等）の内容 ／students learning outside of the class, preparation and review are included |
1単位の学修のために必要な学修量は、授業時間と予習復習の時間をあわせて45時間と定められています。それぞれに見合う自主的学習時間を確保してください。 |
||||
|
その他連絡事項 ／Other messages |
- 学生の理解度に応じて、内容を若干変更する可能性があります。 | ||||
|
授業理解を深める方法 ／How to deepen your understanding of classes |
日常のニュースや記事で「データに基づく主張」を見かけたとき、「この主張の根拠は十分か」「他の解釈はないか」と考える習慣をつけると、授業の内容がより身近に感じられます。 | ||||
|
オフィスアワー ／Office Hours |
授業期間: 月曜 12:20 ~ 13:10 (西 3 号館 504 号室: 三浦研究室) また、Teams, メール、Moodle でも対応可能です。 緊急の場合を除き、休日の対応は致しません。また、金曜 17 時以降の連絡は基本週明けに返信します。 連絡先: takam@wakayama-u.ac.jp |
||||
|
科目ナンバリング ／Course Numbering |
E60031J01000G111，E60031J01000B111，E60031J01000P111 | ||||
|
実務経験のある教員等による授業科目 ／Practical Experience |
|
| No. | 回（日時） ／Time (date and time) |
主題と位置付け ／Subjects and position in the whole course |
学習方法と内容 ／Methods and contents |
備考（担当） ／Notes |
|---|---|---|---|---|
| 1 | 1 | イントロダクション | データ分析と生成AIの活用、Google Colab のセットアップ | |
| 2 | 2 | データの把握 | 表形式データの構造、基本統計量の読み取り | |
| 3 | 3 | データの可視化 | グラフの種類と選択 | |
| 4 | 4 | データの加工 | フィルタリング、グループ別集計、カテゴリ別可視化 | |
| 5 | 5 | 相関と因果 | 相関係数、疑似相関、「相関≠因果」の理解 | |
| 6 | 6 | 回帰分析入門 | 単回帰分析、係数・R²・p値の解釈 | |
| 7 | 7 | 重回帰分析 | 複数変数の同時分析、ダミー変数、分析結果の限界 | |
| 8 | 8 | まとめと発展 | 振り返り、生成AIの限界、データ分析IIへの接続 |