重回帰分析でハイパフォーマ判定式を出す

質問

社員に対する能力評価項目（10段階）A～Jの評価スコアと、ハイパフォーマーかそうでないかという1or0のダミー変数が入ったデータがあります。

ここから、ハイパフォーマである度合いを測定するための方程式を出したいと思っており、次のような手順で実現できないかと考えました。

（1）ハイパフォーマであるかどうかを目的変数にして、重回帰分析
（2）説明変数のうち、数値的にそぐわないものを精査する
（3）残った説明変数だけで再度重回帰分析を行い、連立方程式を出す

ハイパフォーマ度＝A×0．03＋B×1．23・・・
といった表現をしたいのです。

（1）で質的数値を目的変数にして良いのか？（1，0で能力が高い方が1だから結果的に同じか？）
そして、そもそもこの考え方について正しいか？
といった点についてアドバイスいただけると幸いです。

どうぞよろしくおねがいします。

回答No.3

backs · ベストアンサー

>　判別分析とはまさに2つのグループを分けるための式を出すことが出来るようです。

その通りですが、3群以上の判別もできます。

>　まず重回帰、その後に判別分析という流れなのかなーと思うのですがいかがでしょう？

[判別分析　変数選択]というキーワードでgoogleすれば色々と情報が得られるでしょう。結論だけをいうと、重回帰分析と同じように判別分析においても変数選択の方法というものがあります。

お礼

いろいろとありがとうございました！
調べてみます！

回答No.2

backs

>　切片の違いだけということであれば、どうして重回帰分析ではダメなのでしょうか？

ダメではないですよ。判別分析といっても色々な判別方法があるわけで、その中でも線形判別関数による判別は重回帰分析と関連があるというだけの話です。

ただ実務的な問題として、重回帰分析を行うプログラムで判別分析をしようとしたら、分析のたびに切片を調節するという手計算の手間はまるっきり無駄骨でしょう。

また、これは直線を当てはめて判別を行う場合に限っていえることで、曲線で判別する場合は全く別問題なので両者の方法を比較することさえ意味がありません。

要するに最終的に何を明らかにしたいのか（説明したいのか）ということによって、扱う方法も変わってくるわけです。重回帰の扱う問題は「応答変数を説明する重要な変数は何か」ということで、判別分析は「判別のために重要な変数は何か」ということです。

お礼

お返事ありがとうございます。
少し理解が足りないようで、いただいた内容を咀嚼出来ずにおります。
もう少し勉強した方が良いなと感じました。

手元の本を見たところ、判別分析とはまさに2つのグループを
分けるための式を出すことが出来るようです。
この式で判別得点を出せばいいのですね。

＞重回帰の扱う問題は「応答変数を説明する重要な変数は何か」という＞ことで、判別分析は「判別のために重要な変数は何か」

ただ、例えばA～Eまで変数があり、必ずしも全てが判別式に含まれる必要がないかと思っており、それを選別するためにはまず重回帰、その後に判別分析という流れなのかなーと思うのですがいかがでしょう？

何度もすみません。どうぞよろしくお願いします。

回答No.1

backs

>　ハイパフォーマであるかどうかを目的変数にして、重回帰分析

これは判別分析、あるいは多重ロジスティック回帰分析を適用すべきでしょう（もっとも、2値データを応答変数として重回帰分析することと、線形判別分析をすることとは切片の調節をしているかどうかだけで、同じことなのですけど）。

参考URL：

http://homepage2.nifty.com/nandemoarchive/GLM/tahenryou_03_discrim.htm

お礼

ありがとうございます。まだ無知なものなので分からずすみません。

切片の違いだけということであれば、どうして重回帰分析ではダメなのでしょうか？

選ぶべき分析手法についての考え方を詳しく教えていただけると幸いです。

どうぞよろしくおねがいします。