回帰分析
Regression Analysis
かいきぶんせき
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。
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。
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。
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。
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
売上の日次推移やセンサの測定値のように、同じ対象を時間の経過に沿って観測し、時刻の順に並べたデータ。長期的な傾向(トレンド)、季節などの周期性、不規則変動の成分に分けて捉え、移動平均や時系列モデルで将来を予測する。値が前の時点の値に影響される自己相関を持つことが多い。
目的変数を、説明変数(特徴量)に重みを掛けて足し合わせた1次式(と切片)で予測する回帰のモデル。予測値と実測値の誤差の二乗和を最小にする最小二乗法で重みを求め、説明変数が1つなら単回帰、複数なら重回帰に当たる。重みから各特徴量の影響を解釈しやすい反面、非線形の関係は表せず、過学習を抑えるためにL2正則化(リッジ回帰)やL1正則化(ラッソ回帰)を加えることがある。
ITサービスに対する需要を理解・予測し、キャパシティ管理と連携して適切なリソース提供を実現するプロセス。需要パターンの分析やユーザプロファイルの活用を行う。
複数の専門家に対して匿名でアンケートを繰り返し行い、意見の収斂を図る予測手法。各回のフィードバックにより意見を修正させ、合意形成を目指す。技術予測や需要予測に用いられる。
観測データと、それに当てはめる直線や曲線との差(残差)の二乗の和が最小になるように、式の係数を決める方法。回帰分析で回帰直線を求めるときに用い、需要予測などに応用される。
プロジェクト完了時の総コストの見積り。現在のパフォーマンス傾向に基づく算出式がいくつかあり、代表的にはEAC=BAC/CPI(現在のコスト効率が続く場合)やEAC=AC+ETC(残作業の見積りを加算する場合)がある。
