[1]多変量解析の基礎と体系
　　(データの特性を知ることは、全ての分析の出発点となります。
　　　各種統計量とデータ分布の関連を知ることにより、理解が深まります。)
　　●多変量解析の概念
　　●多変量解析の体系
　　●データの尺度について
　　●データと各種統計量(平均、分散、相関など)の見方と注意点
　　●外れ値の問題

[2]重回帰分析
　　(販売促進や価格などのマーケティング意思決定変数と売上高との関係を
　　　分析し、要因の効果を捉えるのに役立ちます。)
　　●重回帰分析の考え方と使い方
　　●重回帰分析に必要なデータの選定および加工法
　　●ダミー変数による重回帰分析
　　●ケーススタディ　-　事例による分析結果の解釈

[3]MCA(Multiple　Classification　Analysis)
　　(性別や年齢などの消費者属性と購入意向などのカテゴリカルデータに対し、
　　　原因と結果の関係を捉えるのに役立ちます。また、MCAはクロス集計に
　　　還元できますので使いやすい手法の一つとなります。)
　　●MCAの考え方と使い方
　　●MCAに必要なデータの選定および加工法
　　●ケーススタディ　-　事例による分析結果の解釈

[4]多変量ロジット・モデル
　　(購入・非購入などの2値データと収入などの連続データに対し、原因と結果の
　　　関係を定量化するのに役立ちます。)
　　●多変量ロジット・モデルの考え方と使い方
　　●多変量ロジット・モデルに必要なデータの選定および加工法
　　●ケーススタディ　-　事例による分析結果の解釈

[5]分散分析
　　(特性値と要因として取り上げた属性との関連が定量的につかめます。
　　　したがって、クロス集計や三重クロス集計の有効性が明確になります。)
　　●分散分析の考え方と使い方
　　●分散分析に必要なデータの選定および加工法
　　●ケーススタディ　-　事例による分析結果の解釈

[6]AID(多段層別分析)
　　(購入意向の高い消費者を属性を手がかりにセグメントする際に役立ちます。)
　　●AIDの考え方と使い方
　　●AIDに必要なデータの選定および加工法
　　●ケーススタディ　-　事例による分析結果の解釈

[7]クラスター分析
　　(消費者を似た特性のグループに分ける際に役立ちます。)
　　●クラスター分析の考え方と使い方
　　●クラスター分析に必要なデータの選定および加工法
　　●ケーススタディ　-　事例による分析結果の解釈

[8]因子分析
　　(消費者の製品に対する評価などから、背景にある少数の評価因子などを
　　　取り出すのに役立ちます。)
　　●因子分析の考え方と使い方
　　●主成分分析との相違点について
　　●因子分析に必要なデータの選定および加工法
　　●ケーススタディ　-　事例による分析結果の解釈

[9]コレスポンデンス・アナリシス(対応分析)
　　(諸要因の関係を2次元空間内に表現することにより、関連性の傾向を
　　　把握するのに役立ちます。)
　　●コレスポンデンス・アナリシスの考え方と使い方
　　●コレスポンデンス・アナリシスに必要なデータの選定および加工法
　　●ケーススタディ　-　事例による分析結果の解釈

[10]AHP(Analytic　Hierarchy　Process)
　　(多くの代替案の中から、最良な一案を選ぶといった意思決定を行う際に
　　　役立ちます。)
　　●AHPの考え方と使い方
　　●AHPに必要なデータの選定および加工法
　　●ケーススタディ　-　事例による分析結果の解釈

[11]BSA(Benefit　Structure　Analysis)
　　(消費者におけるベネフィットの焦点を得るのに役立ちます。)
　　●BSAの考え方と使い方
　　●BSAに必要なデータの選定および加工法
　　●ケーススタディ　-　事例による分析結果の解釈

　※ケーススタディは、消費財、耐久消費財を中心に身近な事例を
　　ケースとして取り上げます。

[1]ブランド競合の把握を目的として、因子分析の実用的な使い方を示します。
　　(プロダクト・ポジショニング)

[2]消費者意識の把握と分類を意図して、因子分析とクラスター分析を組み
　　合わせたアプローチを示します。(パターン分類とセグメンテーション)

[3]消費者ベネフィットの抽出と、その特性をBSA、MCAを組み合わせて分析
　　する例を示します。

[4]需要の質的変化を見積もるのに、ディシジョン・ツリーとAHPを組み合わせ
　　てアプローチします。

[5]その他

1　需要予測の概念とその体系

最近の市場環境の変化は量・質的にも著しく、加えて変化の速度が高まっており、未来の兆候を読み取りにくい状況が一般化されています。予測が困難であるからこそ、予測の概念、そのプロセスやアプローチ方法の重要性は増しています。

　●予測の定義と需要予測の概念
　●予測の方法論とそのプロセス
　●需要分析と予測のフロー　など


2　需要予測に必要な最近の特記事項

需要予測は、その背景をつかまなければ役立つアウトプットは得られません。そこで、最近の市場環境を取り巻く背景の中から特記すべきキーワードをとりあげます。

　●成熟市場におけるカオス的な振る舞い
　●製品ライフサイクルの再考
　●長期予測のシナリオ化


3　知っておきたいデータ加工と各種の変換

予測を具体化するためには、使用に耐えうるデータが存在することと、予測担当者がそれらのデータを加工する知見を持つことです。ここでは、予測に必要なデータとその加工に焦点を合わせ、変数に関する知っておくべき基礎知識を学びます。

　●予測に必要なデータの種類と具体化
　●データの加工と変数の構築
　　*単位変換、対数変換、正規化　など
　●モデル構築のプロセス　
　　*特定化、推計、評価、応用　など

4　基本モデルとしての重回帰分析

ここでは、分析・予測の中心的ツールである回帰分析の活用を学習し、モデルの構造や使用上の注意を把握します。

　●回帰モデルの体系とその概要
　●例題によるアウトプットの見方
　●回帰分析の応用
　　*売上高のターニング・ポイント分析
　　*季節変動を加味した重回帰モデルによる予測
　　*ATTRモデルによるシェア分析と予測　　など


5　新しい予測手法

市場環境が複雑化し、予測精度の低下が懸念される昨今、新しい予測方法の導入が切望されています。そこで幾つかの新しい予測方法を事例を交えて紹介します。

　●カオス的動向のモデル化
　　*NNモデル（Nearest Neighbor）
　　*MNNモデル（Multiple Nearest Neighbors）
　　*SNNモデル（Simultaneous Nearest Neighbor）
　●ベイジアンアプローチによる予測
　●シミュレーションによる計画の事前事後評価　など


6　需要予測各種のケーススタディ

最後は、総括の意味で所与のデータを用いて、予測の実際に参加者が挑戦します。

　●消費財の例:ビール、発泡酒
　●耐久消費財の例:カラーテレビ
　●汎用生産財:小口電力　など

【Ｓｔｅｐ１： 測定対象の定義】

　プロモーションの多くは、顧客の購買行動の変容を意図して行われることが多く、その効果は短期的になります。また、プロモーションの有無と購買行動の変容を捉えることにより、プロモーション効果の測定が可能となります。このため、どのような意図や目的でプロモーションを行ったかを明確にすることは、その効果を捉える上で大切になります。本ステップでは、プロモーションの意図や目的を理解するために、その分類と定義について学習します。

1 プロモーションの意図を明確にする
2 購買行動の変化とプロモーションの効果
3 プロモーションの目的
4 プロモーションの分類と定義

〔KeyWord〕
プロモーションの目的
プロモーションの分類と定義

【Ｓｔｅｐ２：　プロモーション効果の捉え方】

プロモーション効果の概念は二つに大別されます。一つは、プロ
モーションによって売上やシェアがどのように変化したかを捉える「リフト」の概念、二つ目は、プロモーション投入量や価格の変化と売上の変化の関係を示す「弾力性」の概念です。そして、目的に応じて、比較や関係性を測定する枠組みを考えることが、効果測定へとつながります。本ステップでは、どのような視点からプロモーションの効果を測定するか、その枠組みについて学習します。

1 目的に応じた測定尺度を選択する
2 プロモーション効果の種類
3 プロモーションの有無と売上の変化
4 プロモーション投入量と売上の関係性
5 測定に用いる変数の種類

〔KeyWord〕
■尺 度　売上数量、売上金額、売上シェア
■比 較　プロモーション前・後
　　　　　ベースラインによる比較
■指 標　売上増減を示す「リフト」
　　　売上との関連性をみる「弾力性」

【Ｓｔｅｐ３： プロモーション効果指標の見方と考え方】

売上やシェアと、プロモーションの有無との関係から、プロモーション効果指標である「リフト」や「弾力性」が得られます。本ステップでは、これらの効果指標の見方やその統計的有意性について、統計的検定や分析の概念、手法を含めて学習します。

1 プロモーション効果指標の見方
2 プロモーション効果指標と
　プロモーションの因果関連について
3 効果指標の算出方法と有意性検定について
　 「弾力性」の算出方法
　 「リフト」の有意性検定
4 統計的検定の概念
5 各種分析手法の概念

〔KeyWord〕
■指 標　リフト、弾力性、交差弾力性
■手 法　対応のある平均値の差の検定、
　　　分散分析、多重比較、回帰分析、
　　　アトラクションモデル


【Ｓｔｅｐ４： 事例を通した測定の手順と解釈】

本ステップでは、ExcelやIBM SPSSなどのソフトで分析した事例を提示し、プロモーション効果を測定する手順、分析結果の解釈について学習します。また、他の事例として、時系列データのADLモデルと長期乗数の重要性についても検討します。

1 プロモーション前後における
　平均値の差の検定
2 多重比較によるインセンティブ型
　プロモーション効果の検証
3 アトラクションモデルによる
　シェアの要因分析
4 その他

〔KeyWord〕
結果の解釈例
EXCELによる分析操作方法の提示
IBM SPSSによる分析操作方法の提示