回帰分析

回帰分析は以前某ビジネススクールで定量分析を学んだ時に一度習いましたが、衝撃的なインパクトがありました。

実際にぶどうを収穫した時点でその年のワインの美味しさを予測したり、どんな脚本が映画の興行収入をあげるかを予測したり・・・

こんなすごい事できるんやと。

しかし、定量分析習ってる時はモチベーション低い時期だったのでブログも更新してなく、内容まとめらてないんですよね。もったいない。関連する内容はこれくらい。

当時読んだ本もおもしろかったので、今読んだらもっと理解できるような気がするからもう一度読んでみたい。本の内容もまとめてないので思い出せないし・・・

■回帰分析

・説明変数（独立変数）が変化すると被説明変数（従属変数）どう変化するかを式で表す。従属変数が説明変数によってどれくらい説明できるのかを定量的に分析すること。
⇒2つの変数をとった時yをxの「関数」として説明できないかと見ること。

・説明変数が1個の場合は、x軸に説明変数、y軸に被説明変数をとった散布図に、それを代表する線を引くこと。その一次式。

・ビジネス的観点で言うと、定量化できるとxの値からyの値を予測する事が可能になり経営上きわめてパワフルな予測モデルとなる。

・重回帰は説明変数が2個以上
例）私鉄の営業損益と、旅客営業距離、車両走行距離、輸送人距離の関係

■言葉の意味：y=a+bx、y=bo＋b1x1+b2x2

・R2とP値だけみとけばよさそう。

・重相関R：相関係数
・重決定R2：説明係数xでyをどれくらい説明できるか。0.9なら9割説明できる
・補正R2：重回帰の時はこちらを見る
・t値：出てきた各係数がt検定でどれだけ離れているか（1.96以上ならいいんだろうが、別に見なくてもよさそう）
・P値：でてきたt値をとる確率。0.05なら両側合計で5%の優位水準で棄却されるという意味
⇒0.05とか0.1以上は使わない方が良いという事？