linear regression

linear regressionは、統計学において最も基本的かつ広く利用される予測手法の一つです。ある変数（独立変数）の変化が別の変数（従属変数）にどのような影響を与えるかを、直線的な関係としてモデル化します。これにより、過去のデータから将来の値を予測したり、変数間の相関関係の強さを定量的に把握したりすることが可能になります。

分析の目的と適用場面

この手法は、主に二つの目的で使用されます。一つは予測であり、例えば広告費を増やした際に売上がどれくらい増加するかを推定することです。もう一つは影響の評価であり、どの要因が結果に最も強く寄与しているかを分析することです。ただし、この手法はあくまで線形、つまり直線的な関係を前提としているため、データが曲線的な挙動を示す場合には、適合度が低くなる点に注意が必要です。

他の回帰分析との違い

linear regressionは、独立変数が一つの場合は単回帰、複数の場合は重回帰と呼ばれます。これに対し、logistic regression（ロジスティック回帰）は、結果が合格か不合格かのように二値のカテゴリである場合に用いられます。また、データが直線で表現できない場合に用いられるpolynomial regression（多項式回帰）など、分析したいデータの性質に応じて適切な手法を選択することが重要です。