回帰係数とは？
かいきけいすう
回帰係数とは、回帰分析において説明変数が1単位変化したときに目的変数がどれだけ変化するかを示す数値です。
回帰係数（regression coefficient）とは、統計学の回帰分析において、説明変数（独立変数）と目的変数（従属変数）の関係を定量的に表す係数です。最も基本的な単回帰モデル「y = a + bx」において、bにあたる部分が回帰係数です。
回帰係数の解釈は直感的です。たとえば「気温」を説明変数、「アイスクリームの売上」を目的変数とした回帰分析で回帰係数が500と算出された場合、気温が1度上がるごとに売上が平均500円増加するという関係を意味します。
重回帰分析（説明変数が複数ある場合）では各変数に対して個別の回帰係数が算出されます。それぞれの係数は「他の変数を一定に保ったときの、その変数1単位の変化による目的変数への影響」を表します。
回帰係数を評価する際は以下の点が重要です。
- 係数の符号：正なら正の相関、負なら負の相関を示します。
- 統計的有意性：p値を用いてその係数が偶然得られたものでないか検定します。
- 標準化回帰係数：変数を標準化して得られる係数で、異なるスケールの変数間での影響力の比較に用います。
回帰係数は経済学・医学・マーケティング・機械学習など幅広い分野でデータ分析の基礎として活用されています。
使い方・例文
「年収と支出の回帰分析で回帰係数が0.3だった場合、年収が10万円増えると支出が平均3万円増えると解釈できます」のように、データ分析レポートや学術論文で頻繁に登場します。
この用語をシェア
最終更新: