回帰分析を用いた2群の比較 - tcue.ac.jp.pptVIP

回帰分析を用いた２群の比較 高崎経済大学 宮田　庸一 ２群データ 専有面積(m2) 家賃（万円） 場所 10 2.8 1 9 3 1 10.01 3.5 1 15 3.5 1 11.6 4 1 12.84 4.5 1 … … … 21 4 0 31.8 4 0 30.5 4.5 0 35 4.5 0 東京と大阪のアパートの専有面積(m2)と家賃の関係 専有面積＝部屋の広さ １：東京，０：大阪 出典：/ 回帰直線と層別化 層別化しないで回帰直線を引く y = 0.0138x + 3.6779 R2 = 0.006 層別化して回帰直線を引く 東京 y = 0.191x + 1.8258 R2 = 0.6684 大阪 y = 0.1315x - 0.0714 R2 = 0.6507 ダミー変数 群の区別を説明変数に取り入れた回帰分析が望ましい Y=β0+β1x1+β2x2+u Y（家賃）, x1（部屋の広さ）,u （攪乱項） x2=1（東京），x2=0（大阪）と定める 東京の場合:Y=β0+β2+β1x1+u 大阪の場合:Y=β0+β1x1+u 切片の違いがある２群を統計モデルで表すのには良い ダミー変数2 アパートのデータの場合，切片以外に傾きも群によって異なってそう??? ダミー変数3 Y=β0+β1x1+β2x2+β3x1x2+u Y（家賃）, x1（部屋の広さ）,u （攪乱項） x2=1（東京），x2=0（大阪）と定める。 ここでx1x2はx1×x2を意味する。 つまり x1×x2とした説明変数を新たに作る。 東京の場合:Y=β0+β2+(β1+β3x1)+u 大阪の場合:Y=β0+β1x1+u 2群の関係を比較する 東京と大阪で，部屋の広さ(m2)と家賃の関係に変化があるかを検証する。 ＜アプローチ1＞ フルモデルY=β0+β1x1+β2x2+β3x1x2+uにより回帰分析を行い，変数減少法によりモデル選択を行う。説明変数x2，もしくはx1x2が最終的に残った場合は，東京と大阪には部屋の広さ(m2)と家賃の関係に変化があると言える。 2群の関係を比較する ＜アプローチ2＞ フルモデルY=β0+β1x1+β2x2+β3x1x2+uにより回帰分析を行い，変数減少法によりモデル選択を行う。 仮説検定 H0:β1=β2=0　vs　H1:β1≠0もしくはβ2≠ 0 を行う. （つまりF検定を行う） 実データ解析 専有面積(x1) 場所(x2) x1×x2 家賃(Y) 10 1 10 2.8 9 1 9 3 10.01 1 10.01 3.5 15 1 15 3.5 11.6 1 11.6 4 12.84 1 12.84 4.5 11 1 11 4.1 14.43 1 14.43 4.8 12.96 1 12.96 4.9 14.01 1 14.01 5.1 15 1 15 5.3 18.81 1 18.81 5.5 17.4 1 17.4 5.7 24 1 24 5.8 16.5 1 16.5 5.9 24 1 24 6 12 0 0 1.2 20 0 0 2 19.5 0 0 2 25 0 0 2.2 20 0 0 2.5 24 0 0 2.7 18.01 0 0 3 30.3 0 0 3.5 24.3 0 0 3.8 30 0 0 4 21 0 0 4 31.8 0 0 4 30.5 0 0 4.5 35 0 0 4.5 解析1＜アプローチ1＞ 概要 回帰統計 重相関 R 0.883617 重決定 R2 0.780779 補正 R2 0.755484 標準誤差 0.637852 観測数 30 分散分析表 　 自由度 変動 分散 観測された分散比 有意 F 回帰 3 37.67544 12.55848 30.86722 1.01E-08 残差 26 10.57823 0.406855 合計 29 48.25367 　 　 　 　 係数 標準誤差 t P-値 下限 95% 上限 95% 切片 -0.07145 0.690798 -0.10343 0.918417 -1.4914 1.348508 専有面積(x1) 0.131514 0.027451 4.79086 5.84E-05 0.075088 0.187941 場所(x2) 1.897241 0.889927 2.131906 0.042629 0.06797 3.726513 x1×x2 0.059504 0.045576 1.305597 0.203125 -0.03418 0.153187 解析2＜アプローチ1＞ 概要 回帰統計 重相関 R 0.875446 重決定 R2 0.766406 補正 R2 0.749103 標準誤差 0.646121 観測数 3