本文へスキップします。

【参】モーダルJS:読み込み
書籍DB:詳細

Excelで学ぶ回帰分析入門

Excelで学ぶ回帰分析入門

回帰分析を使っていろいろなデータ分析にトライする!

回帰分析とは複雑な統計データを、1本の直線だけで読み解く統計解析手法なので、わかりやすいという特徴がある。本書は回帰分析の考え方に基づき、多変量解析、数量化理論Ⅰ類、判別分析、コンジョイント分析やタグチメソッドなどのデータ分析の一般的な手法を一通り学習する。
第1章 データ解析の基礎をマスターしよう
1.1 Excelの分析ツールを使えるようにしよう
1.2 基本統計量とは
 1.2.1 データの要約――基本統計量の出力
 1.2.2 基本統計量の意味
 1.2.3 代表値
 1.2.4 ばらつき
 1.2.5 歪度と尖度
 1.2.6 基本統計量とExcel関数の関係
1.3 ヒストグラム
1.4 幹葉図
 1.4.1 20人の月収のデータ
1.5 外れ値で原因追求
 1.5.1 ある育児関連ホームページの週間アクセス件数
 1.5.2 散布図で外れ値をみつける
 1.5.3 データマイン君を使って外れ値を見つける
まとめ
例 題

第2章 散布図でデータの関係を調べよう
2.1 散布図とは
2.2 散布図のxとyの関係
2.3 単回帰式(関係式)を求めよう
 2.3.1 直線(線形近似)の挿入
 2.3.2 単回帰式とは
 2.3.3 相関があるかどうかを調べる
 2.3.4 最小自乗法
 2.3.5 内挿と外挿
2.4 変数変換とは
 2.4.1 xの増加につれてyが幅広になるようなデータの場合
 2.4.2 徐々に収束するデータの場合
2.5 ラベル付き散布図のすすめ
まとめ
例 題

第3章 相関係数を理解しよう
3.1 相関係数(r)とは
3.2 相関係数(r)の求め方
 3.2.1 関数CORRELを用いる方法
 3.2.2 分析ツール「相関」を用いる方法
 3.2.3 相関があるかどうか判定する
3.3 関係はあるのに、相関係数が0になる事例
3.4 見せかけの相関
3.5 予測に使える単回帰式
 3.5.1 単回帰式で予測ができる
 3.5.2  R2値とは
まとめ
例 題

第4章 分析ツール「回帰分析」を使おう
4.1 重回帰分析とは
4.2 重回帰分析の手法
 4.2.1 「散布図」で関係を視覚的に確認する
 4.2.2 「相関係数(r)」で関係をチェックする
 4.2.3 「散布図」の単回帰式で、式の当てはまり(誤差)を比較する
 4.2.4 「回帰分析」を実行し、重回帰式を求める
 4.2.5 重回帰式で予測をする
 4.2.6 分析結果から「要因分析」を行う
まとめ
例 題

第5章 最適な回帰モデルを求めよう
5.1 重回帰分析とは(おさらい)
5.2 重回帰分析を実行しよう
 5.2.1 「散布図」で関係を視覚的に確認する
 5.2.2 「相関係数(r)」を求め、関係性をチェックする
 5.2.3 全ての説明変数を用いて「回帰分析」を実行する
 5.2.4 重回帰式で予測をする
 5.2.5 危険率をもとに真の要因に絞り込む
 5.2.6 説明変数選択規準「Ru」を用い、最適なモデル式を導き出す
5.3 予測精度の検証
5.4 影響度「t」を基に「要因分析」を行う
まとめ
例 題

第6章 数量化理論Ⅰ類
6.1 数量化理論Ⅰ類とは
 6.1.1 用語の説明
6.2 数量化理論Ⅰ類の手法
 6.2.1 ダミー変数(0、1)データに置き換える
 6.2.2 回帰分析実行用に1カテゴリ削除する
 6.2.3 回帰分析の実行(ファーストトライ)
6.3 予測と要因分析
 6.3.1 予測
 6.3.2 要因分析
 6.3.3 カテゴリ影響度グラフを見やすくするためには(回帰分析リトライ)
6.4 最適なモデル式を求める
 6.4.1 要因選択規準(Ru)
 6.4.2 総当り法
 6.4.3 簡便法
まとめ
例 題

第7章 判別分析はどうする?
7.1 判別分析とは
 7.1.1 冷蔵庫の評価データ
 7.1.2 判別分析
 7.1.3 判別予測をする
 7.1.4 要因分析
7.2 最適な判別予測式を求める
 7.2.1 最適な判別式を求める手順
 7.2.2 全ての説明変数を用いて「回帰分析」を実行する
 7.2.3 危険率をもとに要因(説明変数)を絞り込む
 7.2.4 説明変数選択規準「Ru」の値を比較し、最適な判別予測式を導き出す
 7.2.5 影響度「t」を基に「要因分析」を行う
まとめ
例 題

第8章 数量化理論Ⅱ類にチャレンジしよう
8.1 数量化理論Ⅱ類とは
 8.1.1 数量化理論Ⅱ類の手法
 8.1.2 回帰分析実行用データを作成する
8.1.3回帰分析を実行する
 8.1.4 最適な数量化理論Ⅱ類モデルを求める
 8.1.5 結果の検証
 8.1.6 要因分析
8.2 混合モデルの判別分析
 8.2.1 混合モデルの解析手法
 8.2.2 回帰分析実行用データを作成する
 8.2.3 判別率を求める
 8.2.4 数量化理論Ⅱ類の最適なモデルを求める
 8.2.5 要因分析
 8.2.6 最適な判別予測式の判別率を求める
まとめ
例 題

第9章 コンジョイント分析も回帰分析で
9.1 コンジョイント分析とは
 9.1.1 コンジョイント分析の手法
 9.1.2 アンケート用紙の作成
 9.1.3 アンケートの解析
 9.1.4 要因の影響度
 9.1.5 要因内の水準の影響度
 9.1.5 満足度の予測
まとめ
例 題

第10章 タグチメソッドのデータ解析も回帰分析で
10.1 タグチメソッドとは
 10.1.1 はやわかりタグチメソッド
 10.1.2 2段階設計法
 10.1.3 ばらつきの表し方――SN比とは
10.2 クライアント/サーバの応答時間の改善
 10.2.1 クライアント/サーバシステムの応答時間をよく(短く)するための因子
 10.2.2 実験結果の解析(SN比)
 10.2.3 SN比を改善する制御因子は?
 10.2.4 望小特性のSN比、ばらつきおよび平均値の関係
 10.2.5 平均値の推測
まとめ
例 題

付 録 「最適な回帰モデル」ツールの使用方法

ここでは、本書の例題ファイルを、圧縮ファイル(lzh形式)で提供しています。圧縮ファイル(regression.lzh;約305KB)をダウンロードし、解凍してご利用ください。

  • 本ファイルは、本書をお買い求めになった方のみご利用いただけます。本書をよくお読みのうえ、ご利用ください。また、本ファイルの著作権は、本書の著作者である、上田太一郎氏・小林真紀氏・渕上美喜氏に帰属します。
  • 本ファイルを利用したことによる直接あるいは間接的な損害に関して、著作者およびオーム社はいっさいの責任を負いかねます。利用は利用者個人の責任において行ってください。また、ソフトウェアの動作・実行環境、操作についての質問には一切お答えすることはできません。

各章の例題ファイルとアドインプログラム(最適な回帰モデルを得るためのツール)を収録しています。