重回帰分析！

こんにちは！ マーケティング部受託プロダクトチームのインターン生、村高歩夢です！

なんか画像で個性出せないかなと思い、自分の画像をおしゃれに作ってみたわけですが

ちょっとナルシズムが過ぎたので急遽よく分からない反転とグラサンを着けてみた。

前回に引き続き データ分析の手法の一つについて書いてく!part２！

ということで、本日は重回帰分析について書いていきます。

まず前回の復習ですが、

単回帰分析とは目的となる変数について、一つの説明変数を用いて予測する手法 でした。

ここで目的変数は知りたいこと、説明変数は既知のデータです

一次関数のy=Ax+Bで表すと、

yが説明変数、xが目的変数でした。

いいですか？

単回帰分析に重回帰分析。単が一つの目的変数なら単回帰分析。てことは重は説明変数がいっぱいってことです！

重回帰分析はこの説明変数が2つ以上の時に目的変数を予測する手法です！

例えば、レストランがのディナーの値段を目的変数とすると

説明変数は

・駅からの距離

・シェフの経験年数

・素材の値段

・食器や設備などの費用

などがあるかと思います。まぁ、つまり説明変数とはその費用となる要因ですね。

これら説明変数を数値化してどの各説明変数がどれくらい効くのかを求めます。

その方法の一つをステップワイズ法があります。

ステップワイズ法は駅からの距離、 シェフの経験年数 、素材の値段 といった説明変数の各組み合わせが

どれくらい目的変数に影響するのかを調べることができます。

今回はディナーの値段を例えにしましたが、他には家賃や顧客の満足度などを重回帰分析で予測することができます。

重回帰分析こんな感じですかね。 単回帰分析をやってたおかげで結構軽くなったのかな

と言いつつ妥協したところもあり

分かりやすいかどうかも微妙ですが...

■ガーディアン主力ソリューション→OWLet

■新サービスリリースのお知らせ WEB業界を変える！

育てて成果を上げるサブスク型HPサービス →SCSC (スクスク)

ガーディアンのインターン制度→こちら

村高歩夢の紹介ページ→こちら