回帰分析
Regression Analysis
かいきぶんせき
目的変数と説明変数の関係を数式モデルで表現する統計手法。説明変数が1つの単回帰分析と複数の重回帰分析がある。最小二乗法で回帰係数を推定し、決定係数で当てはまりの良さを評価する。予測や要因分析に広く活用される。
Related
他の資格での定義
説明変数と目的変数の関係を数式(回帰式)で表現し、予測や要因分析を行う統計手法。説明変数が1つの単回帰分析と、複数の重回帰分析がある。将来の予測やデータ分析に広く用いられる。
説明変数と目的変数の関係を数式(回帰式)で表現し、予測や因果関係の分析を行う統計手法。説明変数が1つの単回帰分析と複数の重回帰分析がある。最小二乗法で回帰式を求め、売上予測や需要予測などに活用される。
2つ以上の変数間の関係を数学的にモデル化する統計手法。目的変数と説明変数の関係を回帰式で表し、予測や推定に利用する。プロジェクトマネジメントでは、過去の実績データからコストやスケジュールの予測に用いられる。
ある変数を他の変数で説明・予測するために、変数間の関係を数式として当てはめる手法。売上を広告費で説明するといった予測モデルの構築に用いる。
目的変数と、それに影響する説明変数との関係を数式(回帰式)で表し、要因の影響の大きさの把握や予測に使う統計手法。説明変数が1つの単回帰分析、複数の重回帰分析、目的変数が2値のロジスティック回帰分析などがある。回帰式は変数間の関連を表すにすぎず、因果関係を示すとは限らない。
ある変数(目的変数)の値を、他の変数(説明変数)の値から説明・予測する関係式を求める統計手法。説明変数が1つなら単回帰分析、複数なら重回帰分析といい、最小二乗法で係数を求め、当てはまりのよさを決定係数で評価する。需要予測や要因分析に使う。
Past Exams
過去問での出題
過去問で 16 回出題(応用情報技術者試験 7・高度試験 午前Ⅰ 5・ITパスポート試験 2・基本情報技術者試験 1・プロジェクトマネージャ試験 1)。うち 1 回は用語そのものを問う問題です。
- 令和7年度 秋期 プロジェクトマネージャ試験 午前Ⅱ 問3用語を問う問題(IPA の PDF を新しいタブで開きます)
- 令和7年度 ITパスポート試験 公開問題 問41(IPA の PDF を新しいタブで開きます)
- 令和6年度 ITパスポート試験 公開問題 問14正解の選択肢(IPA の PDF を新しいタブで開きます)
- 令和2年度 10月 応用情報技術者試験 午前 問68選択肢(IPA の PDF を新しいタブで開きます)
- 令和元年度 秋期 応用情報技術者試験 午前 問4選択肢(IPA の PDF を新しいタブで開きます)
- 令和元年度 秋期 高度試験 午前Ⅰ 問3選択肢(IPA の PDF を新しいタブで開きます)
- 平成30年度 春期 応用情報技術者試験 午前 問68選択肢(IPA の PDF を新しいタブで開きます)
- 平成30年度 春期 高度試験 午前Ⅰ 問27選択肢(IPA の PDF を新しいタブで開きます)
- 平成27年度 秋期 応用情報技術者試験 午前 問68選択肢(IPA の PDF を新しいタブで開きます)
- 平成27年度 秋期 高度試験 午前Ⅰ 問27選択肢(IPA の PDF を新しいタブで開きます)
残り 6 件を表示閉じる
- 平成25年度 秋期 応用情報技術者試験 午前 問67選択肢(IPA の PDF を新しいタブで開きます)
- 平成25年度 秋期 高度試験 午前Ⅰ 問25選択肢(IPA の PDF を新しいタブで開きます)
- 平成25年度 春期 基本情報技術者試験 午前 問52選択肢(IPA の PDF を新しいタブで開きます)
- 平成24年度 春期 応用情報技術者試験 午前 問76選択肢(IPA の PDF を新しいタブで開きます)
- 平成23年度 秋期 応用情報技術者試験 午前 問67選択肢(IPA の PDF を新しいタブで開きます)
- 平成23年度 秋期 高度試験 午前Ⅰ 問26選択肢(IPA の PDF を新しいタブで開きます)
出典: 独立行政法人情報処理推進機構(IPA)の過去問題。問題文は IPA のサイトの PDF で確認できます。「用語を問う問題」は、この用語の説明や特徴そのものを問う問題です。「選択肢」は、問題文ではなく選択肢に出たものです。用語名で照合しているため、関係の薄い問題が含まれることがあります。
Related
関連キーワードの用語
2つの変数間の線形関係の強さと方向を-1から1の範囲で示す指標。1に近いほど正の相関、-1に近いほど負の相関、0に近いほど無相関を示す。因果関係を意味しない点に注意が必要。
多次元データの分散が最大となる方向(主成分)を求めてデータを低次元に射影する統計手法。次元削減や多変量データの可視化に用いられ、固有値分解により主成分を算出する。寄与率で各主成分の重要度を評価。
一定期間ずつ区間をずらしながら平均を取る手法。短期的な変動をならして基調となる傾向を読み取りやすくする。
データ全体の特徴を一つの値で表したもの。平均値、中央値、最頻値があり、外れ値の影響を受けやすい平均値と受けにくい中央値を使い分ける。
最小値、第1四分位数、中央値、第3四分位数、最大値で分布を表すグラフ。データの散らばりと外れ値の有無を一目で把握できる。
時間の経過に沿って記録されたデータ。傾向や季節変動、周期性を読み取れるが、比較の際は対象期間の粒度を揃える必要がある。
