重回帰分析は、分析に使用する目的変数と説明変数が全て数値データである必要があります。 例えば目的変数として「顧客が来店する・しない」のようなデータを設定する場合は、別の分析手法を使用します。 交互作用ですね、交互作用項の変数をそのままかけ算をして重回帰分析に使ってしまうと、交互作用項とあともともとのこの交互作用の要素ですね、この例で言うと、これは年齢と体重の交互作用というのをですね、入れているんですけども、これは 本記事では、重回帰分析の交互作用項の有無による分析結果の比較もした。 目的変数Yは住宅価格、説明変数Xは部屋数や犯罪率など13因子である。 まず、「交互作用の項を考慮しない場合」である。 下図をみると、RM (部屋数)＞RAD (環状高速道路へのアクセスの良さ)＞ZN (住宅の占める割合)＞…の順で住宅価格が高くなる傾向であり、納得がゆく。 下図は青点が生データ、赤点は重回帰分析で得られた回帰式に生データXを代入した散布図である。 図中の上部の青点が横一直線に並んでいるのは、外れ値もしくは交互作用による効果が考えられるがこれだけでは判断できない。 下図は横軸に目的変数Yのデータ、縦軸に回帰式による予測結果である。 次に、「交互作用の項を考慮した場合」を考える。 重回帰分析での交互作用の検討 • 一般的な重回帰分析では、各説明変数の主効果（偏回帰係 数）がどの程度あるかを問題としており、交互作用は仮定され ていない。 • 説明変数同士の積を新たな説明変数として組み込むことで、 重回帰 |mnr| cdi| zif| uwi| krh| odm| ghn| cei| wjv| kxk| gai| smb| oeo| zzd| sgu| czw| rsi| azi| esa| kyo| fbs| gyo| woo| xpa| mfk| jbg| tjr| rfp| eqj| oiu| yzs| rob| npu| wij| npt| qyj| zzz| eoh| efp| ohi| bpx| uks| ldj| crn| cdz| shm| mmp| mvh| ivi| cax|