タイトル
     2017 年度   国際社会学部
  
社会調査法   
時間割コード
320301G
担当教員(ローマ字表記)
  高橋 将宜 [TAKAHASHI Masayoshi]
授業開講形態 授業形態 単位数 学期 曜日・時限 実務経験のある教員による授業
    2 秋学期 木4 -
授業題目(和文)   
社会調査法(量的分析手法)
 
Title(English)   
Social Research Methodology (Quantitative Techniques)
 
授業の目標   
社会科学的テーマに関して、調査・研究をするための統計データ分析手法を学び、卒業論文や業務用レポートの執筆に役立つ能力を身につけることを目標とします。具体的には、以下の能力や技術を身につけることを目標としています。
1. アンケートなど各種調査の結果を適切に読む能力を身につける。
2. データから情報を読み取り、それを分かりやすく記述する能力と技術を習得する。
3. 複雑な社会現象の背後にある関係性を推測し、適切に分析する能力と技術を身につける。
4. Excelを用いてデータを分析する技術を身につける。
5. 株式会社オデッセイコミュニケーションズ主催の「ビジネス統計スペシャリスト(エクセル分析スペシャリスト)」合格水準の知識と技術の習得を目指す。
 
Goals of the course   
The goal of this course is to learn statistical data analysis methods for the purpose of research in social sciences, in order to write a paper and a report. Specifically, the goal is to acquire the following techniques.
1. Can read the results of surveys.
2. Can describe the information in data.
3. Can analyze the relationship behind complex social phenomena.
4. Can analyze data using Excel.
 
授業の概要   
この授業では、社会調査法のうち量的調査について扱います。パートIでは、膨大なデータを数値で要約し、図によって可視化する方法など、データを記述的に分析する方法を学びます。パートIIでは、データから情報を抽出し、データの背後にある現象を推測して分析する方法について学びます。授業は、理論的な側面の講義とパソコンを用いたデータ分析の実習から構成されます。
 
Overview of the course   
This course deals with quantitative analysis for social research, with the aim of learning statistical data analysis methods. Part I deals with descriptive statistics. Part II deals with inferential statistics. Each class is composed of lecture and data analysis exercise using PC.
 
キーワード   
平均、標準偏差、度数分布表、ヒストグラム、散布図、相関係数、回帰分析、クロス集計表、ジニ係数、分散分析
 
Keywords   
Mean, standard deviation, frequency table, histogram, scatterplot, correlation coefficient, regression analysis, cross-tabulation, Gini coefficient, ANOVA
 
授業の計画   
1. 社会科学と統計的データ分析(教科書はじめに、この本の構成)

パートI:記述統計
2. 基本統計量の算出:平均値と標準偏差(教科書第4章)
3. 質的データの視覚化:円グラフと棒グラフ(教科書第16章)
4. データのばらつきの視覚化:ヒストグラム(教科書第5章)
5. 2変数間の関係の視覚化と計量化:相関係数と散布図(教科書第6章)
6. 格差の視覚化と計量化:ジニ係数とローレンツ曲線(教科書第7章)
7. アクティブラーニング(1):実データを図によって記述的に分析し、結果をレポートにまとめる(中間レポート)。

パートII:推測統計
8. 統計的推測(教科書第8章)
9. 標本平均の推定および検定(教科書第9章、第10章)
10. 回帰分析の基礎:単回帰モデルと最小二乗法(教科書第13章)
11. 回帰分析の実践:重回帰モデルと回帰診断(教科書第21章)
12. アクティブラーニング(2):実データを回帰モデルによって推測的に分析し、結果をレポートにまとめる(学期末レポート)。
13. 分散分析(教科書第11章)
14. 質的データの分析:クロス集計表と独立性の検定(教科書第16章、第17章)
15. まとめと復習
 
Plan   
1. Social Sciences and Statistical Data Analysis (Preface)

Part I: Descriptive Statistics
2. Summary Statistics (Ch.4)
3. Qualitative Data (Ch.6)
4. Distribution of Data (Ch.5)
5. Relationship between Two Variables (Ch.6)
6. Gini Coefficient and Lorenz Curve (Ch.7)
7. Active Learning (1): Analysis of real data using graphs and figures (Midterm Report)

Part II: Inferential Statistics
8. Statistical Inference (Ch.8)
9. Estimation and Test of Sample Mean (Chs.9 & 10)
10. Basic Regression Analysis: Bivariate Model and Ordinary Least Squares (Ch.13)
11. Advanced Regression Analysis: Multiple Regression Model and Diagnostics (Ch.21)
12. Active Learning (2): Analysis of real data using multiple regression (Final Report)
13. ANOVA: Analysis of Variance (Ch.11)
14. Cross-Tabulation and Test of Independence (Chs.16 & 17)
15. Summary and Review of the Course
 
成績評価の方法・基準   
宿題:40点(12回:各2~5点)
中間レポート:20点
学期末レポート:30点
学期末試験:10点
 
Grading system for assessment   
Homework Assignments: 40 pints (12 sets: each 2 to 5 points)
Midterm Report: 20 points
Final Report: 30 points
Final Examination: 10 points
 
事前・事後学習【要する時間の目安】   
各回の授業前に、教科書の指定された箇所を読み、宿題(予習編)の問題に解答すること
 
Preview/review   
Read the assigned chapters of the textbook before each class and answer homework questions.
 
履修上の注意   
・統計学、数学、Excelの知識は授業に出てくる際にその都度解説するので、統計学、数学、Excelの知識は前提にしません。ただし、新たな知識や技術を積極的に吸収して学ぶ姿勢は前提とします。
・宿題は2部構成で、前半は予習編、後半は復習編となっています。前半の予習編では、主に、統計用語の基本的な知識確認問題を出題し、教科書の読書を促します。後半の復習編では、主に、データを用いた演習問題を出題します。毎回の授業後に配布し、翌週の授業の開始時刻に回収します。
・アクティブラーニングとして、授業で習った手法を用いて実データを分析し、レポートを作成します。この課題によって、データ分析力の習熟度を測ります。この課題は、宿題で実施したデータ分析を応用したものとなります。詳細は、別途、指示します。
・宿題とレポートは、原則として、印刷して教室にて手渡しで提出してください。(ただし、やむを得ない事情がある場合、担当教員に相談してください)。
・学期末試験によって、社会調査法に関する知識の理解度を測ります。学期末試験は、宿題の設問を中心として総合的に出題します。
・教室備付けのパソコンを使用するため、受講者数に制限があるため、第一回目の授業時に、履修者の選抜を行います。
 
Notes   
1. No prerequisites for statistics, mathematics, and Excel.
2. Homework sets are composed of two parts: the preparation part and the review part. Homework sets will be distributed at the end of each class, and will be collected in the beginning of each class.
3. As active learning elements, apply the methods learned in class to analyze real data, and write up reports. Details will be announced in class.
4. Homework sets and reports should be submitted as hardcopies in the classroom.
5. The final examination will assess the understanding of the course materials.
6. Due to the capacity of the PC classroom, there will be a selection process for enrollment in the first lecture.
 
教科書  
教科書1 ISBN 9784822337766
書名 Mondai Kaiketsturyoku Koujou no tameno Toukeigaku Kiso: Exacel ni yoru Data Science Skill
著者名 Sakota, Takahashi, and Watanabe 出版社 Ippan Zaidan Houjin Nihon Toukei Kyoukai 出版年 2014
備考 Required textbook
 
参考書  
参考書1 ISBN 9784595313790
書名 Mijikana Toukei
著者名 Kumahara and Watanabe 出版社 Housoudaigaku Kyouiku Shinkoukai 出版年 2012
備考 Optional supplementary reading
 
使用言語  
日本語(J)
 
ページの先頭へ