[PDF]Rで学ぶ回帰分析｜補足：重回帰分析における交互作用の検討
Rで学ぶ回帰分析 補足：重回帰分析における交互作用の検討 M2 新屋裕太 2013/07/10 （復習）回帰分析について • 変数間の因果関係の方向性を仮定し、１つまたは複数の独立 変数によって従属変数をどれくらい説明できるのかを検討する 手法 • 単回帰分析：独立変数が1つの場合 • 重回帰分析：独立変数が２つ以上の場合 （例）ワンルームマンションの家賃を、ワンルームマンションの条件から、予 測する場合 家賃 駅からの距離 築年数 部屋の広さ バスタイプ ＜独立変数＞ ＜従属変数＞ etc… （復習）重回帰分析について • 重回帰分析では、複数個の独立変数x1,x2,・・・,xiと従属変数yの間 に、以下のような線形の関係があることを仮定する • y = a + b1x1 + b2x2 +・・・+ bixi + e （重回帰モデル） • y^= a + b1x1 + b2x2 +・・・+
R-Source
回帰分析を行なうために以下の関数が用意されている． lsfit() ： 最小二乗法による回帰を行う． lm() ： 線形モデルによる回帰を行う glm() ： 一般線形モデルによる回帰を行う ここで対象となるモデルは以下のような線形モデルである． 上式をベクトル表記すると y = Xb + e となる．このときの y は応答ベクトル，X は説明変数のベクトル（モデル行列）で，x0 は切片項（要素が全て 1 である列ベクトル）となっている． 回帰分析と重回帰分析 関数 lm() により線形モデルの当てはめを行うことが出来る．この関数により，回帰分析や分散分析，そして共分散分析を行うことが出来る． 詳しい解説は『工学のためのデータサイエンス入門』(間瀬・神保・鎌倉・金藤 共著，数理工学社) を参照のこと．分散分析や非線形回帰についても詳しい解説が載っている． 関数 lm() の書式と引数 書式
重回帰分析で交互作用効果
Editor's Notes 連続変量で変数を測定した場合でも、分散分析のように要因間の交互作用効果に興味があることも多い。 従来ではそれらの変数を高群・低群のように2値化してから分散分析を行ってきたが、データ効率の悪さと検出力の低さなどから、最近ではこのような方法は推奨されていない。 そこで、変数の連続性を残したままで、交互作用効果を検討する方法を紹介する。重回帰分析とは、複数の独立変数で従属変数を予測する分析です モデルはこんな感じです。今回、重回帰分析で交互作用を検討するわけですが、交互作用効果のおさらいです。 交互作用効果があるということは、独立変数の効果が他の変数によって変わるということです。 具体例はこれです。 この「なんてね」という言葉の背後に隠された意味は、皆さんご存知の、「ただしイケメンに限る」というやつです。 好意を伝達されてうれしくなるという、好意の伝達がうれしさに及
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
