はじめに
ひつじ橋です🐑
今回は,
重回帰分析を扱います.
重回帰分析とは？
・・・ある結果（目的変数）を説明したい.
そのとき,
「複数の要因（説明変数）のうち, どの変数がどの程度, 結果に関わっているか」
を関数を用いて数値化, 両者の関係を表す.
それを元にして, 将来の予測を行う手法をいいます.
WORD
🌟単回帰分析 ・・・ 1つの要因から結果を予測すること.
①重回帰分析の強み
1. データに基づくので説得力がある
実際の分析結果をもとに予測するので, 根拠を数値で示すことができます.
2. 未来の予測ができる
計画上の数値を当てはめれば, 将来の見通しを立てることができます.
3. 実用性が高い
現実の問題には, 複数の原因が絡んでいることが多いです.
その際に, 重回帰分析が役立ちます.
②重回帰分析の弱み
1. 計算が複雑
重回帰式を立てる必要があるため, Excelや専用のソフトウェアの利用を考えます.
(別の記事を書きます)
2. 剰余変数が紛れることも
剰余変数(説明変数ではないが, 結果の原因となりかねない要素)の影響を受けかねないという点です.
3. 多重共線性の発生のおそれ
「説明変数と目的変数の相関をみたい」わけですが, 「説明変数同士に相関がある」ケースも考えられます.
(参考)
③活用できる場面
ビジネスでは, 主に
・説明変数から結果を予測する
・各説明変数がどのくらい目的変数に影響しているかを計る
場面で用いられるそう.
重回帰分析は, 前者のように, 既存データが無かったり少なかったりするときにも活躍します.
一方, 実際には
各要素の影響度を測るマーケティングリサーチの一環
として, 後者の目的で用いられます.
(参考: 例あり)
④Pythonで実装してみた
以下GitHubに置いてあります🔽
おわりに
今回は, 重回帰分析の概要をまとめました.
これから授業で習うようで, ちょっと楽しみだったりもします!