多変量解析の手法
数量化一類
質的データ(カテゴリーデータ)から数量データを予測することができる。 例:天気、曜日、イベント有無から遊園地の来場者数を予測する。
重回帰分析
数量化一類と同じような内容で、重回帰分析の場合は、数量データを使い 数量データを予測することができる。 例:土地面積、駅からの距離から店舗の売り上げを予測する。
ロジスティック分析
上二つの手法とは少し異なり、ロジスティック分析ではどれくらいの確率で イベントがおこるかどうかを予測します。数量データまたは質的データを用いて、イベントの有無のそれぞれの起こり得る確率を予測する。 例:アクセス数、閲覧時間から購入有無を予測する。
判別分析
数量データから、質的データを予測する。 例:がんの有無を一日のタバコの本数と、一週間の運動時間から予測する。
数量化二類
一つ上の判別分析に似ているのですが数量化二類の場合は、 質的データから質的データを予測する。
例:がんの有無を、血液型、親のがんの有無を予測する。
MDS 質的データ(距離[類似性]データ)を使い、それぞれがどういう点の位置にいるかどうかを判定してくれる分析手法。目的は一言でいえば可視化。
ポジショニングマップを作る際などによく使ったりする。
クラスター分析 世の中にあふれている大体の事象が小さな集団によって 一つの大きな集団を形成しているケースが多い。
その大きな集団の中から小さな集団を見つけ出すのがクラスター分析。
因子分析
観測値(実際に得られたデータ)を使い、それらの隠れた要因を探る 分析手法です。またその中で、似通ったデータをまとめることができる。
わかりやすい例を使うと、中学のテストで、国・英・数・理・社の5つのテストを
文系能力 ⇒ 国・英・社 理系能力 ⇒ 英・数・理
といった具合に分けてみることができる。
主成分分析 多くの量的変数を、少ない指標(合成変数)にまとめて可視化するための分析手法。
例えば5つの中学のテストで、国・英・社・数・理の5つのテストの平均を使い、それぞれの中学の学力と、文系もしくは理系のどちらが秀でているかというのが一目でわかる。 因子分析とは対極に当たる分析手法となる。
![](https://analytics-jp.com/bunsekiya/wp-content/themes/analytics-jp/common/img/bg_icon01_02.png)
![](https://analytics-jp.com/bunsekiya/wp-content/themes/analytics-jp/common/img/bg_icon01_01o.png)
![](https://analytics-jp.com/bunsekiya/wp-content/themes/analytics-jp/common/img/bg_icon01_01.png)
![](https://analytics-jp.com/bunsekiya/wp-content/themes/analytics-jp/common/img/bg_icon01_01o.png)
![](https://analytics-jp.com/bunsekiya/wp-content/themes/analytics-jp/common/img/bg_icon01_01.png)