13．3因子分析.pptVIP

（２）数量化Ｉ類の解析ストーリー 6.2　説明変数が１個の場合の解析方法 （２）　寄与率と自由度調整済み寄与率 （３）　説明変数の選択（変数選択） 変数増加法 6.3　説明変数が２個以上の場合の解析方法 （２）　寄与率と自由度調整済み寄与率 （３）　説明変数の選択（変数選択） 6.4　説明変数に量的変数と質的変数が混在する場合 * * 第６章　数量化Ｉ類 線形代数の成績 ：x1 ｛優，良，可，不可 サークルの所属 ：x2 ｛所属，無所属 例：成績のデータ　ｙ 点 数量化Ｉ類とは 　目的変数が量的変数，説明変数が質的変数 6.1　適用例と解析ストーリー （１）適用例と解析の目的 解析の目的：総合成績と，線形代数の成績とサークルの所属 の有無の関係を明らかにする． ?総合成績は線形代数の成績やサークルの所属の有無より予測できるか． ?どちらの変数の方が説明力があるか． ?予測できるとすればその精度はどのくらいか． ?例えば，線形代数が優でサークルに所属していない学生の総合成績は？ 1 質的変数をダミー変数に変換して，ダミー変数を量的変数と考えて　　重回帰モデルを想定する． 2 自由度調整済寄与率を求め，得られた回帰式の性能を評価する． 3 変数選択を行い，有用な変数を選択する． 4 残差とテコ比の検討を行い，得られた回帰式の妥当性を検討する． 5 得られた回帰式を利用して，任意に指定した説明変数の値に対し，　　将来得られるデータの値を予測する． （１）ダミー変数の考え方と回帰式の推定 アイテム　 ：質的な変数 （ ex.　線形代数の成績x1 ） カテゴリー ：アイテムの中身 （ ex.　優，良，可 ） ダミー変数：二つの値のうちのどちらかをとる変数 （特に 0 か 1 かいずれかの値をとる） x1 1 1　優 0　優でない x1 2 1　良 0　良でない x1 13 1　可 0　可でない x1 1 + x1 2 + x1 3 1 x1 1 , x1 2 , x1 3 のうち１つは不必要 は，多重共線性を持つ 多重共線性 multicollinearity ：　説明変数に非常に強い相関や一次従属な変数関係があり，解析が不可能になること．たとえ結果が求まったとしてもその信頼性は低い。 pp.92 説明変数の選択： 　目的変数に有効な説明変数のみをモデルに採用すること ①変数減少法：すべての変数を取り込んだ段階から不要な 変数を削除していく方法 ②変数増加法：定数項だけのモデルから有用な変数を追加 していく方法 ②変数増減法：①と②を両方取り入れた方法 ここでは，変数増加法について説明する． 変数増加法 定数項だけのモデル　Model0： ①定数項だけのモデル　Model0： ② Model0にx1かx2のどちらの変数を取り込むのが良いか？ １つの変数ｘjだけを取り込んだ単回帰式 （１）ダミー変数の考え方と回帰式の推定 pp.96 説明変数の選択： 　目的変数に有効な説明変数のみをモデルに採用すること ①変数減少法：すべての変数を取り込んだ段階から不要な 変数を削除していく方法 ②変数増加法：定数項だけのモデルから有用な変数を追加 していく方法 ②変数増減法：①と②を両方取り入れた方法 ここでは，変数増加法について説明する． 変数増加法 定数項だけのモデル　Model0： ①質的変数をダミー変数で表現する． ②重回帰分析を行う． 良 可 良 可 優 無所属 所属