日本語 English
| 開講年度/ Academic YearAcademic Year |
20242024 |
| 科目設置学部/ CollegeCollege |
経済学部/College of EconomicsCollege of Economics |
| 科目コード等/ Course CodeCourse Code |
BX581/BX581BX581 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
|
| 授業形態/ Class FormatClass Format |
対面（全回対面）/Face to face (all classes are face-to-face)Face to face (all classes are face-to-face) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
|
| 授業形式/ Class StyleCampus |
講義/LectureLecture |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
春学期/Spring SemesterSpring Semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
木3･8402/Thu.3･8402 Thu.3･8402 |
| 単位/ CreditCredit |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
ECX2010 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
抽選登録/Lottery RegistrationLottery Registration（定員：50人/ Capacity：50） |
| 配当年次/ Grade (Year) RequiredGrade (Year) Required |
配当年次は開講学部のR Guideに掲載している科目表で確認してください。配当年次は開講学部のR Guideに掲載している科目表で確認してください。 |
| 先修規定/ prerequisite regulationsprerequisite regulations |
|
| 他学部履修可否/ Acceptance of Other CollegesAcceptance of Other Colleges |
履修登録システムの『他学部・他研究科履修不許可科目一覧』で確認してください。 |
| 履修中止可否/ course cancellationcourse cancellation |
〇（履修中止可/ Eligible for cancellation） |
| オンライン授業60単位制限対象科目/ Online Classes Subject to 60-Credit Upper LimitOnline Classes Subject to 60-Credit Upper Limit |
|
| 学位授与方針との関連/ Relationship with Degree PolicyRelationship with Degree Policy |
各授業科目は、学部・研究科の定める学位授与方針（DP）や教育課程編成の方針（CP）に基づき、カリキュラム上に配置されています。詳細はカリキュラム・マップで確認することができます。 |
| 備考/ NotesNotes |
|
| テキスト用コード/ Text CodeText Code |
BX581 |
To practice basic analysis of statistics, econometrics, and machine learning using R, a programing language for statistical analysis and machine learning, to learn the fundamentals of data science.
Students will acquire statistics, econometrics, and machine learning fundamental knowledge and then write code using R to analyze actual data sets. This lecture will be divided into three parts. In Part 1 (Introduction to R) students will learn the basic methods for analyzing data using R, in Part 2 (Econometrics) they will practice econometric analysis using R, and in Part 3 (Machine Learning) they will practice machine learning using R. For each class, first a simple explanation of the practice contents will be given and then each student will write code, conduct an analysis, and compile the analysis results. The theoretical explanation will be limited to basic and intuitive things to allow students to focus on actually writing their own code and using it to conduct analysis. (Therefore, It is recommended to take a course about econometrics to learn the theory of econometrics)
※Please refer to Japanese Page for details including evaluations, textbooks and others.
統計分析用および機械学習用のプログラム言語であるRを用いて、統計学・計量経済学・機械学習の基本的な分析を行えるように演習を行い、データサイエンスの基礎を習得する。
To practice basic analysis of statistics, econometrics, and machine learning using R, a programing language for statistical analysis and machine learning, to learn the fundamentals of data science.
統計学・計量経済学・機械学習の基礎的な知識を学んだ上で、実際に現実のデータセットを用いて、Rでコードを書いて分析をする。講義は全体で3部に分かれている。第一部（R入門）ではRを使ったデータ分析の基本的な方法を学び、第二部（計量経済学）ではRを用いた計量経済学分析の実習を行い、第三部（機械学習）では、Rを用いた機械学習の実習を行う。すべての回において、まずその回の実習内容について簡単な解説を行った後で、各自に実際にコードを書き、分析し、分析結果をまとめる作業を行う。理論的な解説はごく基本的・直感的なものにとどめ、実際に自分でコードを書いて分析することを重視する（そのため、理論面については計量経済学の授業を別途履修しておくことを推奨する）。
Students will acquire statistics, econometrics, and machine learning fundamental knowledge and then write code using R to analyze actual data sets. This lecture will be divided into three parts. In Part 1 (Introduction to R) students will learn the basic methods for analyzing data using R, in Part 2 (Econometrics) they will practice econometric analysis using R, and in Part 3 (Machine Learning) they will practice machine learning using R. For each class, first a simple explanation of the practice contents will be given and then each student will write code, conduct an analysis, and compile the analysis results. The theoretical explanation will be limited to basic and intuitive things to allow students to focus on actually writing their own code and using it to conduct analysis. (Therefore, It is recommended to take a course about econometrics to learn the theory of econometrics)
| 1 | Rの基礎 |
| 2 | データ整理 |
| 3 | データの可視化 |
| 4 | 回帰分析 |
| 5 | 計量経済学１：回帰分析とマッチング |
| 6 | 計量経済学２：操作変数法 |
| 7 | 計量経済学３：回帰不連続デザイン |
| 8 | 計量経済学４：固定効果モデル |
| 9 | 計量経済学５：差の差法 |
| 10 | 機械学習１：線形回帰・ロジスティック回帰 |
| 11 | 機械学習２：リッジ回帰・Lasso |
| 12 | 機械学習３：決定木・ランダムフォレスト |
| 13 | 機械学習４：ニューラルネットワーク・ディープラーニング |
| 14 | 総まとめ |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
授業時間だけではなかなか習得できない内容が多いので、予習・復習をしっかり行ってください。また、演習内容を踏まえた課題を複数回実施します。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
複数回の課題(100%) |
| 備考 (Notes) | ||
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 授業中に適宜紹介します。 |
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 授業中に適宜紹介します。 |
計量経済学の基礎的理解
授業の詳細については、ウェブサイト https://sites.google.com/site/michihito7ando/lectures/econome_ml_with_R を参照してください。