- ベストアンサー
回帰分析の応用例を知りたい
今、回帰分析を使ってエネルギーコストの予測を始めましたが、 実務社会において、回帰分析（重回帰分析）の応用例には 他にどのようなものがあるのか、経験された方・勉強されている方に 教えていただきたい。 よろしくお願いします。
- denkiya3
- お礼率100% (7/7)
- その他（ビジネス・キャリア）
- 回答数4
- ありがとう数6
- みんなの回答 （4）
- 専門家の回答
質問者が選んだベストアンサー
Ｎｏ2です。 ＞絶縁物や電子部品の劣化は、一次関数で表現されていないものがほとんどで、 それに無理にもあてはめる事ができるのかどうか、 無理に当てはめてはいけません。 分布関数が一次関数で無くても問題ありません。電子部品は指数分布、ワイブル分布が適用されることが多いです。まずはデータがどの分布を適用できるかを調べます。 たとえば指数分布ならば線形変換すればよいです。 ＞他の事例も知り考えてみたいのです。 知りたいことを直接質問されたほうが適切な回答が得られると思います。 クレジットカードの例で年収の項目を挙げましたが、これも線形ではないですが変換すれば問題ありません。
その他の回答 (3)
＞相関分析も勉強してみます。 分散分析表の書き方がちょっと変わって誤差分析の方法がちょっとかわるだけで.主要な計算は同じです。 統計を専門としない人々向けの入門書(というか.該当分野の専門書)には.とんでもない内容が書かれていますので注意してください。 数値が回帰分析に適合するようにわざとずらした値を使っていたりしますから。
お礼
更なる回答ありがとうございます。 ご忠告いただいた内容は、知らない事でしたので 応用時には注意したいと思います。
- motden
- ベストアンサー率31% (5/16)
重回帰分析は沢山の分野で利用されています。 例をあげます。 生ビールの生産計画 従属変数 数ヶ月先の生ビール生産量 独立変数 各年の生産量 各月の生産量 長期天気予報（気温） 、、、 よく統計のテキストに出ています。 クレジットカード、ローンの評価 従属変数 信用評価 独立変数 勤務年数 年収 年齢 持ち家/借家 、、、 クレジットカード、ローンの評価などは毎回重回帰分析を適用すると言う事ではなく、一度分析した後スコアリングし誰にでも使えるようにしていると思います。 重回帰分析は応用範囲も広く役にたちますが、難しい部分もありますので慎重に分析されてください。
お礼
回答ありがとうございます。 職務での応用を考えているのは、 電気機器の故障データーからの寿命予測を、回帰分析を用いて出来ないかです。 絶縁物や電子部品の劣化は、一次関数で表現されていないものがほとんどで、 それに無理にもあてはめる事ができるのかどうか、 他の事例も知り考えてみたいのです。
実社会では.「水準を固定する」(水準を誤差0で求める)なんてことはできません。そこで.回帰分析は普通使いません。 各因子に誤差を含んでも良い相関分析を使います。 実験機をもっていて.名目上誤差０で設定できる値(設定値に誤差があっても.実質的に測定値の誤差として処理できる)があるときに限られます。 例.ボイラーの圧力を?にして.消費される燃料の領を繰り返し?回で測定した。 エネルギー関係ではぐらいですか。
お礼
回答ありがとうございます。 今、応用を考えているのは、予測でして、 実際との誤差が出来るだけ少なくなる変量の選択を考慮中です。 誤差が０のパーフエクトは考慮していません。 ご指摘の相関分析も勉強してみます。
関連するQ&A
- 相関分析と重回帰分析
大学3回生で、来年度の卒論のために先行研究を読んでいます。 私が書く卒論では統計分析が必要なのですが、 先行研究を読んでいて疑問に思ったことがあるので、質問させてください。 ある論文で、変数間の相関を分析した後、重回帰分析を行っていました。 ところが、相関分析において相関の出ていない変数に対しても重回帰分析を行っており、 その結果、 「相関分析では有意な相関が見られない」にも関わらず、「重回帰分析では有意な結果が見られる」 というような書き方がなされていました。 また、この論文における考察部では、相関分析と重回帰分析をまとめて考察しており、 ほとんど重回帰分析の結果についてしか触れられていませんでした。 相関分析と重回帰分析を両方行う場合、相関がない変数についても重回帰分析を行うべきなんでしょうか？ ゼミに教授に質問しにいっても、現4回生の卒論などで忙しいのか、 今度にしてくれ、と言われてしまいましたので、こちらで質問させていただきました。 不勉強で、重回帰分析の仕組みが良くわかっておらず、大変心苦しいのですが、 宜しければ回答していただけると、とても助かります。
- 締切済み
- 心理学・社会学
- 単回帰分析と重回帰分析の結果の違い
論文を読んでいて疑問に思うことがありました．よろしくお願いします． 私は，回帰分析とは変数Ｙを、ｐ個の変数Ｘ１，Ｘ２ ，… Ｘｐにより説明したり予測するための統計的手法であり，ｐ=1のときは単回帰分析，ｐ>1のときは重回帰分析と呼ぶ，と解釈しています． 今，ある施設のサービス改善についての調査論文を読んでおります．そこではアンケート調査でその施設のサービスの総合評価Yと，８個の各サービス毎の評価(x1～x８)を調べ，総合評価Yを従属変数， x1～x８を説明変数として重回帰分析にかけます．そして出た相関係数から施設の総合評価に対する各サービスの重要度を求め，改善につなげようとしています． 結果，重要度は ｘ１＞ｘ２＞ｘ６＞ｘ３＞ｘ７＞ｘ８＞ｘ４＞ｘ５ という結果になりました．ここまではわかるんです． ですが次に総合評価Yを従属変数，x１を説明変数として単回帰分析，また総合評価Yを従属変数，x２を説明変数として単回帰分析，また総合評価Yを従属変数，x３を説明変数として単回帰分析・・・というようにこの操作をｘ８まで続け，出た相関係数を比較しています．結果は ｘ１＞ｘ２＞ｘ４＞ｘ８＞ｘ３＞ｘ５＞ｘ７=ｘ６ となっており，重回帰分析の結果と照らしあわせると最初のｘ１とｘ２は合致しているものの，あとはバラバラです．ｘ６にいたっては最後にきています．なぜでしょうか．論文は「どのサービスも総合満足度に重要な影響を与えており，特にｘ１，ｘ２，ｘ３，ｘ４を改善するのがよい」 と締めくくっています． 質問は3点です． (1)なぜ重回帰分析の結果と単回帰分析の結果が異なるのか (2)どのサービスも総合満足度に重要な影響があるとして，それは重回帰分析の結果だけで言えるのではないか（重回帰でも相関係数は出ているし，単回帰分析をする意味はあるのか） 稚文ですみません． 当方あまりオツムがよろしくないのでできるだけわかりやすくよろしくお願いします．
- 締切済み
- その他（学問・教育）
- 重回帰式の応用
重回帰分析の結果と回帰式の使い方、応用の方法について質問です。相関係数0.85、決定係数0.72と出たのですが、全部で７つの説明変数のうち６つは有意ではありませんでした。多重共通性の問題に該当する説明変数を省き、再度分析したのですが結果として有意と判断されるのは１つの要因のみでした。そこで、その１つの要因に対して単純回帰分析を行うと相関係数0.72、決定係数0.51と重回帰分析よりも数値が低下してしまいました。この場合有意性の問題を無視し、はじめの重回帰式を用いて被説明変数を求めること（有意ではない説明変数を多く使うことで、被説明変数の誤差を少なくすること）に何かしらの問題はありますでしょうか？ 素人のため質問内容がわかりにくかったら申し訳ありません。よろしくお願いします。
- ベストアンサー
- 数学・算数
- 相関分析と重回帰分析について
研究の中である因子同士で相関分析を行いました。その結果有意な相関を得られた因子が複数見つかったため、それらの因子を用いて重回帰分析を行うことにしました。 この分析の流れを担当教員に伝えたところ、重回帰分析を行う際になぜ相関が得られなかった因子も含めなかったのかと問われ、上手く説明ができませんでした。というか先生の言ってることが理解できませんでした。なぜなら全く相関がないとわかっているものを重回帰分析の中に含めたところで結果は見えていると考えたためです。 まだ知識は浅いですが、先生の問いについて理解できる方がいれば教えていただきたいです。
- 締切済み
- 測定・分析
- 回帰分析におけるデータの正規化の意味
重回帰分析をプログラム作成することを考えています。 しかし、データの正規化について疑問が２つあります。 まず一つは、例えば、画像の解析をする場合にデータの正規化をすることは、 ノイズを除去したり、画像の向きを正しくすることを意味しますよね。 しかし、回帰分析においてデータの正規化をすることは何を意味しているのでしょうか？ 画像のように見てイメージがわけばよいのですが、数値データなのでどういう意図があるのかよく分かりません。 ２つ目の疑問です。 また、データを正規化して重回帰分析をしたとします。 ↓の重回帰分析を例に挙げます。 http://homepage2.nifty.com/crop_shimane-u/multipleregression_excel.htm この例では、入力として年平均気温、降水量、日照時間とし、出力を単収としています。 このときデータを正規化せずに解析し、次のような予測式を推定しています。 水稲単収＝713.932-17.336×年平均気温+0.010666×降水量+0.017851×日照時間 ・・・ ＠ この場合に、正規化していないので新しいデータとして、例えば、 年平均気温＝14.8、降水量＝2431、日照時間＝1721 ・・・ （＊） から単収を推定したいとき、上記＠の回帰式に代入することで単収を計算して推定できます。（１） しかし、データを正規化（平均が0、分散が1になるように）した場合、入力と出力のデータが0以上1以下の値しかとらなくなるので、 重回帰によって上記＠のように予測式が得られてもその予測式の出力は0以上1以下の値しかとらないことになり、 新しいデータ（＊）をそのまま予測式に代入しても正しい単収を推定できないのではないかと考えています。 この場合のように、データを正規化して得られた予測式で（１）のように正しく単収を推定するにはどうしたらよいのでしょうか？ 長くなりましたが、回答よろしくお願いします。
- ベストアンサー
- 数学・算数
- 重回帰分析で得られた予測式の妥当性について
ある集団のデータから重回帰分析である値の予測式を作成しました。 その予測式を他の集団に当てはめてみましたが、その予測式が妥当か否かはどう判断したらよろしいのでしょうか？ 予測値と実測値で有意差がなく、有意な相関があればいいのでしょうか？
- 締切済み
- 数学・算数
- 重回帰分析のモデル式の解釈についてご教授ください。
社会学関係の論文をいくつか読んでいると、重回帰分析の結果として、 ・調整済R^2が5％～10％ ・モデル式に関してのF検定は0.01％～0.1％で有意 ・いくつかの説明変数に関してのｔ検定は0.01％～0.1％で有意 というような重回帰モデルをいくつも見かけます。 私自身、統計学を勉強中で解釈に困っているのですが、 この重回帰のモデルの解釈としては、 「(1)予測においては、目的変数の変動はほとんど説明できておらず、このモデルを使って予測してもほとんど当たらんが、目的変数に影響を与えているいくつかの説明変数の効果がゼロではない。また、目的変数と説明変数との間の影響関係を見ることにおいて、その目的変数に影響を与えるだろう説明変数を明らかにできた」というようなところでしょうか。 よろしくお願いします。
- ベストアンサー
- 数学・算数
- 微分方程式と回帰分析の予測方法の違い
こんにちは。数学苦手なのでマンガでわかるシリーズで勉強してます。 いま、微分方程式のを読んでいます。読んでいると、 微分方程式は「現実の現象（たとえば、飛行機の運動など）をモデル化して、微分方程式を解いて、解（関数）を出して、その関数を使って現実の現象を予測する」らしいことがわかりました。 ところで、私は統計のほうで回帰分析などを使うことがあるのですが、回帰分析も現実の現象（たとえば、身長と体重）を数式にして、たとえば、身長から体重を予測したりします。 この二つを比べると現象の予測という同じようなことをしてる気がしてなりません。 では、微分方程式と回帰分析は何が違うのでしょうか。同じものなのでしょうか・・・。 数学のカテゴリーだと回帰分析が統計だからちょっと違う気もするのですが、回帰分析も数式を使うから数学だからと思ってここで質問しました。 ご存じの方いらっしゃいますか。
- ベストアンサー
- 数学・算数
お礼
更なる回答ありがとうございます。 今、参考書を読みながら応用を考えています、 そのため、知りたい事の本質を理解していないものですから、 参考事例を元にして、勉強するポイントを絞ろうと考えています。