回帰分析（
回帰分析（重回帰） 単回帰分析は、１変数から１変数を予測する場合に使用されますが、複数の 変数から１つの変数を予測しようとする場合には重回帰分析が使われます。 ｎ個の変数を説明変数とする重回帰式は以下のようになります。 ＝β１ｘ１＋β２ｘ２＋＋βｎｘｎ＋α この式は、基本的には単回帰式と同じもので、ｙのｘに対する回帰を加算的な直線式で解釈するものです。ｘを説明変数、ｙを目的変数（被説明変数）と呼ぶのも単回帰分析と同様です。 α、βｎは回帰係数と呼ばれ、βｎはそれぞれの説明変数にかかる重み（回帰係数）です。 算出された重回帰式の有意性は、単回帰分析と同様、回帰式で説明されるバラツキと、説明しきれないバラツキ（残差）との比（Ｆ値）で検定されます。 また、それぞれの（偏）回帰係数の有意性ついても同様に検定されますが、エクセルの分析ツールではｔ検定でその有意性が検定されています。 （例題）
多変量解析
データの中には、多くのトレンド（傾向）が必ず隠れています。このトレンドをつかむことができるのならば優位に意思決定を進めることができます。 このページでは、データの中からトレンドを見つける多変量解析の手法を紹介します。 ことわざで「木を見て森を見ず（You can't see the forest wood for the trees. ）」といわれるように、データマイニングの分野ではマクロ（巨視的）な視点で全体を捉える能力が求められます。 とはいえ、データの要素数が多くなると全体像を捕らえることが困難になるのです。 コンピュータは局所的な数値の集合として全体を把握していますので、意味ある情報として全体を見ることが不得意です。逆に人間には、もともと空間的に全体像を捉える能力が超越しています。 例をあげて解説します。 左図は写真です。写真も「画素」と呼ばれる一つ一つの情報の集まりで全
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
blank
