回帰分析の結果を書く方法とは?

このQ&Aのポイント
  • 回帰分析の結果を日本語の論文で表現する方法について知りたいです。
  • 回帰分析の結果の翻訳方法について教えてください。
  • 英文の回帰分析結果を正しく日本語に訳す方法を教えてください。
回答を見る
  • ベストアンサー

回帰分析の結果はどう表現するの?

明日提出の英語論文和訳をしているのですが、回帰分析の訳し方が分からず困っています。 日本語の論文では回帰分析の結果をどのように書くのか教えていただけませんか? 英文は次の通りです。 A regression analysis showed that mothers' use of appropriate mental state comments independently predicted overall ToM performance,accounting for 11% of the variance.Children's verbal ability was the only other independent predictor of ToM performance,accounting for 16% of the variance. 普通に訳すと、 「回帰分析の結果、母親による適切な心理状態のコメントは、全体的にToM(心の理論)の成績を『独立して予言していた―11%の分散で・・・???』。その他には、子どもの言語能力だけが、ToMの成績の『独立した予言者になっていた―16%の・・・???』」 ・・・という感じになりますが、上記の『』内の訳が分かりません。 特に「accounting for 11% of the variance」の部分がちんぷんかんぷんです。 どうぞよろしくお願いします。

質問者が選んだベストアンサー

  • ベストアンサー
  • Diogenesis
  • ベストアンサー率49% (859/1722)
回答No.2

#1です。 補足・訂正をさせてください。 まず基礎知識。 y=ax+b という単回帰式を例に取ると, x:独立変数(説明変数) y:従属変数(目的変数)です。 x1,x2,x3・・・ と複数の独立変数があって, y=ax1+bx2+cx3+・・・ のように yがそれらの1次式で表わされるのが重回帰式です。 さて“predictor”を予測変数と訳すのは間違いではありませんが, 予測変数という用語の使われ方には混乱があって, 独立変数と従属変数の両方の意味で使われることがあるようです。 ですので,ここはあえて独立変数ないし説明変数と訳すほうが無難でしょう。 http://aoki2.si.gunma-u.ac.jp/lecture/mb-arc/arc020/199.html また“accounting for 11% of the variance”については 「分散の11%を説明する(独立変数)」という具合に 形容詞的に訳してもいいかもしれません。

hagiyyy
質問者

お礼

ありがとうございます!! もうレポートは出しちゃったんですけど、確認できてよかったです! 回帰分析って、その独立変数で、ある事柄(従属変数)がどのくらい説明できるか・・・というかんじの分析ですよね。 "independently predicted"を「独立変数」と訳してみました。 “accounting for 11% of the variance”のところは、統計の教科書で似たような単語を見つけましたので、「分散説明率11%」って訳しておきました。意味はよく分かっていないのですが・・・(--;) で、合わせて、「母親による適切なコメントの使用は、ToMの成績を予測する独立変数となっていた(分散説明率11%)」と、少々ごまかして書いてみました。 統計はかじる程度にしか勉強してないのですが、こういうことがあると力の無さが浮き彫りになりますね(^^;)ゞ反省デス。

その他の回答 (1)

  • Diogenesis
  • ベストアンサー率49% (859/1722)
回答No.1

回帰分析がどういうものかは御存知ですか? 回帰分析についての理解が進めば,ある程度見当がつくと思います。 というわけで,ここではヒントだけ。 (independent) predictor → 予測変数。説明変数,独立変数とも。 accounting for 11% of the variance → 「分散の11%を説明している」とあとから付け加えるように訳せば良いのでは。

関連するQ&A

  • 因子分析の回帰係数とは何を指すのでしょうか?

    因子分析の係数って何を指すのでしょうか? 論文を書くにあたって、先行研究を読んでいたところ、 企業の成長率を雇用・賃金・付加価値・売上の成長などをもとに、因子分析、バリマックス法を行っているようなのです。 この際、 These four indicators were specified as the rate of growth (regression coefficient) divided by the mean value of the dependent variable over a 10-year period, 1986–1995. とあります。 成長率を表す指標として、 the rate of growth (regression coefficient) があげられています。 regression coefficientは、回帰係数と 訳すようですが、 因子分析における回帰係数に該当するものとは何なのでしょうか? ご教授いただきたくよろしくお願いいたします。

  • ロジスティック回帰分析のcrudeと調整済み

    論文で多重ロジスティック回帰分析を使用した際のcrude modelとadjusted modelについて教えて下さい。 crudeモデルは調整していない状態というのは分かるのですが、これは単ロジスティック回帰分析を独立変数ごとにかけたものと同じでしょうか?それとも性別や年齢などの背景因子を入れない状態での多重ロジスティック回帰分析でしょうか? またよく調整済みモデルでは性別や年齢などの背景因子で調整したと書いてありますが、これはこれらを複数の独立因子にさらに加えて多重ロジスティック回帰分析をかけたという意味でしょうか? よろしくお願いします。

  • 重回帰分析の変数についての疑問

    重回帰分析を行いたいのですが、説明変数(独立変数)に性別などの2択の変数があります。 目的変数(従属変数)は、完全な数量データなのですが、、、、 説明変数も数量データでなければならないのですよね??? しかし、過去の論文などを参考に見ていたら独立変数に性別があり、男=1、女=0とか書いてあるのです。。。 それでいいの? 多変量解析の初心者なので、変な質問かもしれません。 目的変数=(標準偏回帰係数)*説明変数1+(標準偏回帰係数)*説明変数2+・・・+定数 の回帰方程式ですよね。 あと、それぞれの標準偏回帰係数の横にt値や有意確率が算出されますが、これは何? あと、論文の表記のやり方として何をどう記せばいいのですか? 独立変数 標準偏回帰係数をそれぞれ縦に記して、RやR^2を最後の行に記せばいいの? tや有意確率も記すの?というか、これは何? 色々とわからないのですが、どれか一つでも答えをお願いします。 教えてください。

  • 重回帰分析で、独立変数を分けて投入したら…

    重回帰分析で、独立変数を分けて投入したら、結果を表にする時、R2乗値をどのように記載すればよいのかがわかりません。 独立変数が多く、分けて分析をしたら、その投入した変数によってR2乗値が変わります。しかし、先行研究を見ていると、どの論文でも、結果として載せている表のR2乗値は一つだけです。 私のように、独立変数を分けた場合、どのR2乗値を採用して表に載せればよいのでしょうか? 統計初心者で、的外れな質問かもしれませんが、どうかよろしくお願いいたします。

  • 重回帰分析の結果の解釈について

    修士論文執筆(看護系大学院)のためSPSSで重回帰分析を行いましたが、結果の解釈につまずいています。 標準偏回帰係数にマイナスがついた場合、「負の影響」と解釈すると思うのですが、ダミー変数を用いた場合にはどにように解釈すればよいのでしょうか。 ちなみに、従属変数は対処行動尺度の5つある下位項目の中の一つ「私的支援追求」で、独立変数は続柄(1=親、0=配偶者)です。独立変数は続柄を含め7つあります。対象数は約100です。 標準偏回帰係数は-.256で、その他に有意だったのは家族機能の.449でした。 Rは.551、R2乗は.304、VIFは全て2以下で多重共線性はないと判断しましたが、t検定では尺度全体、下位項目とも親の方が対処行動は全て高くでていました。 この結果を私は配偶者である方が私的支援追求の得点が高い(できている)というように解釈しました。しかし、t検定の結果とは符号が異なります。 私の解釈が違うのか、解釈があっているとしたらt検定の結果と逆になっていることをどのように説明するのかここまでの情報でなにかご指摘いただけましたらお願いいたします。

  • 統計 ロジスティック回帰の従属変数

    従属変数についての質問。 多変量解析を行う場合従属変数を決めます。で、例えば従属変数が「疾患がある」と「疾患がない」という2値になるものにしようと設定したとします。その場合、変数としては「ない=0」「ある=1」としなければいけないのでしょうか? 自分の考えとしては、たぶんこれはダミー変数だと思いますが、2値だからロジスティック回帰で分析する場合、疾患のある・なしを確率でとらえるなら、確率は0~1までなので「ない=0」「ある=1」としておかなければダメなのでしょうか? 例えば「ない=1」「ある=2」としてはダメなのですか? あと、ロジスティック回帰の結果、従属変数に対する独立変数のそれぞれが調整オッズ比とその95%CIという形でよく論文に表が載せてあるのですが、・・・その解釈の仕方として、独立変数が「男」「女」の場合のような2値なら男より女は相対危険(オッズ比)が「いくらです」。という解釈ですよね。しかし、独立変数が「年齢」や「身長」など連続的な数量データなら、オッズ比に関してどう解釈すればよいのでしょうか? また、「年齢」が例えば4層くらいのわけてあったりもしますが、結局、オッズ比の解釈がわかりません。 結構権威ある先生の論文に年齢のところは「1歳の増加」とか書いてあって、そのオッズ比と95%CIが書いてありますが・・・ 「1歳の増加」? 意味がよくわかりません。連続データの独立変数の場合、「1の増加」に対するオッズ比と解釈しなければいけないのでしょうか?

  • 統計学の直線回帰について質問です(英文)。

    英文で記された以下の統計学的処理についての質問です。 The following groups were tested in linear regression for Y to X: all animals, all males, all females, all typeA, all typeB, and typeC. The slopes for type and gender groups were compared by generalized linear regression. The assumptions were checked and the following model was fit: Y~X + gender + type + (gender*X) + (type*X) + (gender*type*X) The hypothesis of no gender difference in slopes was tested by the significance of the term “gender*X”, and the hypothesis of notype difference in slopes was tested by the significance of “type*X.” これはタイプA,B,Cのとある動物のオスとメスに関するデータの統計処理の話なのですが、 (イメージとしては白人、黒人、黄色人の男性と女性に関するデータ) とあるデータYのXに対する相関を、すべての個体群、オスの個体群、メスの個体群、タイプAの個体群、タイプBの個体群、タイプCの個体群内において、 直線回帰(linear regression)で調べた、というのは理解できるのですが、次の一文で、 The slopes for type and gender groups were compared by generalized linear regression. 各タイプ群、各性別群における傾き(回帰直線の傾き!?)は一般線形モデルでテストされた。 とあり、以下、仮説(assumptions)が何やら複雑な線形モデルでチェックされたとありますが、 当方統計学にはあまり詳しくなく、この操作が何を行っているのかわからず、 また、どのような資料を参照すればよいのかもわかりません。 なお、式中の*は、実際には上付き書式になっていました。 さらに、assumptionとhypothesisはどちらも仮設という意味ですが、単なる言い回しでしょうか? それとも統計学では厳密に区別して使われている言葉なのでしょうか? 以上長文で申し訳ございません、拙い文章と情報量で、解答しにくいかもしれませんが、 分かる範囲で結構ですので、ヒント、アドバイス等よろしくお願い申し上げます。

  • 【至急お願いします】心理統計/階層的重回帰分析について教えてください。

    【至急お願いします】心理統計/階層的重回帰分析について教えてください!! 長文ですが、お願いいたします。 (パソコンから見ていただけるとありがたいです) 今、発達心理学研究 2008, 19 (2), 87-97の『育児への負担感・不安感・肯定感とその関連要因の違い;未就学児を持つ母親を対象に』(荒牧、無藤)という論文を読んでいます。 研究後半で、 独立変数…子どもに関する変数(末子年齢、兄弟の有無、子どもの性別)・ 母親に関する変数(母親の就労形態について保育所×パートタイマー、幼稚園×専業主婦などと分類)・ ソーシャルサポート変数(夫サポート、親族サポート、情報サポートなど) 従属変数…「負担感」「育て方の不安感」「育ちへの不安感」「肯定感」 として、階層的重回帰分析を行っています。 どの変数との関連が大きいかを検証するために行われているのだと思うのですが… ここで、『レファレンスグループ』という単語と『ダミー』という単語が出てきて、その意味が分からず理解に苦しんでいます。 引用すると、 モデルIでは、子どもに関する変数の関連を検討した。子どもの性別は、男児のみ群をレファレンスグループとし、女児のみダミーと両性ダミーを作成した。 という具合です。 統計のサイトや知恵袋等でも検索してみたのですが、例えが難しく、この論文内の言葉を使ってご教授いただければと思い、質問させていただきました。 もうひとつ、モデルIと同じ要領でモデルIIの検討もおこなわれているのですが、各従属変数との関連要因について、「モデルIIでは、モデルIと比較した決定係数の上昇が有意となり(ΔR2乗=.03, p<.01)、~」という記述があります。 決定係数の上昇が有意、とはどういう意味ですか? この点についてもお願いします。 以上、 (1)レファレンスグループ、ダミーの両単語についての意味と、ダミーを作成する理由を教えてください。 (2)決定係数の上昇が有意、という記述の意味を教えてください。 分かりづらい文章の上、長文で申し訳ございません。 きちんと論文を理解したいです。 よろしくお願いします!!

  • 確認的因子分析のpenaltyって?

    読んでいる英語論文に確認的因子分析のことが書かれています。 基本はわかっているのですが、下記の「penalty」「parsimony」などが調べたのですがわかりません。 ご存知の方、教えていただけますでしょうか? The CFI contains no penalty for a lack of parsimony so that improved fit due to the introduction of additional parameters may reflect capitalization on chance, whereas the NNFI and RMSEA contain penalties for a lack of parsimony.

  • 統計学 線形重回帰分析についての問題

    問題 高校生22名の物理の学力yと、物理の興味x_1、数学の学力x_2、知能偏差値x_3との関係を調べたデータ(100点満点で点数化)(22record.xls)に関して、yのx_1,x_2,x_3に対する線形重回帰分析を行え。 以下は、この問題について、R上で実行した結果と、※は自分が補足した部分です。これについて、間違ったことを言っていないか見てほしいです。 よろしくお願いします。 > record<- read.table("clipboard",header=TRUE) ※Excel上で範囲指定したデータを読み込む > record y x_1 x_2 x_3 1 43 35 50 55 2 62 44 50 70 3 15 20 10 32 4 23 32 15 45 5 84 70 88 80 6 90 76 90 92 7 67 58 82 54 8 45 37 52 45 9 75 85 92 60 10 13 10 15 25 11 56 52 58 73 12 86 62 83 89 13 24 30 24 60 14 18 22 20 32 15 52 60 46 42 16 80 50 72 86 17 70 92 63 76 18 32 38 25 17 19 37 45 30 25 20 50 46 55 73 21 60 63 59 73 22 72 43 70 72 > lm1<- lm(y~.,data=record)  ※yを目的関数、他のすべての変数を説明変数として線形重回帰分析を実行 > summary(lm1) ※実行結果の要約 Call: lm(formula = y ~ ., data = record) Residuals: ※残差の5数要約 Min 1Q Median 3Q Max -8.871 -4.041 -0.737 5.087 8.921 Coefficients: ※係数の最小二乗推定値と対応t値など Estimate Std. Error t value Pr(>|t|)   (Intercept) -1.95005 3.95936 -0.493 0.6283  ※β_0 x_1 0.17629 0.10686 1.650 0.1163  ※β_1 x_2 0.61691 0.10483 5.885 1.43e-05 *** ※β_2 x_3 0.23466 0.09315 2.519 0.0214 *  ※β_3 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 5.976 on 18 degrees of freedom Multiple R-squared: 0.9485, Adjusted R-squared: 0.94 ※寄与率、自由度調整済み寄与率 F-statistic: 110.6 on 3 and 18 DF, p-value: 8.711e-12 ※回帰式に関する分散分析 > slm<- step(lm1) ※変数選択実行 Start: AIC=82.25 ※AIC(Akaike's Information Criterion);赤池情報量規準 y ~ x_1 + x_2 + x_3 Df Sum of Sq RSS AIC <none> 642.83 82.25 - x_1 1 97.21 740.04 83.34 ※AIC最小 - x_3 1 226.66 869.49 86.89 - x_2 1 1236.70 1879.53 103.85 上記では、AIC法による変数選択を行っている。この方法では、AICの値が小さいほど良いモデルとされる。 独立正規誤差を仮定する場合: AIC=2p+n/2+n/2log(2πσ^2) (p:説明変数の数、n:標本数、σ:誤差分散の不偏推定量) ・・回答よろしくお願いします。