教育現場のデータを活かすために！

本書は、教育現場に蓄積された多様なデジタルデータ（成績データ、アンケート結果など）の分析方法を解説します。

中・高・大や予備校などの教育現場には、多くのデータ（試験・入試の結果、TOEICなどの外部試験の結果、出席管理システムの情報など）が、なかば勝手に集積されていきます。昨今、データ利用の重要性が叫ばれるなか、そのようなデータの山の中から教育上、有用な知見を見つけ出すことが教育現場にも求められています。

本書は、大学や予備校、通信教育の教職員・事務職員、教育に熱心な中・高の教職員をおもたる対象として、教育データの分析手法や考え方を解説しています。オープンソースの統計分析向けのソフトウェア環境であるRを用いることで、実際に使える実践的な方法を解説しています。

教育分野の方以外にも、データ分析が身近な学校という現場を例に、どのように実応用されているかを知ることができる一冊になっています。

現在，データサイエンティストには，従来データサイエンティストが行なっていた統計モデリングや機械学習モデルの構築に加えて，ビジネス側の要件の整理，多様なファイル形式からのデータ取得，API連携，データの整形，グラフやダッシュボード，アプリケーションの作成，そしてこれらの作業をgitで管理して成果につなげるスキルが求められている。本書はこれらスキルを包括的に学ぶための手引書である。

前半ではテキストエディタ，RStudio，コマンドライン，gitといったツールのインストール方法，使い方を説明している。後半ではデータ取得，データ操作，データの可視化からデータ分析レポートの作成方法に加え，Web API，他のデータ分析者とチームで分析進めていくうえで必要な手法についても学ぶことができる。

平易に書かれており，つまずきやすいところに対するフォローは手厚く，データサイエンスを目指す入門者にとって必読の1冊となっている。また，データ分析経験者が再度自分のプログラミングスキルの地盤を固めるためにも本書は役立つであろう。

[原著：Programming Skills for Data Science: Start Writing Code to Wrangle, Analyze, and Visualize Data with R, 2018]

【第1部　さあ始めよう！】

第1章　コンピュータの設定

第2章　コマンドラインツールを使ってみよう

【第2部　分析プロジェクトの管理】

第3章　gitとGitHubを用いたバージョン管理

第4章　Markdownを用いたドキュメント管理

【第3部　R言語の基礎】

第5章　Rの導入

第6章　関数

第7章　ベクトル

第8章　リスト

【第4部　データラングリング】

第9章　データを理解する

第10章　データフレーム

第11章　dplyrを用いたデータ操作

第12章　tidyrを用いたデータ操作

第13章　データベースへのアクセス

第14章　APIへのアクセス

【第5部　データ可視化】

第15章　データ可視化のデザイン

第16章　ggplot2を用いたデータ可視化

第17章　インタラクティブなデータ可視化

【第6部　データ分析アプリの構築と共有】

第18章　R Markdown を用いた動的なレポートの作成

第19章　Shiny を用いたWeb アプリの開発

第20章　チームでの分析・開発

第21章　さらに学びたい方のために

索　引

R言語はシンプルな文法と「ベクトル」と呼ばれる機能を使った柔軟な処理が可能で、配列やリスト、テーブル、集合など数値計算に強いものです。

本書では、RStudioという投稿型の開発環境を使って快適にプログラミングを学ぶことができます。他言語の経験者はもちろん、初めての人でも使いこなすことができるようになるように内容をまとめました。

統計や機械学習の手法や考え方を学んだあとに、コードを記述して実践するというステップで、Rを身に付けることができるように構成しています。

統計学者によって開発された「R」は、データ解析のスタンダードになりつつあります。本書では補助ソフト「Rコマンダー」を用いた、コマンド入力のいらない解析の方法を紹介します。データの特徴の把握から、2変数間の相関の解析、回帰分析による最適なモデルの選択まで、実際のデータ解析の流れを体験することで、操作方法と統計の考え方が理解できる、初めての人に最適な一冊です。

世界標準の統計ソフト「R」を使ってみよう！

統計学者によって開発された「R」は、データ解析のスタンダードになりつつあります。本書では補助ソフト「Rコマンダー」を用いた、コマンド入力のいらない解析の方法を紹介します。データの特徴の把握から、2変数間の相関の解析、回帰分析による最適なモデルの選択まで、実際のデータ解析の流れを体験することで、操作方法と統計の考え方が理解できる、初めての人に最適な一冊です。

本書では、特設サイトからダウンロードできるサンプルデータを使用して実際のデータ解析を体験します。

記載された手順にそってソフトを動かすことで、散布図や棒グラフ・円グラフを描いて視覚的にデータの特徴をつかむ統計解析の初歩から、重回帰分析やロジスティック回帰分析といった高度な分析まで、スピーディーに学習することができます。また、実際のデータを「R」で解析しやすい形式にして取り込む方法もしっかり解説しています。

　【目次】

　　第1章「R」ってなに？

　　第2章 Rを使うための準備

　　第3章 Rコマンダーを使ってみよう

　　第4章 データ解析を始める前に

　　第5章 データの特徴を探る

　　第6章 変数間の関係を探る

　　第7章 平均に関する推定と検定

　　第8章 分散に関する検定

　　第9章 分散分析

　　第10章 回帰分析

　　第11章 比率に関する推定と検定

　　第12章 ロジスティック回帰分析

　　第13章 データセットの準備　

　　第14章 変数およびデータの管理

　付録

　　Rマークダウン機能について

　　有用な演算子一覧表

　　有用な関数一覧表

　　統計用語集

第1章「R」ってなに？

第2章 Rを使うための準備

第3章 Rコマンダーを使ってみよう

第4章 データ解析を始める前に

第5章 データの特徴を探る

第6章 変数間の関係を探る

第7章 平均に関する推定と検定

第8章 分散に関する検定

第9章 分散分析

第10章 回帰分析

第11章 比率に関する推定と検定

第12章 ロジスティック回帰分析

第13章 データセットの準備　

第14章 変数およびデータの管理

付録

　Rマークダウン機能について

　有用な演算子一覧表

　有用な関数一覧表

　統計用語集

Rパッケージの開発者として名高いKun Renが，R初心者およびRについてある程度は扱えるものの知識がアップデートされていない中級者へ向けて書いた入門書。モダンなアプローチでRの内容が平易に解説されている。前半はRの言語解説（オブジェクトやデータの扱い方等）についてページが割かれ，金融分野でRを扱ってきた著者の経験をふまえ，一部では難解ともいわれるRの言語仕様がわかりやすく書かれている。読者は文章に引き込まれながら読んでいくうちに自然とRに関する深い知識を身に付けることができるだろう。後半はRについての発展的な内容となっており，最近のdplyrやrlist，data.tableといったモダンなデータハンドリングパッケージ，他書では扱っていないメタプログラミング，RによりWebスクレイピングをいかにプログラミングしていくかなど，十分に読み応えのあるものとなっている。

多機能でありながら無料で使える統計解析ソフト「Ｒ」。その利便性からもＲによるデータ処理がますます広がっている。一方，統計学の入門的知識があっても，このソフトに敷居の高さを感じる人は少なくない。はじめてＲに触れる初学者対象に，Ｒを使っての統計解析の最初の一歩を踏み出すための説明をコンパクトにまとめた。

「基本をより実践的に！」学べる新シリーズの第一弾は、「統計モデリングの世界」へのファーストブック。基礎から学べる超入門！

・チュートリアル形式だから、すぐに実践できる！

・統計、確率、ベイズ推論、MCMCの基本事項から、やさしくサポート！

・brmsやbayesplotなどのパッケージの使い方も、しっかり身につく！

・一般化線形モデル(GLM)→一般化線形混合モデル(GLMM)→動的線形モデル(DLM)→動的一般化線形モデル(DGLM)を体系的に学べる！

【本書のサポートページ】

https：／／logics-of-blue.com/r-stan-bayesian-model-intro-book-support/

【実践Data Scienceシリーズ】

　「基本をより実践的に！」を合言葉に、データサイエンスで用いられる各種手法の基本を、プログラミングの実装とともに解説していきます。はじめて学ぶ大学生、大学院生、ソフトウェアエンジニアに向けた注目の新シリーズです。

【主な内容】

1部　【理論編】ベイズ統計モデリングの基本

1　はじめよう！　ベイズ統計モデリング

2　統計学の基本

3　確率の基本

4　確率分布の基本

5　統計モデルの基本

6　ベイズ推論の基本

7　MCMCの基本

2部　【基礎編】RとStanによるデータ分析

1　Rの基本

2　データの要約

3　ggplot2によるデータの可視化

4　Stanの基本

5　MCMCの結果の評価

6　Stanコーディングの詳細

3部　【実践編】一般化線形モデル

1　一般化線形モデルの基本

2　単回帰モデル

3　モデルを用いた予測

4　デザイン行列を用いた一般化線形モデルの推定

5　brmsの使い方

6　ダミー変数と分散分析モデル

7　正規線形モデル

8　ポアソン回帰モデル

9　ロジスティック回帰モデル

10　交互作用

4部　【応用編】一般化線形混合モデル

1　階層ベイズモデルと一般化線形混合モデルの基本

2　ランダム切片モデル

3　ランダム係数モデル

5部　【応用編】状態空間モデル

1　時系列分析と状態空間モデルの基本

2　ローカルレベルモデル

3　状態空間モデルによる予測と補間

4　時変係数モデル

5　トレンドの構造

6　周期性のモデル化

7　自己回帰モデルとその周辺

8　動的一般化線形モデル：二項分布を仮定した例

9　動的一般化線形モデル：ポアソン分布を仮定した例