Excelで重回帰分析。アウトプットの読み解きのコツがわかる！

[@1019hotchpotch]

有益な教材をいつも有難うございます。これからも応援しています。

[@ゆめ-g1w2i]

毎回わかりやすい説明で勉強になります！　
QC検定2級を取得する為に勉強しているのですが、カイニジョウ分布について教えてもらえませんか？

[@DataScienceLab.]

コメントありがとうございます(^-^)
カイ二乗検定は、動画作製予定リストの中にも入れてますので、お待ちください！

[@ma-tn9fd]

質問なのですが、グラフを作る際には必ず予測値を出して予測値と目的変数での散布図を作るべきなのでしょうか？？
他のサイトでは書いてなかったことなので、教えていただけると嬉しいです！

[@DataScienceLab.]

必ず予測値vs実測値の散布図を確認する必要があるわけではありません。
良い予測モデルであるどうかを判断する材料として、また、モデルの改善の方向性を探るための材料として、予測値vs実測値の散布図を確認することは有効だと考えます。
例えば、本来は二次関数でよくフィッティングできる場合に、一次関数でフィッティングしてしまっている場合、決定係数R2をはじめとした各種指標を見てもそれに気づくことはできませんが、予測値vs実測値の散布図で気づくことができたりします。

[@ma-tn9fd]

@@DataScienceLab. 早い対応とわかりやすい返信ありがとうございます！！参考にしてみます！

[@Vermouthneesan]

単回帰分析をしているのですが単回帰分析でも予測値を出してから散布図を作成した方が良いでしょうか？
また予測値を出す理由を教えて頂きたいです
教えて欲しいです

[@DataScienceLab.]

単回帰分析の場合は、説明変数が1つなので、xとy（実測値）の散布図と予測値と実測値の散布図の見た目は同じになります。
重回帰分析の目的は、重回帰モデル（予測モデル）の構築なので、予測値を確認することで、どのくらいよく予測できているかを確認することができます。

[@ロング娘]

初歩的な質問で申し訳ないのですが、「分散分析の結果のp値が小さいこと」、「t検定の結果のp値が小さいこと」というのは、何を基準に小さいということでしょうか？

[@DataScienceLab.]

p値のpは、probability（確率）の頭文字です。
だから、p値が大きい＝高確率、p値が小さい＝低確率です。
何をもって確率が高いor低いと言えるかは、状況によって異なると思いますが（例えば合格率60％を高いととらえるか低いととらえるかは状況によって異なるのではないでしょうか？）、仮説検定では"0.01"や"0.05"を判断基準に用いることが一般的です。

[@takuuta1343]

説明変数の単位が違うと思うのですが、この場合は標準化偏回帰係数で求めなくて良いのですか？？

[@DataScienceLab.]

コメントありがとうございます(^-^)
偏回帰係数は、各説明変数が1変化したら目的変数がいくつ変化するかを示しています。
だから、重回帰モデルを構築する＝偏回帰係数を求める、です。
構築した重回帰モデルの読み解きをする際に、モデル全体のばらつきへの各説明変数の変動の影響度を評価したい、というシチュエーションでは、偏回帰係数ではなく標準化偏回帰係数をチェックする必要があります。※単位の違いによる影響を排除して評価するためです。