• ベストアンサー

重回帰分析をして仮説検定を行いたいのですが

自分が感心のある現象を被説明変数(Y)とし、それに影響を与えるいくつかの説明変数(X)を考えて時系列データを集め、重回帰分析を使って仮説検定を行う という課題なのですが どのような時系列データを用いて、何をYとしXとして分析すればよいのでしょうか。 また、時系列データを探っても企業の財務データでは過去10年ほどのものしかでてきません。 何についてのデータでもいいので過去20年ほどのデータで分析しなければならないのですが・・・。 どなたかご教授ください。おねがいします

質問者が選んだベストアンサー

  • ベストアンサー
  • kgu-2
  • ベストアンサー率49% (787/1592)
回答No.3

 需要量は、予測ですから、外れます。この夏、電力不足、といいながら、東電は、西に電気を売ってもいい、なんぞ、とんでもないことを言いだす始末。  需要量が、どれだけだったか、過去は分かります。過去の需要量≒消費量。ですから、消費量の方がアヤフヤさが減ります。消費量ならは、毎年のものが統計年鑑などにあるのでは。ただ、消費量の説明変数の大部分は、購買力、すなわち収入(一つの変数)で決まると推定されるので、単回帰分析で十分。メロンやリンゴなども、同様に購買力で決まるなら、重回帰分析が必要かどうか。説明変数を2つ以上選択する工夫をする必要があります。  消費量は、まず、購買力で決まります。金がないと買えません。私が小さい時は、メロンは死ぬときに「欲しい」と言ったら、食べられるかもしれない代物でした。今では、買えます。もうひとつの要因は、・・・、課題なら、これ以上教えるのは、マナー違反なので、ご自身で。 >仮説検定を行う  回帰分析は、予測ですから、「当たるも八卦、当たらぬも八卦」で、根拠が不要。当然、仮説の検定は不要、と考えています。相関分析は、因果関係が必要なので、その一つの要因として、仮説検定が必要でしょう。  これが課題なら、出した方は回帰分析と相関分析の区別ができていない、というのは、私の独り言。

その他の回答 (2)

  • kgu-2
  • ベストアンサー率49% (787/1592)
回答No.2

 電車は運転したことがありません。重回帰分析と車体に書いた電車があり、動かせと言われました。幸い(?)、行き先の指定はありません。 仮説を教えろというのは、このような状況で行き先を教えろ、というのと似ています。信号も踏切も有ります。信号は、5灯式なんぞもあります。途中に、速度制限など、いろいろな遵守すべき標識も多いです。単線だと向かいから列車がきます。  事故は必然です。私は、乗りません。    免許の無い人が、「今すぐF1カーに乗りたい」という方が分かりやすいかも。

gonfinity
質問者

お礼

ありがとうございます。普段から何か考えていないとなかなかでてきませんよね。りんごやメロンなど食料の需要関数について仮説検定をしてみることにしました。

gonfinity
質問者

補足

仮説は食料の需要関数を調べてみることにしました。 ですが、それにあたって「需要量」のデータが集まらなくて困っております。 食料だとなんでもいいのですが、そのようなデータが載っているサイトはご存じではございませんか? 農林水産省や統計局のHPをいくら見ても「需要量」のデータだけが載っていなくてこまっております・・・。

  • kgu-2
  • ベストアンサー率49% (787/1592)
回答No.1

 「何についてのデータでもいい」なんぞでは、検定はできません。まあ、課題を出す方も出す方、出される方も・・・です。  重回帰分析で、どのような仮説をお考えなのでしょうか。仮説に合わせて、データを収集します。仮説がないのに、データをあつめても役に立たないと想います。それに、回帰分析の場合は、仮説は重要ではなく、必要だとは思えません。  数字だけなら、図書館に例えば日本統計年鑑があります。山ほど数字がありますので、データに出来るかどうかは、質問者次第。数字とデータの違いは、お分かりですよね。  

gonfinity
質問者

補足

ありがとうございます。申し訳ないのですが、その仮説というのが例えばどんなものがあるのかが見当がつかずに困っており、その仮説の事例というのを教えていただきたいです。

関連するQ&A

  • 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.

  • 回帰分析における回帰係数(α)の意味

    回帰分析における回帰係数(α)の意味 線形回帰式Y=α+βXにおける 定数項αの意味について、2点質問いたします。 (1)定数項αが0以外の数値をとるということは、 被説明変数Yの数値に対して、αは何か影響を 与えていることを表すものでしょうか? (2)αについて仮説検定を行うために、帰無仮説・ 対立仮説をそれぞれ立てたとき、各仮説の意味は 以下の通りになるでしょうか? ・帰無仮説(α=0)→Yの数値に対して影響を与えている変数が他に存在する ・対立仮説(α>0)→Yの数値に対して影響を与えている変数が他に存在しない 当方、数学及び統計学については初学者です。 分かりやすくご教示いただける方からのご回答を お待ちしております。 以上、よろしくお願い申し上げます。

  • 重回帰分析のF検定を教えてください!

    重回帰分析で回帰式に適切な変数を入れるためにF検定をすると聞いたのですが、F検定がよく分かりません。 変数を入れるか入れないかに何故F検定を使うのでしょうか? また、検定である以上 間違っている変数を回帰式に入れてしまう確率α、 合っている変数を回帰式から外してしまう確率βが出てくると思いますが、それらの値をどうやって出せばいいのか分かりません。 回答お願いします。

  • 2つの重回帰分析結果の標準偏回帰係数の有意差

    2つのデータ集合(目的変数Y、説明変数X1,X2)について重回帰分析をそれぞれ行い、2つの回帰式を得ます。その結果求められたX1の標準偏回帰係数が、2つの回帰式間で変化したこと調べるには、検定が必要でしょうか?また、必要な場合、どのような検定を行えばよいでしょうか? 色々調べてみたのですが、わからず困っています。教えていただけると本当に助かります。どうぞよろしくお願い申し上げます。

  • 重回帰分析のやり方について教えて下さい。ど素人的な質問で恐縮なのですが

    重回帰分析のやり方について教えて下さい。ど素人的な質問で恐縮なのですが、重回帰分析は、目的変数(Y)を、説明変数 X1, X2, X3, X4.....X20などに影響されるか否かを検討しますよね。ここで、私がしようとしている統計学的処理と類似した研究の論文などを読んだりとかしていると、YとX1, YとX2, YとX3, YとX4.....YとX20の単回帰分析を各々行い、ここで有意な相関があったものを取り上げて(例えば、X1, X4, X7, X12, X18, X20の6個など)、この6個について、重回帰分析を施行して、ここで、X4, X18は有意でないといった結果が出たなら、Y=aX1+bX7+cX12+dX20という重回帰式を作成し、標準偏回帰係数を算出し、どの説明係数が最も目的変数に影響を与えているのか解析しているのですが、これが正しい方法(進め方)なのでしょうか? いきなり、YとX1~X20を重回帰分析したのは、どうでしょうか?これはダメなのでしょうか?単回帰分析では相関が有意にでない(他の説明変数の影響のために)けれども、重回帰分析では有意な結果となるような説明変数が無視されるような結果になるように思うのですが、どうでしょうか? 非常に低レベルな話しで申し訳ないのですが、お教え下さい。

  • 重回帰分析について

    重回帰分析についての質問です *学生本人、その父親・母親の身長および性別 身長  性別(X) 父の身長(X2) 母の身長(X3) 176 1     174      166 173 1     169      160  ・  ・      ・        ・  ・  ・      ・        ・  ・  ・      ・        ・ というデータがあるとします。説明関数xが性別のダミー変数で男なら1女なら0の値をとる。変回帰分析係数β^1の値からどの様なことが読み取れますか?

  • 回帰係数が1かどうかの検定

    変数xが1増えると変数yも1増える、という仮説を検定した研究で、1に近い回帰係数が得られてt値も低い(例えば1未満)という結果から、この仮説は支持できるというのがありました。これって統計的に正しい推論なのでしょうか。通常だと、例えば係数が正という仮説を検定するために、係数ゼロという帰無仮説を立ててt値が2未満であれば帰無仮説を受容(対立仮説は棄却)し、そして結論を保留する、ということになりますね。ですから先の場合も現状ではなにも言えないということになると思うのですが、それでは係数が1という仮説はどのようにして検定すれば良いのでしょうか。あるいは帰無仮説はどのように立てるのが良いのでしょうか(一般的なのでしょうか)。

  • 統計学 重回帰分析についての問題

    問題 目的関数をy、説明変数を他の二つとして重回帰分析を行え。 この問題をRで実行し、※は自分がつけた補足です。 以下は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。 > condo<- read.table("clipboard",header=TRUE) ※Excel上で範囲指定したデータを読み込む > condo x1 x2 y 1 12 4 22 2 12 3 24 3 11 3 21 4 7 1 19 5 8 3 19 6 9 2 22 7 14 5 24 8 11 4 23 > attach(condo) > lm1<- lm(y~.,data =condo)  ※yを目的変数、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 = condo) Residuals: ※残差の8数要約 1 2 3 4 5 6 7 8 -0.7477 0.6682 -1.3259 -0.4708 -0.3084 1.1016 -0.1752 1.2582 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) 13.0140 2.1917 5.938 0.00193 ** ※β_0 x1 1.0058 0.3465 2.903 0.03369 * ※β_1 x2 -0.5841 0.6478 -0.902 0.40854 ※β_2 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 1.087 on 5 degrees of freedom Multiple R-squared: 0.7852, Adjusted R-squared: 0.6992 ※寄与率、自由度調整済み寄与率 F-statistic: 9.137 on 2 and 5 DF, p-value: 0.02139 最後の行は、母集団において、得られた回帰式 y= β_0+ β_1 x_1+ β_2 x_2+ ε_i が全くあてにならないという仮説(H0: β_1= β_2= 0 )を分散分析で検証している。検定統計量 F=S_R・(n-p-1)/ S_e・p ( n:標本数、p:説明変数の数、S_R:回帰による平方和、S_e:残差平方和 ) が自由度(p,n-p-1)のF分布に従うことを用いている。上記では、p値が0.02139と極めて小さいので、有意水準0.05で仮説H0は棄却され、母集団においてもこの式はあてになるという結論に至る。 ・・回答よろしくお願いします。

  • おしえて!重回帰分析の独立変数(説明変数)

    重回帰分析の目的変数が、(A+B+C+D)というものとします。 A~Dは、数量データです。 説明変数にAやBなどが入っていたら、それはダメですか? 説明変数X(Aとか)が目的変数Y(A+B+C+D)の一部の構成要素だったら、Xを使って重回帰分析はやったらダメなのですか?

  • 計量経済学・仮説検定の帰無仮説と対立仮説について、困っています。

    計量経済学の仮説検定についての質問です。 自分で集めたデータを使い、回帰分析を行うのですが、「ある食品の価格(X)が上がると、カロリー(Y)も上がる」を仮説としました。 回帰式は Yi=β0+β1Xi+Ui, i=1,2,...,n (ワイアイ=ベータゼロ+ベータイチ×エックスアイ+ユーアイ) です。 推定値、標準誤差、t値などはなんとか求めたのですが、 帰無仮説と対立仮説をどのように考えればいいのかがわかりません。 根っからの文系人間なので…_(._.)_ 「β1=0」「β1=1」「β1<0」「β1≠0」など、どのときにどう考えれば良いのか…。 すごく基礎的なことだとは思いますが、参考書などを読んでも、いまいち理解できませんでした。 ぜひ、ご回答よろしくお願いします!!