回帰分析とは｜SPSSでできること
回帰分析は、1つ以上の説明変数から目的変数を定量的に説明・予測するための基本的な分析手法です。
このページでは、回帰分析で分かることと、SPSSで実施する際に選ぶべき製品（オプション）を明確にします。
回帰分析とは
回帰分析は、変数間の関係を数式で表現し、目的変数の変動を説明・予測する分析手法です。 単回帰分析では1つの説明変数を、重回帰分析では複数の説明変数を用いてモデル化を行います。
この分析で分かること
- 各説明変数が目的変数に与える影響の大きさ
- 予測モデルとしての当てはまり（決定係数など）
- どの変数が重要か（有意性・係数）
- 将来値・未知データの予測
回帰分析の主な種類
| 手法 | 概要 |
|---|---|
| 単回帰・重回帰分析 | 連続変数を目的変数とする基本的な回帰 |
| ロジスティック回帰 | 2値・カテゴリ変数を目的変数とする回帰 |
| 非線型回帰 | 非線型関係を仮定したモデル |
SPSSで回帰分析を行う場合の製品選定
基本的な回帰分析は、 IBM SPSS Statistics Base で実施できます。
| やりたいこと | 対応製品 | 備考 |
|---|---|---|
| 単回帰・重回帰分析 | IBM SPSS Statistics Base | 標準機能 |
| ロジスティック回帰・非線型回帰 | IBM SPSS Regression | 追加オプション |
| 順序ロジスティック回帰 | IBM SPSS Regression | 上位オプション |
分析時の注意点
- 因果関係の解釈には注意が必要
- 多重共線性の確認が重要
- 前提条件（線形性・独立性・正規性）を確認する
回帰分析の次に検討すべき分析手法
- ロジスティック回帰：分類問題への応用
- パス解析・SEM：因果構造の検討
- 機械学習手法：高精度予測