統計解析手法から探す

重回帰分析／回帰分析 ▼	一般線型モデル ▼	時系列分析 ▼
因子分析 ▼	主成分分析▼	信頼性分析 ▼
ロジスティック回帰 ▼	ベイズ推定 ▼	欠損値分析 ▼
共分散構造分析 ▼	生存分析 ▼

重回帰分析／回帰分析

重回帰分析とは

重回帰分析とは、目的変数を複数の説明変数により予測・制御する手法です。目的変数と説明変数間に数式を当てはめ、目的変数の変動が説明変数の変動により、どの程度影響されるか分析します。

目的変数に対する各説明変数の影響の程度を明らかにすることを目的として用います。

回帰分析とは

回帰分析は、統計解析手法の中でも良く知られている分析手法のひとつです。

回帰分析は、説明変数から目的変数を推定する分析手法であり、予測や制御のために用いられます。2変数間の変動の傾向を数式により、実データとの誤差が最小になるようにモデル化を行います。回帰分析というと主に単回帰分析を指し、変数間に直線式を当てはめます。また線型回帰・非線型回帰・ロジスティック回帰などさまざまな種類が存在します。

重回帰分析／回帰分析に対応したIBM SPSS製品

一般線型モデル

一般線型モデルとは

一般線型モデル（General Linear Model）とは、目的変数が複数の説明変数の線型結合で表される式のことです。線型モデル、重回帰モデル、分散分析モデル、共分散モデルをまとめて一般線型モデルと呼びます。

一般線型モデルに対応したIBM SPSS製品

時系列分析

時系列分析とは

時系列分析の目的は、時間の経過に沿って記録した時系列データを用いて、 現在までに得られた情報から、今後の変動の予測・制御を行うことです。 時系列データに含まれる、季節変動や不規則変動などの変動を分析します。

時系列分析の活用例

• 株価の予測
• 売上の予測

時系列分析に対応したIBM SPSS製品

因子分析

因子分析とは

因子分析はデータを要約するために用いる手法であり、変数間の相関関係から潜在的ないくつかの共通因子を発見・抽出し、データ（変数群）を潜在因子に分解します。

主成分分析は主成分にデータを結合しますが、因子分析はデータを因子に分解します。また、主成分分析では誤差を認めないあるいは誤差を含んで分析するのに対し、因子分析では誤差を独自因子として分析します。

因子分析の活用例

因子分析に対応した製品

主成分分析

主成分分析とは

主成分分析は、多数の変数を少数の合成変数（主成分）に縮約し、データの解釈を容易にするための手法です。
主成分は、持っている情報量の順に第1主成分、第2主成分、…となり、データの持つ変数の数だけ求まりますが、 一般に累積寄与率が0.8を超えるまでの主成分を用います。

主成分分析の活用例

• アンケート分析
• スポーツチームの分析

因子分析に対応したIBM SPSS製品

信頼性分析

信頼性分析とは

アンケートデータ等の尺度や項目の信頼性を調べ、信頼性を高めるための分析方法です。
よく分析に用いられるものに、値が大きければ信頼性が高いとするアルファ係数があります。「信頼性がある」というのは、尺度内の項目同士に一貫性があることです。

アンケートの回答者が、同じ尺度内の項目に対して同じような回答（YesやNo）をしていればアルファ係数は大きくなり、 回答のバラツキが大きければアルファ係数は小さくなります。もし、尺度内の項目と方向性の異なる項目があれば、その項目を削除することで、アルファ係数を大きくすることができ、信頼性を高めることができます。

信頼性分析に対応したIBM SPSS製品

ロジスティック回帰

ロジスティック回帰とは

回帰分析には線型回帰・非線型回帰・ロジスティック回帰などさまざまな種類があります。 ロジスティック回帰は、注目する結果が、比率や2値データで得られるとき、 その結果を予測したり、結果にいたる要因を探索したりするのに適した手法です。

ロジスティック回帰に対応したIBM SPSS製品

ベイズ推定

ベイズ推定とは

ベイズ推定とは、観測された事実を基にして、その事実の原因となる事象が起こる確率を推定する方法です。
これは、観測者がその事象が起こると考える確率（事前確率）を、その後に観測された事実によって、 より客観的な確率（事後確率）に推定していく方法です。

さらに新しい事実が得られたなら、求めた事後確率を事前確率と考え、新しい事実に基づいて推定を行うことで、 さらに客観的な確率を求めることができます。統計学では、ベイズ推定が応用されて、ベイズ統計学の代表的な方法になっています。

ベイズ推定に対応したIBM SPSS製品

欠損値分析

欠損値分析とは

欠損のあるデータを分析しようとすると、データ数の減少などから分析の精度が落ちる場合があります。そこで、欠損データに対して、他の変数を利用して欠損部分の予測、置き換えを行うものが欠損値分析です。欠損データの予測には、観測されたデータから重回帰式を求めて予測する方法や、最尤推定値を求めるアルゴリズムを用います。

共分散構造分析の活用例

• アレルギー疾患調査などの医薬統計
• ブランドイメージの計量化
• 消費者行動における潜在意識調査

欠損値分析に対応したIBM SPSS製品

共分散構造分析

共分散構造分析とは

共分散構造分析は、観測変数から直接観測できない潜在変数を導出し、潜在変数と観測変数との間の因果関係を理解するための統計的アプローチです。
潜在変数と観測変数の因果関係を分析できる点から、回帰分析と因子分析を組み合わせた分析手法と考えることができます。 各種の社会現象・自然現象などの因果関係を調べるために用いられます。

共分散構造分析に対応したIBM SPSS製品

生存分析

生存分析とは

生存分析とは、対象とする2つのイベント（観察開始時点と発病・死亡など）の間の経過時間に基づくデータの評価に用いる手法です。例えば、ある治療の効果を分析したいときに、病気の治療を行った患者において、 病気が再発する（イベント）までの時間を解析するという方法のことです。

イベントが再発であっても治癒であっても、単に率を調べるのではなく、 時間の経過の中でどのくらいの割合の患者に起こるのかが問題となります。そのため、イベントの累積発生率をプロットした生存曲線を使って分析を行います。

生存分析の活用例

• 薬剤の効果の評価
• クレジットカード会員が1年後に解約する確率を、性別や年齢、年収などの
  属性データや利用履歴から予測できます。

生存分析に対応したIBM SPSS製品