スライドコンテンツ

CB Predictor ではじめる回帰分析

※スライド右下のボタンを押すと拡大されます。

データ系列間の(大抵が線形な)関係性や影響力を調べるための分析方法です。

目的とする一つの変数Yを従属変数、Yに影響を与える他の変数Xを独立変数と呼びます。独立変数が一つなら単回帰分析、二つ以上なら重回帰分析と呼ばれます。

時系列データと回帰モデル(回帰分析によって作成された数理モデル)を利用して、将来予測を行うためには、独立変数の将来値が必要です。

独立変数の将来値として利用できるものには、たとえば天気予報や調査会社や公的機関が公表している市場予測などがあります。

CB Predictor による回帰予測では、独立変数の将来値を時系列分析によって予測した上で従属変数の将来予測を行います。

回帰統計量は、回帰分析を行った結果得られた回帰式が妥当かどうかを統計的に判断するための指標です。

回帰式の当てはまりの良さを表す指標として最もよく使われるものは、R2乗値、調整済R2乗値だと思われます。分析対象にもよりますが、調整済R2乗値が0.8以上あるとかなり当てはまりが良いと言えるでしょう。

他にも、作成された回帰式そのものが妥当かどうかを調べるための指標として、F統計量やt統計量、P値なども活用するとより説明力の高い回帰分析を実施できるでしょう。