【データの活用】回帰分析

回帰分析

（１）回帰分析（重回帰分析）は、３種類、４種類のデータを使って予想モデルを作るものです。

（２）例えば、賃料を予想するのであれば、「駅からの距離」、「建築されてからの年数」等のデータを入力します。
　イメージで言えば、Ⅹ軸に「地価」、Ｙ軸に、「駅からの距離」、Ｚ軸に、「家賃」を入力して点を打っていきます。そして、その点が密集している固まりに線を引いて、仮説の計算式を作るようなイメージです。
　　　賃料=40.969×「駅からの距離」＋0.5978×「建築されてからの年数」という計算式ができます。

外れ値の撤去

（１）外れ値は、何らかの理由で、他の結果と異なった数字です。これを除去しなければ、回直直線が移動してしまいます。

（２）これらの数字（値）を除去する必要があります。

多重共通性のチェック

（１）回帰分析等では、いろいろなデータ（変数）を入力することはできません。それぞれの変数が独立していることが必要です。変数の相関関係が強い（依存関係がある変数がある）と、予測結果が不安定になり、変数をしぼる必要があります（多重共線性）。

（２）各変数について、相関関係がないかをチェックして判断します。

予想精度と実際の対応

（１）回帰分析についても、あくまで予想であるので、齟齬ができます。

（２）これをどうするか、見当が必要です。

　例えば、予想値は〇だが、少し多めに購入するなど、バッファーを設ける必要があります。

エクセルと回帰分析

（１）エクセルを使えば回帰分析を計算することができます。

（２）インターネットや書籍でも回帰分析の方法が紹介されています。

ビジネスと回帰分析

（１）回帰分析は、ビジネスにとって活用しやすい分析方法です。機械学習ほど、データ数が不要です。変数（結果に影響力の高い数字）を予想して、トライアンドエラーで成果を測定し、予想モデルの上げていきます。仮説と検証がビジネスでの思考と類似性が高いです。

（２）回帰分析は、AI（機械学習）と比べて、使える変数が少ない入力データの選定という過程があり、分析者のカンに頼るところがあるところです。一般論として、回帰分析の予測精度は、AI（機械学習）に劣ります。