分散共分散と相关系数.docVIP

重回帰分析 回帰分析では単一の説明変数（独立変数）を用いて単一の目的変数（従属変数）を予測することを考えた。 重回帰分析では複数の説明変数を用いて単一の目的変数を予測することを考える。また、個々の説明変数が目的変数に対してどの程度影響を与えているかを表すこともできる。 データの例（寿命と医療費?たんぱく質摂取量） 年度 平均寿命 医療費の割合 たんぱく質摂取量 Y X1 X2 1955 65.70 3.27 69.70 1960 67.80 3.06 69.70 1965 70.30 4.22 71.30 1970 72.00 4.10 77.60 1975 74.30 5.26 81.00 1980 76.20 6.18 78.70 平均 71.05 4.35 74.67 標準偏差 3.60 1.09 4.58 回帰分析で何がわかるか？ 『平均寿命に対して、医療費とたんぱく質摂取量は何らかの効果を持っている』というモデルは有効であるか？ もしモデルが有効であるなら、平均寿命に対して、医療費とたんぱく質の摂取量はどのような効果を、どれくらい持っているか？　またそれらの効果は“統計的に有意である”か？ 重回帰分析では次のような重回帰式を前提にして考える。 ここでを偏回帰係数(partial regression coefficient)と呼ぶ。また、この例のように各変数の単位が異なる場合には、それぞれの変数を標準化（平均を0に、分散を1に）して求めた標準偏回帰係数を計算する。 したがって、医療費の方がたんぱく質摂取量に比べて平均寿命に及ぼす影響が大きいといえる。 回帰分析の結果の要約（統計パッケージの出力例） 従属変数 : LIFE R= R^2= 調整済R^2= β 標準誤差β B 標準誤差B t(3) p-値 切片 39.29043 11.56307 3.397924 .042526 MED .627072 .242962 2.07682 .80467 2.580942 .081713 PROT .387017 .242962 .30440 .19110 1.592909 .209429 F(2,3)=25.025 p.01345 推定値の標準誤差: 1.2105 Ｒは重相関係数(multiple correlation)と呼ばれ、観測値と予測値の相関係数のこと。 Ｒ2は決定係数と呼ばれ、重相関係数の２乗であるが観測値と予測値、残差（観測値から予測値をひいたもの）のそれぞれの平方和には次のような関係が成り立つ。 もし予測値が観測値に非常に近ければ残差平方和はゼロに近づくので次のようにをで割ったものが１近いほど“よい予測値”ということになる。そこで、この比を決定係数と名付け“あてはまりの良さ”の指標とする。 観測値?予測値と残差 観測値 予測値 残差 標準化予測値 標準化残差 1 65.70000 67.29862 -1.59863 -.97951 -1.32062 2 67.80000 66.86250 .93751 -1.09338 .77447 3 70.30000 69.75864 .54136 -.33718 .44721 4 72.00000 71.42718 .57282 .09848 .47321 5 74.30000 74.87126 -.57126 .99776 -.47191 6 76.20000 76.08180 .11819 1.31384 .09764 最小 65.70000 66.86250 -1.59863 -1.09338 -1.32062 最大 76.20000 76.08180 .93751 1.31384 .77447 平均 71.05000 71.05000 -.00000 .00000 -.00000 中央値 71.15000 70.59291 .32978 -.11935 .27243 決定係数と自由度調整済み決定係数 決定係数は“あてはまりの良さ”を示す値であるが、説明変数を増やすと単純に増加してゆくという性質を持っている。 したがって“役に立たない説明変数”であっても、付け加えることにより、名目上の“予測の精度”はどんどんと上昇する。 これでは役に立たないので、標本数や説明変数の数を考慮にいれた決定係数をもちいる。これが“自由度調整済み決定係数”である。 自由度調整済み決定係数（）と決定係数（）の間には次のような関係がある。 ただし、Ｎは標本数、ｐは説明変数の数 データ例（“役に立たない変数：