経時データとは, 複数の対象者について同一の特性を, 時点を変えて, あるいは, 異なる条件のもとでくり返し測定することによって得られるデータのことである. このようなデータに対して, 混合効果分散分析モデル, 成長曲線モデル, 線形混合モデル, 等を用いた分析法が開発されている. まず, これらのモデルと推測法について解説する. 次に、各モデルにおいて, 説明変数の選択が重要となるが, モデル選択規準を用いた選択法について解説する. モデル選択法に関しては, 大標本および高次元漸近的枠組のもとでの一致性について, 最近の発展を概観する.

各観測が時間の経過に伴い繰り返して計測された形式のデータ（経時データ）は，しばしば観測の欠損や観測時点の不均一性などが原因で古典的な多変量解析手法を直接適用することが困難になる．このような形式のデータに対して関数化処理を施し，得られた関数化データ集合を分析対象とすることで，上記の問題点を解消できる．このような方法は総称して関数データ解析とよばれており，医学や化学などさまざまな分野でその有効性が報告されている．本講義では，はじめに関数データ解析の概要と，経時データを関数化する方法について紹介する．そして，関数データを分析するための方法として，関数データに基づく回帰分析や時系列解析などについて紹介する．

位置座標を持った空間データの利用が広がっている．空間データのための統計学では，位置によるデータ間の依存性（spatial dependence）を明示的に考慮しなければならないため，特有の技法が必要になる．このような特有の技法は，統計学や計量経済学だけでなく，地理学，鉱物学，生態学といった様々な分野で個別に発展し，今，邂逅のときを迎えている．また，大規模時空間データのための統計手法も盛んに開発されている．本講義では，空間統計学の初歩から始めて，空間回帰モデル，空間予測，そして大規模データへの応用といった最新のトピックについて解説することを予定している.

経時データ解析において，各観測の背後に時間に対して連続的に変化する関数を想定することがある。そのような関数を対象としてデータ解析を行う方法は関数データ解析と呼ばれ，これまでに多くの理論・応用研究が行われている。本講義では，関数データに対する多変量解析の基本的な方法について解説する。まず，関数空間および線形作用素に関する基礎的事項を確認する。続いて，関数データ解析において重要となる平均関数および共分散関数の推定方法について解説する。その後，関数主成分分析および関数正準相関分析など，関数データに対する基本的な多変量解析法について解説する。

疾患レジストリ・データあるいは大規模臨床研究に関するオープンデータベースの整備が米国を中心に進むなかで，医療ビッグデータの利活用に関するニーズが高まっている．そこでは，「任意の患者に対して最適な治療法は何か(診療の立場)」あるいは「任意の治療法が顕著に有効な患者は何か(研究・創薬の立場)」を明らかにするための統計的方法が必要になる．そのような時流のなかで，治療効果(新治療と標準治療のアウトカムの差)を推定するための統計的方法の開発が進んでいる．本講義では，治療効果を推定するための統計的方法について，臨床試験の場合(治療が共変量と独立)と観察研究(治療が共変量の影響を受ける)の場合に分けて講義する