回帰分析とは・AI関連用語集

回帰分析とは、意味や概念を詳しく解説

menu

×AI

AI用語事典

回帰分析

regression analysis

回帰分析とは、簡単に言えばある変数(y)の動きをまた別の変数(x)の動きによって予測する統計学の手法。広告費が売上にどう影響したかなど、結果につながる変数が1つの場合は「単回帰分析」と呼ぶ。

関数回帰分析の目的は、基本的に上記の通り「将来的な数値の予測」と「双方の相関関係や因果関係についての分析」がある。マーケティング分野においては以下のような例が挙げられる。

・将来的な数値の予測
例えば温かい鍋が売りの飲食店があったとする。冬は比較的売上が高く、夏は売上が比較的低いのは当たり前だが、同じ季節でも週によって変動が激しいので、仕入れ数や在庫に悩んでいた。そこで売上データと日付を基に「回帰分析」を行ったところ、「天気」と「売上」に因果関係があることが判明。「天気が悪いと寒いので鍋がよく売れる」というデータから、仕入れを調整できるようになった。これが数値の予測である。

・相関関係や因果関係についての分析
こちらは逆に「どの数値が売上に影響するか?」を見る回帰分析である。過去の統計データから売上に関連するかもしれない、と思われるものをピックアップして分析することで、ビッグデータを適切に活用できる。例えば宣伝チラシの配布枚数より、Webサイトから広告をクリックされた回数の方が売上に大きく影響している、などである。

また、回帰分析を行う際には「相関関係」と「因果関係」の違いについても押さえておきたい。相関関係とは「片方の数値が変動するともう片方も同じように変動する関係(偶然も含む)」であり、因果関係は「片方の数値が変動することでもう片方も変動する(原因→結果の関係となっている)」ものである。回帰分析においては基本的に因果関係の方が重視される、と覚えておこう。

AIの活用において、データの重要性が指摘されるが、それは活用するデータによって結果の信頼性が大きく変動するからだ。都合の良い結果を出すデータを使って得られた結果はあくまでも利用者に都合がいいだけであって、予測や分類の本質とは逸脱するので注意が必要だ。

AI用語解説:×AI編集部監修

AI用語を調べる

アイウエオ索引

アルファベット索引

AI用語事典TOPに戻る