多変量解析とは、数多くの変数からなるデータに対する分析手法の総称です。それらの分析手法の中から代表的なものを精選し、実用的な使い方と理屈を説明します。
　これからデータを取得しようという方にも、すでに取得済みという方にも、おすすめです。過去に多変量解析をひととおり学んだものの、実は知識にやや不安を覚えているという方にもおすすめです。受講にあたり、数学的な水準を心配する必要はありません。中学校程度の数学の知識があれば大丈夫です。

1. 第1章 多変量解析とは?
   1. データの分類
   2. 多変量解析とは?
   3. さまざまな分析手法の概要
      1. 重回帰分析
      2. ロジスティック回帰分析
      3. 主成分分析
      4. 因子分析
      5. 数量化III類
      6. クラスター分析
2. 第2章 統計学の基礎知識
   1. 平方和と分散と標準偏差
   2. 基準化と基準値
   3. 単相関係数
   4. データ分析の取り組み方
3. 第3章 回帰分析 〜多変量解析の前に〜
   1. 回帰分析とは?
   2. 具体例
   3. 分析結果の精度
      1. 実測値と予測値と残差
      2. 決定係数
      3. 重相関係数
   4. 補足
      • Excelによる分析
4. 第4章 重回帰分析 〜「数値」を予測する〜
   1. 重回帰分析とは?
   2. 具体例
   3. 分析結果の精度
      1. 決定係数と重相関係数
      2. 自由度調整済み決定係数
   4. 補足
      1. Excelによる分析
      2. 標準偏回帰係数
5. 第5章 ロジスティック回帰分析 〜「確率」を予測する〜
   1. ロジスティック回帰分析の前に
      1. 有理数と無理数
      2. 最尤推定法
   2. ロジスティック回帰分析とは?
   3. 具体例
   4. 分析結果の精度
      1. 誤判別率
      2. 決定係数
   5. オッズ比
      1. リスク比とオッズ比
      2. ロジスティック回帰式の係数とオッズ比の関係
   6. 決定木
6. 第6章 数量化III類 〜カテゴリカルデータを点グラフ化する〜
   1. 数量化III類とは?
   2. 具体例
      1. 計算の概要
      2. 分析結果の精度
      3. 点グラフの軸の解釈
   3. コレスポンデンス分析
7. 第7章 クラスター分析 〜個体を分類する〜
   1. クラスター分析とは?
   2. 具体例
   3. 注意
8. 第8章 主成分分析 〜「総合▲▲力」を編み出す〜
   1. 主成分分析とは?
   2. 注意
   3. 具体例
      1. 主成分の算出
      2. 主成分得点の算出
      3. 分析結果の精度
      4. 分析結果の検討
   4. 補足
      1. 変数の選定と第1主成分
      2. 累積寄与率の実体
9. 第9章 因子分析 〜「データの背後に潜む説明変数」を見つけ出す〜
   1. 因子分析の前に
   2. 因子分析とは?
   3. 注意
   4. 具体例
      1. 回転前の因子負荷量の算出
      2. 回転後の因子負荷量の算出
      3. 各共通因子の意味の解釈
      4. 分析結果の精度
      5. 因子得点の算出
   5. 補足
      1. 共通因子の個数と因子負荷量
      2. 直交回転と斜交回転
      3. あらためて、因子分析とは?
   6. 構造方程式モデリング