回帰分析【データ・情報分析力】

「回帰分析」
ある変数と、他の一つまたは複数のヘンスの関係を見る分析

「単回帰分析」
ある変数と一つの変数との関係を見る
（例）アイスの販売数と気温

単回帰分析のグラフ
X軸：説明変数　（例）気温
Y軸：目的変数　（例）販売個数

過去の実績データをプロットして散布図を描く

回帰線
y=ax+b
アイスの販売個数＝a(係数)✕気温＋b(切片)
※切片‥説明変数に変動されない値

決定係数
0≦R2乗≦1

回帰分析の活用により
目的変数が説明変数によって決まる割合がわかる

表計算ソフトを用いた回帰分析
①データ表作成
分析データの表を作成

②散布図作成
「挿入」タブの「散布図（折れ線の無いもの）」をクリックし散布図を作成

③回帰直線作成
グラフ右の「＋」→「近似曲線」→「その他のオプション」とクリックし、「近似曲線書式設定」と表示されるオプションから
「線形近似」「グラフに数式を表示する」「グラフにR-2乗値を表示する」

「重回帰分析」
ある変数と複数の変数の関係を見る
（例）アイスの販売数と気温と天気

ダミー変数
数値ではないものを数値にして記載
（例）天気が晴れの日は「1」それ以外は「0」

重回帰式モデル
y=a1x1+a2x2+・・・+b

Y：目的変数　　　（アイスの販売個数）
x1：説明変数1　　（気温）
x2：説明変数2　　（天気）
A1、a2：係数
b：切片

＜分析の活用場面＞
・どの変数に関係があるかを明らかにすることで、施策検討に活かせる
→予測していない変数同士に関係がある場合や、その反対もあり得る

・変数間の関係を知ることで、知りたい情報の予測ができる
→過去の変数同士の関係を未来の分析に活かせる

＜留意点＞
・分析の前提条件を揃える
（例）アイスの販売実績は国内と国外で傾向異なる
→傾向の異なる前提条件は。分けて分析したほうが正確な結果を得られる

・有効な変数の組み合わせを見つける
→様々な変数を回帰分析し「t」の絶対値が2以上
　「p」が0.1以下、かつ「R2」が高い組み合わせを探ることで、より予測モデルの精度を上げる