Excelでは対応が難しい大量かつ複雑なデータの処理を行う実際の業務においては、統計解析フリーソフトRが利用・活用されています。それを踏まえ、弊社では、Rを活用したデータサイエンス・ワークショップをシリーズで開催することにしました。
　本ワークショップでは、最先端分野をコンパクトにまとめた市販書として好評の「Rで『カルマンフィルタ』:状態空間モデルによる時系列予測」の著者の野村俊一氏に、通常の回帰分析では上手くいかない様々なケースに柔軟にも対応できる統計モデリング手法として、一般化線形モデルとその拡張モデル (一般化線形混合モデル・一般化加法モデル) を紹介してもらいます。
　説明変数を並べるだけの線形モデルから脱却し、リンク関数やスプライン関数による非線形モデル、カウントデータ・2値データのモデル、交互作用・オフセット項・変量効果の導入など、自由で柔軟な発想をモデルに実現するための様々な方法について、Rへの実装方法までを含めて解説します。実際のビジネスシーン (保険設計、住宅価格分析) を想定したケーススタディを通じてリスクの定量的評価を実践していただき、皆様のキャリアアップに向けたデータ分析スキルおよびリスク管理能力の向上を目指します。
　「普通に回帰をしても上手くいかない、どうすればいい?」実際のデータに相対して分析していると、回帰分析に限界を感じる場面は多々あるかと思います。抱える問題は様々でも、近年発展してきた一般化線形モデル・一般化加法モデルにより多くの問題は解決できます。データ分析力の向上とキャリアアップにぜひ当講座をご活用ください。

1. 一般化線形モデル (GLM)
   1. 線形回帰モデルの復習
   2. GLMの構成要素
      • 指数型分布族
      • リンク関数
      • 交互作用
      • オフセット項
   3. RによるGLMの組み立て方と解析方法
      • 推定
      • 検定
      • モデル選択
   4. Rによる実践演習:自動車保険の料率算定を例に
2. 一般化線形混合モデル (GLMM) ・一般化加法モデル (GAM)
   1. GLMM:過分散とは何か? (変量効果の導入)
   2. GAM:より柔軟な非線形モデルへ (スプライン関数の導入)
   3. RによるGLMM、GAMの組み立て方と解析方法
   4. Rによる実践演習 ～住宅価格の分析を例に～