SlideShare uma empresa Scribd logo
1 de 34
Baixar para ler offline
エクセルで統計分析4
HADによる因子分析・クラスタ分析
清水裕士
関西学院大学社会学部
HADとは
• 清水が作ったExcelで動くフリーソフト
– 心理統計分析のほとんどが実行可能
– http://norimune.net/had
• 無償・無登録で利用可能です。
• HADの基本的な使い方
– http://slidesha.re/RsVBp7
• こちらのスライドシェアを先に御覧ください
多変量解析
• 2つのカテゴリから選ぶ
– 回帰分析:因果関係を推測する分析
– 因子分析:次元圧縮やカテゴリ分けの分析
• 該当するオプションボタンを押すと、モデリングスペースが開く
下は因子分析のモデリングスペース
多変量解析の使用方法
• 使用変数のところに変数を指定
– これはほかの分析と同じ
– その後、モデリングスペースでモデルを指定したり、
分析オプションを選択して、「分析実行」ボタンを押す
– 「オプション」ボタンを押すと、各分析のより詳細な設
定を変更することができる
• 詳しくはWebで。
– 清水のブログでも解説しています
• HADのページ
• http://norimune.net/had
因子分析グループ
• モデリングシートの「因子分析」を選択する
– 因子分析用のモデリングスペースが開く
– 主に変数の潜在構造を検討する分析法の集まり
• 「因子分析」の中のサブカテゴリ
– 因子分析:因子分析、主成分分析
– クラスタ分析:クラスタ分析、多次元尺度法
– 対応分析:コレスポンデンス分析、数量化三類
因子分析
因子数と推定法を選ぶ
• 因子数を選ぶ
– スクリープロットなどから判断して、因子数を指定
• 推定法を選ぶ
– 因子抽出法:共通性の推定法
– 因子軸の回転法:単純構造を求める方法
• 出力方法を選ぶ
– サイズでソート:因子負荷量が大きい順に並び替える
– 因子得点:因子得点を出力する
– 尺度得点:因子に所属する尺度の平均値を計算する
• 因子負荷量が一番高い因子に所属すると仮定する
因子分析
• 因子抽出法
– 最尤法、最小二乗法、反復主因子法、主成分法、非反
復推定法から選択
• 基本は最尤法がオススメ
• 不適解がでるなら、最小二乗法→・・・の順で。
• 回転法
– 直交回転:バリマックス回転
• 基準を変えることで、クォーティマックスなどが選べる
– 斜交回転:プロマックス、オブリミン、独立クラスタ回転
– プロクラステス回転
• 仮説に最も近くなるように回転する
• 斜交と直交が選択できる
因子分析の出力
項目 Factor1 Factor2 共通性
v6 .835 -.047 .647
v8 .751 .105 .679
v10 .750 -.045 .521
v9 .744 .015 .570
v7 .716 .077 .591
v5 -.077 .810 .579
v4 -.022 .753 .545
v2 .022 .706 .519
v1 .103 .666 .544
v3 .107 .595 .450
因子寄与 4.210 3.995
適合度 乖離度 = 0.110 CFI = 1.000
χ 2
値 = 21.279 RMSEA = .000
DF = 26 AIC = 59.884
p = .727 BIC = 122.552
因子分析のオプション
スクリープロット
• 「スクリープロット」ボタンを押す
– 「分析実行」ではない
• 因子の固有値の推移をプロット
– 因子数の推定に役立つ
• その他、因子数決定に役立つ指標
– MAP:最小の因子数を提案
– 平行分析:誤差以上の因子数を提案
– SMC平行分析:最大の因子数を提案
• MAPとSMC平行分析の間が真の因子数である可能性が高い
• それぞれ黄色になっているところが提案ポイント
スクリープロットの出力
• SMC平行分析の例
スクリープロットのオプション
共分散行列データの利用
• 共分散行列データを保存する
– 因子分析や回帰分析はローデータではなく共分
散行列から分析が可能
– あらかじめ共分散行列を作成して保存しておけ
ば、因子分析の計算が早くなる
• 特にサンプルサイズが大きいときに有効
• 共分散行列データを外部から読み込む
– データがそもそも相関行列や共分散行列の場合
でも読み込んで分析することができる
共分散行列の保存
• 「データセット」ボタンを押す
– 右のようなGUIが立ち上がる
– ローデータ
• デフォルトはこれ
– 共分散データ
• 内部に共分散行列を保存
– ポリコリック相関
• 内部にポリコリック相関を保存
– シートを指定
• 外部の共分散行列を読み込む
共分散データモード
• 共分散行列を保存・取り込むと
– 以下のようなスペースが表示される
– チェックを付けた変数を分析に用いる
プロクラステス回転
• 仮説に最も近くなるように回転する方法
– 共分散データモードの場合のみ選択可能
– 下のように、仮説的な因子負荷量を入力する画
面が表示される
因子負荷量の仮説を入力
• 因子負荷量なので-1~1の範囲になるよう注意
• また、2乗和が1以下になるよう注意
• 負荷する因子だけがわかってる場合は下のように負
荷する因子のところに1とだけ入力してもよい
共分散データ利用の注意点
• 交互作用項は検討できません
– 回帰分析にも共分散データは利用できますが、交互
作用は検討できません。
• 分散分析など多くの分析法は利用できません
– 主にカテゴリカル変数を使うものはすべて無理です。
• Macでは利用できません
– 申し訳ないですが、現状そうなっています。
– 余裕があれば改善します。
クラスタ分析
「クラスタ分析」を選択
• クラスタ分析のモデリングスペース
モデルの指定
• クラスタ数の指定
– 階層クラスタの場合は、指定しないこともできる
• その場合、クラスタごとの特徴は出力されない
• 分類対象
– 回答者:サブジェクトを変数を使って分類する
– 変数:変数を、サブジェクトを使って分類する
• 距離行列
– ローデータ:そのままの得点から距離行列を計算
– 標準化:データを標準化してから計算
推定法の選択
• 「オプション」ボタンを押す
– 階層的クラスタと非階層的クラスタの2種類
• 階層的クラスタ・・・クラスタのネスト関係を仮定
– ウォード法:最も妥当な解を出すといわれている
– 群平均法:ユークリッド距離を仮定しない方法 そこそこ良い
– 最長距離法:ユークリッド距離を仮定しない方法 まぁまぁ
• 階層クラスタはサンプルサイズが大きいと計算時間がかかるので注意
• 非階層クラスタ・・・階層クラスタにくらべてかなり計算が早い
– K-means法:クラスタの階層関係を仮定しない 計算が早い
– マハラノビス距離によるk-means法:より精度がよくなるが、計算
にやや時間がかかる
出力の設定
• 所属クラスタ
– 回答者の分類でクラスタ数を指定した場合、回答者の所属クラ
スタを出力する
• クラスタ平均値
– 変数の分類でクラスタ数を指定した場合、各クラスタの平均値
を出力する
• デンドログラム
– 階層クラスタの場合、樹形図を出力
• クラスタの特徴
– クラスタ数を指定した場合、そのクラスタの特徴を変数の標準
化得点で表示する
出力例
• デンドログラム
CL1
CL2
CL3
CL4
CL5
CL6
CL7
CL8
CL9
CL10
CL11
CL12
CL13
CL14
CL15
CL16
CL17
CL18
CL19
CL20
CL21
CL22
CL23
CL24
CL25
デンドログラム描写の設定
• デンドログラムの表示法
– デンドログラムを表示する際、クラスタ間の距離をど
のように計算するかを設定できます。
– 距離の1乗がデフォルトで、10乗まで変えられます。
乗数をあげると、上位のクラスタがより際立って表示
されるようになります。
• デンドログラムの要約基準
– 回答者を分類するとき、全員をデンドログラムに表示
すると非常に大きな図になってしまいます。
– そこで、HADでは上位のクラスタのみを表示するのを
デフォルトにしています。
– 上位何クラスタまで表示するかを設定できます。
多次元尺度法
• 距離行列をもとに変数を2次元に表示
– 尺度の一次元性などを確認できる
クラスタ分析のオプション
数量化分析
(等質性分析)
「数量化分析」を選択
• 対応分析のモデリングスペース
モデルの指定
• 次元数の指定・・・何次元まで抽出するか
– バリマックス回転を行う
• 次元軸を単純構造に回転する
• データ・・・入力データのタイプを選択
– 変数型・・・1,2,3といったカテゴリごとに数値が割り当てられ
ているタイプ
– カテゴリ反応型・・・カテゴリごとに0・1でコードされたダミー変数
が設定されているタイプ
– クロス表型・・・2変数がクロス表で得られるタイプ
• 重み
– 次元の固有値で重みづけるかどうかを選択
出力の指定
• 得点
– 回答者のスコア・・・回答者ごとに次元得点を出力
– カテゴリ反応型データ・・・変数型をカテゴリ反応型
に変換して出力
• 変数をプロット
– 変数をカテゴリごとに2次元にプロットする
• 回答者をプロット
– 回答者を2次元にプロットする
クロス表からの分析結果
数量化分析のオプション

Mais conteúdo relacionado

Mais procurados

マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編Hiroshi Shimizu
 
マルチレベルモデル講習会 実践編
マルチレベルモデル講習会 実践編マルチレベルモデル講習会 実践編
マルチレベルモデル講習会 実践編Hiroshi Shimizu
 
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれRで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれHiroshi Shimizu
 
質的変数の相関・因子分析
質的変数の相関・因子分析質的変数の相関・因子分析
質的変数の相関・因子分析Mitsuo Shimohata
 
MCMCでマルチレベルモデル
MCMCでマルチレベルモデルMCMCでマルチレベルモデル
MCMCでマルチレベルモデルHiroshi Shimizu
 
重回帰分析で交互作用効果
重回帰分析で交互作用効果重回帰分析で交互作用効果
重回帰分析で交互作用効果Makoto Hirakawa
 
第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)Masaru Tokuoka
 
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理するHiroshi Shimizu
 
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定2 4.devianceと尤度比検定
2 4.devianceと尤度比検定logics-of-blue
 
Mplusの使い方 初級編
Mplusの使い方 初級編Mplusの使い方 初級編
Mplusの使い方 初級編Hiroshi Shimizu
 
Mplusの使い方 中級編
Mplusの使い方 中級編Mplusの使い方 中級編
Mplusの使い方 中級編Hiroshi Shimizu
 
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)Masaru Tokuoka
 
データ入力が終わってから分析前にすること
データ入力が終わってから分析前にすることデータ入力が終わってから分析前にすること
データ入力が終わってから分析前にすることMasaru Tokuoka
 
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズHiroshi Shimizu
 
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~nocchi_airport
 
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)Yoshitake Takebayashi
 
心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]daiki hojo
 
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」Shinohara Masahiro
 
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門Yu Tamura
 

Mais procurados (20)

マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編
 
マルチレベルモデル講習会 実践編
マルチレベルモデル講習会 実践編マルチレベルモデル講習会 実践編
マルチレベルモデル講習会 実践編
 
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれRで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
 
質的変数の相関・因子分析
質的変数の相関・因子分析質的変数の相関・因子分析
質的変数の相関・因子分析
 
MCMCでマルチレベルモデル
MCMCでマルチレベルモデルMCMCでマルチレベルモデル
MCMCでマルチレベルモデル
 
重回帰分析で交互作用効果
重回帰分析で交互作用効果重回帰分析で交互作用効果
重回帰分析で交互作用効果
 
第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)
 
階層ベイズとWAIC
階層ベイズとWAIC階層ベイズとWAIC
階層ベイズとWAIC
 
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
 
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
 
Mplusの使い方 初級編
Mplusの使い方 初級編Mplusの使い方 初級編
Mplusの使い方 初級編
 
Mplusの使い方 中級編
Mplusの使い方 中級編Mplusの使い方 中級編
Mplusの使い方 中級編
 
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
 
データ入力が終わってから分析前にすること
データ入力が終わってから分析前にすることデータ入力が終わってから分析前にすること
データ入力が終わってから分析前にすること
 
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
 
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
 
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
 
心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]
 
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
 
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
 

Mais de Hiroshi Shimizu

Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説Hiroshi Shimizu
 
階層ベイズと自由エネルギー
階層ベイズと自由エネルギー階層ベイズと自由エネルギー
階層ベイズと自由エネルギーHiroshi Shimizu
 
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)Hiroshi Shimizu
 
Stanコードの書き方 中級編
Stanコードの書き方 中級編Stanコードの書き方 中級編
Stanコードの書き方 中級編Hiroshi Shimizu
 
SapporoR#6 初心者セッションスライド
SapporoR#6 初心者セッションスライドSapporoR#6 初心者セッションスライド
SapporoR#6 初心者セッションスライドHiroshi Shimizu
 
glmmstanパッケージを作ってみた
glmmstanパッケージを作ってみたglmmstanパッケージを作ってみた
glmmstanパッケージを作ってみたHiroshi Shimizu
 
負の二項分布について
負の二項分布について負の二項分布について
負の二項分布についてHiroshi Shimizu
 
rstanで簡単にGLMMができるglmmstan()を作ってみた
rstanで簡単にGLMMができるglmmstan()を作ってみたrstanで簡単にGLMMができるglmmstan()を作ってみた
rstanで簡単にGLMMができるglmmstan()を作ってみたHiroshi Shimizu
 
Rで潜在ランク分析
Rで潜在ランク分析Rで潜在ランク分析
Rで潜在ランク分析Hiroshi Shimizu
 
Excelでも統計分析 HADについて SappoRo.R#3
Excelでも統計分析 HADについて SappoRo.R#3Excelでも統計分析 HADについて SappoRo.R#3
Excelでも統計分析 HADについて SappoRo.R#3Hiroshi Shimizu
 

Mais de Hiroshi Shimizu (15)

Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
 
Stanでガウス過程
Stanでガウス過程Stanでガウス過程
Stanでガウス過程
 
階層ベイズと自由エネルギー
階層ベイズと自由エネルギー階層ベイズと自由エネルギー
階層ベイズと自由エネルギー
 
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
 
Stanコードの書き方 中級編
Stanコードの書き方 中級編Stanコードの書き方 中級編
Stanコードの書き方 中級編
 
SapporoR#6 初心者セッションスライド
SapporoR#6 初心者セッションスライドSapporoR#6 初心者セッションスライド
SapporoR#6 初心者セッションスライド
 
Stan超初心者入門
Stan超初心者入門Stan超初心者入門
Stan超初心者入門
 
Tokyo r53
Tokyo r53Tokyo r53
Tokyo r53
 
glmmstanパッケージを作ってみた
glmmstanパッケージを作ってみたglmmstanパッケージを作ってみた
glmmstanパッケージを作ってみた
 
負の二項分布について
負の二項分布について負の二項分布について
負の二項分布について
 
rstanで簡単にGLMMができるglmmstan()を作ってみた
rstanで簡単にGLMMができるglmmstan()を作ってみたrstanで簡単にGLMMができるglmmstan()を作ってみた
rstanで簡単にGLMMができるglmmstan()を作ってみた
 
社会心理学とGlmm
社会心理学とGlmm社会心理学とGlmm
社会心理学とGlmm
 
Rで潜在ランク分析
Rで潜在ランク分析Rで潜在ランク分析
Rで潜在ランク分析
 
Latent rank theory
Latent rank theoryLatent rank theory
Latent rank theory
 
Excelでも統計分析 HADについて SappoRo.R#3
Excelでも統計分析 HADについて SappoRo.R#3Excelでも統計分析 HADについて SappoRo.R#3
Excelでも統計分析 HADについて SappoRo.R#3
 

Último

The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024koheioishi1
 
2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料
2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料
2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料Tokyo Institute of Technology
 
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学ssusere0a682
 
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料Takayuki Itoh
 
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2Tokyo Institute of Technology
 
次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~
次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~
次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~Kochi Eng Camp
 
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentationTokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentationYukiTerazawa
 

Último (7)

The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
 
2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料
2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料
2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料
 
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
 
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
 
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
 
次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~
次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~
次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~
 
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentationTokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
 

エクセルで統計分析4 因子分析のやり方