回帰分析とは？
かいきぶんせき
回帰分析とは、変数間の関係を数式でモデル化し、一方の変数から他方の値を予測する統計手法です。
回帰分析（regression analysis）は、ある変数（目的変数）の値を、別の1つ以上の変数（説明変数）の関数として表すことで予測・説明を行う統計的手法です。ビジネス予測から医学研究、機械学習まで幅広い分野で利用されています。
主な種類として以下が挙げられます。
- 単回帰分析：説明変数が1つで、直線（y = ax + b）で関係を表す
- 重回帰分析：説明変数が複数で、複数の要因を考慮した予測が可能
- ロジスティック回帰：目的変数が2値（0/1）の場合に使用し、確率を出力する
- 多項式回帰：曲線的な関係を多項式でモデル化する
分析の手順は、まずデータを収集・可視化し、散布図などで関係の有無を確認します。次に最小二乗法などでパラメータ（係数）を推定し、決定係数（R²）や残差をチェックしてモデルの良否を評価します。
解釈の注意点として、回帰分析は相関関係を示すものであり、因果関係の証明ではありません。また多重共線性や外れ値の影響を受けやすいため、モデルの妥当性を慎重に検証することが重要です。
使い方・例文
住宅の広さ・築年数・最寄り駅からの距離を説明変数として重回帰分析を行い、家賃や販売価格を予測するケースが典型的な活用例です。
この用語をシェア
最終更新: