● データ解析演習Ⅲ
―確率的離散選択モデルの理論と実習―

この授業では、ロジットモデルのパラメータ推定を自分で行なうためのトレーニングをする。その具体的な内容は、（１）モデルに対する消費者行動論の知識、（２）モデルに対する数学の知識、（３）パラメータ推定量に関連する統計学の知識、（４）最適化アルゴリズムに関連する数学の知識、および（５）パラメータ推定を実行するためのコンピュータ・プログラミングの知識と経験などであるが、ここでは特に（２）に重点をおく。一変数の多項ロジットモデルについてその概要を完璧に理解し、プログラミング言語であるRを使ってパラメータ推定できるようになるのが、目標である。

１	オリエンテーション　一変数ロジットモデルの概要説明
２	一変数関数の微分と極値①
３	一変数関数の微分と極値②
４	一変数関数のTaylor展開と最適化アルゴリズム①
５	一変数関数のTaylor展開と最適化アルゴリズム②
６	尤度関数と最尤推定量①
７	尤度関数と最尤推定量②
８	一変数ロジットモデルのパラメータ推定のアルゴリズム①
９	一変数ロジットモデルのパラメータ推定のアルゴリズム②
10	一変数ロジットモデルのパラメータ推定のコンピュータ・プログラミング①
11	一変数ロジットモデルのパラメータ推定のコンピュータ・プログラミング②
12	弧弾力性と点弾力性
13	対数中央化変換によるパラメータ推定
14	授業のまとめ
15	自主研究
16	二変数関数の微分と極値①
17	二変数関数の微分と極値②
18	二変数関数のTaylor展開と最適化アルゴリズム
19	二変数ロジットモデルのパラメータ推定のアルゴリズム
20	二変数ロジットモデルのパラメータ推定のコンピュータ・プログラミング
21	古典的論文の輪講①　Guadagni, P. M. and J. D. C. Little (1983), “A Logit Model of Brand Choice Calibrated on Scanner Data,”　Marketing Science, Vol.2, No.3, pp.203-238.
22	古典的論文の輪講②
23	古典的論文の輪講③
24	古典的論文の輪講④
25	古典的論文の輪講⑤
26	実習①
27	実習②
28	実習③
29	授業のまとめ
30	自主研究

演習方式で授業を進める。

第1学期 （学期末試験） ：試験を実施する

第2学期 （学年末試験） ：試験を実施する

授業中の平常点

テキスト等は１回目の授業で指示する。