本セミナーでは、回帰分析について基礎から解説し、Rによる実際の分析のデモを交えて、非線形回帰モデルの構築方法、モデル推定のポイントまで解説いたします。
また、Rのソースコードを配布いたします。
おもりの重さとばねの伸びとの関係のように、一方の変数 (目的変数) が他の変数 (説明変数) によってある程度説明できるとき、これらの関係を観測データに基づきモデル化したものは回帰モデルとよばれる。回帰モデルの中で最も基本的なものは、2つの変数間の関係が線形、すなわち直線で表される線形回帰モデルであるが、線形回帰モデルでは、変数間に潜んでいる真の関係性を明らかにするには不十分な場合が多い。 本講義では、はじめに説明変数と目的変数との関係が線形で表される線形回帰モデルについて説明する。 モデルの推定方法として、最小2乗法に加えてRidge、Lassoについて説明する。さらに、回帰モデルを考える上で重要な変数選択問題について解説する。 さらに、線形回帰モデルをより柔軟にした非線形回帰モデル、目的変数が2値の場合に用いられるロジスティック回帰モデルについても紹介する。講義中に、それぞれの内容について、Rによる実際の分析も行う。 回帰モデルに対する知識や理解を深めてもらうことを目的としています。線形回帰モデルだけでなく非線形回帰モデル、ロジスティック回帰モデルの構築方法や推定の流れを解説します。また、モデル推定においては「モデルの良さ」をどう捉えるかが重要となるので、その考え方についても解説します。そのうえで、「良い」モデルを得るための方法について説明します。