タイトル
時間割コード:VB03004 日本語シラバス 英語
計量分析研究[Advanced Quantitative Analysis]
 
担当教員
五島 圭一[GOSHIMA KEIICHI]
開講学部等 国際社会科学府 対象年次   単位数 2 使用言語  
開講時期 秋学期 開講曜限   クラス 計量分析研究
授業形態 授業形態(詳細) 授業方法
特記事項  
ナンバリングコード 実務経験のある教員による授業
授業の目的  
本講義では、財務データや資本市場データ、マクロ経済データ等の経営・経済データに対して計量経済学の枠組みを用いた実証分析を学びます。経営・経済データは、必ずしも理想的なデータが得られるとは限らず、様々なバイアスを含んだ調査観察データしか取得できない場合があります。さらに、時間の推移とともに観察される時系列データやパネルデータを取り扱うこともしばしばあります。このほか近年では、テキストデータや画像データを取り扱う場面も増えてきました。本講義では、こうした様々データに対する発展的な計量分析手法の理論を学習するとともに、実際のデータに対してプログラミング言語Pythonによる実証分析ができるようになることを目指します。そして、学習した内容を自身の研究へ適用できるように学びます。
 
授業計画
(項目説明)授業全体のスケジュールを示しています。学修計画を立てる際の参考にしてください。
 
1. イントロダクション(データの種類・分析の目的・分析手法の選択)
2. 回帰分析と最小二乗法
3. プロビットモデル・ロジットモデル
4. 時系列データとパネルデータの特性
5. 定常時系列モデル
6. 多変量時系列モデル
7. 単位根・見せかけの回帰・共和分
9. 固定効果モデルとランダム効果モデル
10. 操作変数法
11. ランダム化比較試験と傾向スコア
12. 差分の差分法
13. 回帰不連続デザイン
14. 機械学習
15. 深層学習
 
授業時間外の学修内容
(項目説明)授業全体を通して授業前に予習すべき内容、授業後に復習すべき内容を示しています。単位は、授業時間前後の予習復習を含めて認定されます。
 
・本授業の履修にあたっては、「大学院修士課程レベルの統計学・計量経済学・機械学習等のデータ分析科目の内容について習得していること」、「プログラミング言語Pythonの使い方を事前に習得していること」を強く推奨します
・各回で取り扱う内容は独立したものではなく、相互に補完し合うものです。そのため、教科書や講義資料を使って復習し、理論的な理解を深めるとともに、翌回までにプログラミング言語を用いて実装できるようになることが求められます
 
履修目標
(項目説明)授業で扱う内容(授業のねらい)を示す目標です。より高度な内容は自主的な学修で身につけることを必要としています。
 
・本講義で取り扱う各分析手法(時系列分析・パネルデータ分析・統計的因果推論・機械学習等)ついて数式に基づいて理論を理解するとともに、より高度な分析手法に発展できるようになること
・計量分析手法に基づく学術研究論文を読解でき、自身の研究への適用が可能になること
・プログラミング言語Pythonを用いて各分析手法を実際のデータ分析に適用できるようになること
 
到達目標
(項目説明)授業を履修する人が最低限身につける内容を示す目標です。履修目標を達成するには、さらなる学修を必要としている段階です。
 
・計量分析手法に基づく学術研究論文を読解でき、自身の研究への適用が可能になること
・プログラミング言語Pythonを用いて各分析手法を実際のデータ分析に適用できるようになること
 
成績評価の方法
(項目説明)成績評価の方法と評価の配分を示しています。
 
・成績評価は課題(100%)によって行います
・課題については、学期中に3回を目安に提示しますので、期日までに提出をして頂きます
 
成績評価の基準 -ルーブリック-
(項目説明)授業別ルーブリックでは評価の項目と、成績評価の基準との関係性を確認できます。(表示されない場合もあります。)
 
【成績評価の基準表】
秀(S)優(A)良(B)可(C)不可(F)
履修目標を越えたレベルを達成している履修目標を達成している履修目標と到達目標の間にあるレベルを達成している到達目標を達成している到達目標を達成できていない
履修目標:授業で扱う内容(授業のねらい)を示す目標
到達目標:授業において最低限学生が身につける内容を示す目標
【授業別ルーブリック】
評価項目評価基準
期待している以上である十分に満足できる(履修目標)やや努力を要する努力を要する(到達目標)相当の努力を要する
理解度授業内容を越えた自主的な学修が認められる。授業内容をほぼ100%理解している。到達目標は理解しているが、授業内容に不足がある。到達目標に達していることが認められる。到達目標に達していない。
課題解法能力解法が分からない他人にアドバイスができる。何も参照せずに独自の能力で課題を解くことができる。参考書などを参考にすれば、独自で課題を解くことができる。他人のアドバイスがあれば課題を解くことができる。他人のアドバイスがあっても自発的に課題を解くことができない。
調査能力(予習)自ら進んで予習範囲を越えて調べている。予習範囲を十分に理解し、他人に説明できる。指示した予習範囲の理解にあいまいな点がある。指示された範囲は予習するが、理解が不十分である。指示された範囲は予習が不十分である。
 
授業の方法
(項目説明)教員が授業をどのように進めるのか、課題提出などの情報もあわせて示しています。
 
受講生は各授業の前に教科書の指定された範囲を読み、その内容の発表の事前準備をする必要があります。準備には、3時間ほどかかることが想定されます。また、プログラミング言語を用いた演習を行います
 
教科書  
教科書1 ISBN 9784641165489
書名 実証のための計量時系列分析
著者名 ウォルター ・エンダース 出版社 有斐閣 出版年 2019
教科書2 ISBN 9784297111175
書名 効果検証入門~正しい比較のための因果推論/計量経済学の基礎
著者名 安井翔太 出版社 株式会社ホクソエム 出版年 2019
教科書3 ISBN 9784502168116
書名 実証分析のための計量経済学―正しい手法と結果の読み方
著者名 山本勲 出版社 中央経済社 出版年 2015
 
教科書補足  
受講者の人数に応じて教科書を変更する可能性があります。詳細は初回の講義にて指示します。
 
参考書  
参考書1 ISBN 9784873117980
書名 Pythonではじめる機械学習 : scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎
著者名 Andreas C. Muller, Sarah Guido 出版社 オライリー・ジャパン 出版年 2017
参考書2 ISBN 9784873117584
書名 ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装
著者名 斎藤康毅 出版社 オライリー・ジャパン 出版年 2016
参考書3 ISBN 9784798163642
書名 独習Python
著者名 山田祥寛 出版社 翔泳社 出版年 2020
 
参考書補足  
指定の教科書以外にも自身に合った参考書を適宜参照してください
 
履修条件および関連科目
(項目説明)この授業を履修するにあたってあらかじめ履修が必要な授業,並行して履修することによって学修効果を高める授業などを示しています。
 
・大学院修士課程レベルの線形代数・微分積分・統計学等の数学科目を事前に履修することも強く推奨します
・計量経済学・データサイエンス・AI等の関連科目を事前に履修すると理解が深まります
 
キーワード  
計量経済学(Econometrics)、データサイエンス(Data Science)、実証分析(Empirical Analysis)、機械学習(Machine Learning)
 
備考  
授業のレベルについて質問がある方は事前にメールをください
 
教員からの一言  
-
 
↑ ページの先頭へ戻る