シンクタンクならニッセイ基礎研究所
■要旨 統計的分析方法の中で最も使われている一つが回帰分析である。回帰分析を簡単に言うと、ある変数の値で、他の変数の値を予測し、両者の関連性を確認する分析方法だと言える。 回帰分析が世の中に登場するまでには、ルジャンドル、ガウス、ゴルトン、ピアソンという4人の学者の貢献があった。 最近は、StataやSPSS、そしてRなどのような統計パッケージを使い、半自動的に（？）実証分析を行うケースが多いので、実証分析の初心者の中には回帰分析の詳細を理解せず、p値とt値、そして回帰係数という分析結果だけを確認・利用するケースも少なくないだろう。 パソコンの普及に伴って軽視されがちであった回帰分析に至るまでの過程を理解しようと努めることが分析結果をより明確に解釈できる近道であると信じている。 本文の内容がこれから回帰分析の過程を学人たちにとって、少しでも参考になることを願うところである。 ■目次 1――
統計分析を理解しよう-ロジスティック回帰分析の概要-
最近、回帰分析の中でよく使われているのがロジスティック回帰分析（Logistic Regression Analysis）（以下、ロジスティック分析）である1。被説明変数が量的データである一般的な回帰分析は、説明変数と被説明変数の間の線形関係を仮定しており、一般線形モデル（Ordinary Linear Model）と呼ばれている。しかしながら社会のすべての現象が線形的な関係ではないので、非線形的な関係に対する分析も必要である。また、現実的には被説明変数が量的（Quantitative）データではなく質的（Qualitative）データであるケースも多い。例えば、所得がいくらぐらいである時、家を所有するか、給料がどのぐらいある時、車を買うか、年収がどのぐらいである時、結婚するかなど説明変数は量的データあるものの、被説明変数は「家を所有している、家を所有していない」のような質的データになって
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
