回帰分析とは、関数をデータに当てはめることによって、ある変数yの変動を別の変数xの変動により説明・予測・影響関係を検討するための手法 です。 説明したい変数yを目的変数、それを予測するための変数xを説明変数とよびます。 ここで説明する単回帰分析は、説明変数が1つの回帰モデルです。 説明変数が1つなので、y=ax+bのグラフの形、つまり線形の関係を仮定して目的変数を予測します。 グラフの形から、線形単回帰分析ともよばれます。 単回帰分析だけでは因果関係の特定はできませんが、その推論の手がかりにはなります。 説明変数が二変数以上になる回帰分析を「重回帰分析」といい、より高度な分析が可能となります。 なお、「回帰」という言葉は、英国の遺伝学者であり統計学者でもあったゴールトンの「平均への回帰」という概念が語源となっています。 興味がある方は、ぜひ調べてみてください! 回帰分析のやり方を紹介! 実際の回帰分析の手順は、次のようになります。 ①(架空or各種統計資料などの)2変数のデータをプロットした散布図を作成 ②一次関数でy=a+bxなどの回帰式を仮定し、最小二乗法によりa, bの値を決定 ③(煩雑になるので最小二乗法を実際にやらずに公式に当てはめて)回帰式を決定 ④回帰式をグラフに書き入れ、そこから情報を読み取る(横軸が1単位ずれると縦軸ではどれだけズレるかなど) 実務では、④の後、残差(予測値と実際の値のズレ)について分析したり、決定係数の算出などにより信頼性・妥当性の検証もしていきます。 単回帰分析だけでできることはさほど多くありません。しかし、発展させて重回帰分析につなげていくことで、深い分析が可能となります。 基礎的なツールとしてまずは単回帰分析をしっかり理解し、使いこなせるようにしましょう。 回帰分析のメリット・デメリットは?
ショーン・キーナン Shaun Keenan 1964年12月9日生まれ。オーストラリア ニューサウスウェールズ州出身。 オーストラリアでフレンチなどの料理の基礎、大阪 辻学園 調理・製菓専門学校で日本食を学んだ。その後、豪シドニーの「フラテリパラディソ」や、日本国内のホテルで経験を積み、2005 年にはグランドハイアット東京の副総料理長に就任。ハイアットリージェンシー京都、パークハイアット釜山の総料理長を歴任後、2017年12月にアンダーズ 東京 総料理長に就任。さまざまな国の文化が混ざり合うオーストラリアでフュージョンの腕を磨き、和食にも精通していることから、ジャンルにとらわれず、様々なアイデアがミックスされた驚きにあふれる料理とプレゼンテーションを得意としている。