経時データとは、時間を変えて繰り返し測定することにより得られるデータのことです。経時データを曲線や直線で「モデル化」することにより、総合的な分析を行うことができます。また、処理条件別にグループ間の差異についても分析を行うことができます。
　さらに一個人に関して繰り返し観察した結果は、相互に相関をもっていたり、個体内変動が大きくなったりする可能性が高いですが、分析においてはこれらも考慮しています。このような分析によって、従来の分散分析や多変量解析、時系列解析では捉えきれないような特徴や傾向を見出すことができます。本講座では、こうした経時データ分析について学習します。
　本講座の内容は、統計解析を苦手とする方にもわかりやすく基礎的な内容で、また補強したい方にも有益な内容となっております。
　難しい数式を極力排除し、事例に基づいたわかりやすい解説を主としております。医療関係者に限らず、経時データを扱うすべての方に実務に即役立つ情報をご提供します。初日 (基礎編) では理論的背景を中心に、2日目 (実践編) では具体例を交え実際の解析手法のノウハウを中心に解説します。

2019年7月30日「経時データの統計解析モデル・評価基準の見方と解析事例から見るノウハウ (基礎編)」

1. 第1部. 経時データ基礎
   1. 経時データとは
   2. 経時データのための分析手法
   3. モデルの複雑性と頑健性
   4. モデルの妥当性
   5. 各種モデルの概要と結果の見方
2. 第2部. 分散分析法
   1. 分散分析法とは
   2. 分散分析表の作成の仕方
   3. 分散分析法における検定
   4. 交互作用とは
   5. 多重比較法とは
   6. 固定因子と変量因子
3. 第3部. 混合効果分散分析モデル
   1. 混合効果分散分析モデルとは
   2. 1群の場合
   3. 共分散構造の検証
   4. 多群の場合
   5. 多重比較
   6. モデル選択基準
4. 第4部. プロファイル分析モデル
   1. プロファイル分析モデルとは
   2. 2群の場合
   3. 多群の場合
   4. モデル選択基準
5. 第5部. 成長曲線モデル
   1. 成長曲線モデルとは
   2. 1群の場合
   3. 多群の場合
   4. モデル選択基準
6. 第6部. 拡張成長曲線モデル
   1. 階層型拡張成長曲線モデル
   2. 各層が1群の場合
   3. 各層が多群の場合
   4. モデル選択基準
7. 第7部. 線形回帰モデル
   1. 線形回帰モデルとは
   2. 1群の場合
   3. 多群の場合
8. 第8部. ランダム係数モデル
   1. ランダム係数モデルとは
   2. 推定および検定
   3. 部分ランダム係数モデル
   4. モデル選択基準
• 質疑応答・名刺交換

2019年7月31日「経時データの統計解析モデル・評価基準の見方と解析事例から見るノウハウ (実践編)」

1. 第9部. 分散分析法による解析事例
   1. 分散分析法の基本解析事例
   2. グラフ表現・検定・推定・モデル評価基準の見方
2. 第10部. 混合効果分散分析モデルによる解析事例
   1. 1群の場合
   2. 多群の場合
   3. グラフ表現・検定・推定・モデル評価基準の見方
3. 第11部. プロファイル分析モデルによる解析事例
   1. 2群の場合
   2. 多群の場合
   3. グラフ表現・検定・推定・モデル評価基準の見方
4. 第12部. 成長曲線モデルによる解析事例
   1. 1群の場合
   2. 2群の場合
   3. 多群の場合
   4. グラフ表現・検定・推定・モデル評価基準の見方
5. 第13部. 拡張成長曲線モデルによる解析事例
   1. モデルによる解析事例
   2. グラフ表現・検定・推定・モデル評価基準の見方
6. 第14部. 線形回帰モデルによる解析事例
   1. モデルによる解析事例
   2. グラフ表現・検定・推定・モデル評価基準の見方
7. 第15部. ランダム係数モデルによる解析事例
   1. モデルによる解析事例
   2. グラフ表現・検定・推定・モデル評価基準の見方
• 質疑応答・名刺交換