重回帰分析入門 経済データ解析 2008年度.

Slides:



Advertisements
Similar presentations
環境経済論 第 7 回目 ヘドニック・アプローチ. Court (米国自動車工業会 ) による自動車 価格変化の研究、 1939 – 自動車価格とさまざまな特性(馬力、長さな ど)との数量的関係 – 財の諸特性が快楽( hedonic pleasure )を生 み出すと考える – ヘドニック要因で説明される価格(又はその.
Advertisements

第 2 章 国民所得決定理論. 1. 有効需要の理論 Jhon Maynard Keynes: 有効需要の原理 「経済全体の活動水準は経済全体でど れだ けの需要があるかによって決まる」
2016 年度 計量経済学 講義内容 担当者: 河田 正樹
データ分析入門(12) 第12章 単回帰分析 廣野元久.
相関と回帰 専修大学経済学部 「経済統計学」 作間逸雄.
寺尾 敦 青山学院大学社会情報学部 社会統計 第13回 重回帰分析(第11章後半) 寺尾 敦 青山学院大学社会情報学部
第3章 2変量データの記述 統計学基礎 2011年度.
第4章 回帰分析の諸問題(1) ー 計量経済学 ー.
多変量解析 -重回帰分析- 発表者:時田 陽一 発表日:11月20日.
補章 時系列モデル入門 ー 計量経済学 ー.
第4章 回帰分析の諸問題(1) ー 計量経済学 ー.
パネル分析について 中村さやか.
第3章 2変量データの記述 統計学基礎 2010年度.
重回帰分析入門 経済データ解析 2009年度.
回帰分析 重回帰(1).
実証分析の手順 経済データ解析 2011年度.
得点と打率・長打率・出塁率らの関係 政治経済学部経済学科 ●年●組 ●● ●●.
月曜3限 1132教室 担当者: 河田 正樹 年度 経済データ解析講義内容 月曜3限  1132教室 担当者: 河田 正樹
第2章 単純回帰分析 ー 計量経済学 ー.
第5章 回帰分析の諸問題(2) ー 計量経済学 ー.
第5章 回帰分析の諸問題(2) ー 計量経済学 ー.
重回帰分析入門 経済データ解析 2011年度.
回帰分析.
寺尾 敦 青山学院大学社会情報学部 社会統計 第12回 重回帰分析(第11章前半) 寺尾 敦 青山学院大学社会情報学部
相関と回帰:相関分析 2つの変量それぞれが正規分布にしたがってばらつく量であるとき,両変数の直線的な関係を相関分析する. 例:兄弟の身長
第6章 数量化I類.
第3章 重回帰分析 ー 計量経済学 ー.
第3章 重回帰分析 ー 計量経済学 ー.
第5章 回帰分析入門 統計学 2006年度.
確率・統計輪講資料 6-5 適合度と独立性の検定 6-6 最小2乗法と相関係数の推定・検定 M1 西澤.
主成分分析                     結城  隆   .
12月4日 伊藤 早紀 重回帰分析.
月曜3限 1141教室 担当者: 河田 正樹 年度 経済データ解析講義内容 月曜3限  1141教室 担当者: 河田 正樹
回帰分析/多変量分析 1月18日.
頻度論とベイジアンの比較 慶應義塾大学 SFC 小暮研究会 梶田幸作
誤差の二乗和の一次導関数 偏微分.
構造方程式モデリング(SEM) Structural Equation Modeling.
離婚が出生数に与える影響 -都道府県データを用いた計量分析
補章 時系列モデル入門 ー 計量経済学 ー.
第5章 回帰分析の諸問題(2) ー 計量経済学 ー.
相関分析.
データ解析 静岡大学工学部 安藤和敏
市場規模の予測.
第6章 連立方程式モデル ー 計量経済学 ー.
 統計学講義 第11回     相関係数、回帰直線    決定係数.
4章までのまとめ ー 計量経済学 ー.
モデルの逆解析 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
最小自乗法.
(回帰分析)推計結果の見方(1) 決定係数 回帰式のあてはまりの良さをはかる 回帰式による予測の信頼度を見るひとつの尺度
予測に用いる数学 2004/05/07 ide.
主成分分析 Principal Component Analysis PCA
市場規模の予測.
部分的最小二乗回帰 Partial Least Squares Regression PLS
第3章補足2 多変量データの記述 統計学基礎 2010年度.
CCDを用いた星像中心決定実験の結果 ○矢野太平(理研)、郷田直輝、小林行泰、辻本拓司(国立天文台)
データの型 量的データ 質的データ 数字で表現されるデータ 身長、年収、得点 カテゴリで表現されるデータ 性別、職種、学歴
第7章 単回帰で「消費関数」を計測する 1.所得の定義 1.1 国民純生産 国内総生産(GDP) ⇔ 所得
Stepwise (ステップワイズ) 法による 説明変数 (入力変数・記述子・ 特徴量) の選択
情報経済システム論:第13回 担当教員 黒田敏史 2019/5/7 情報経済システム論.
データ解析 静岡大学工学部 安藤和敏
過学習を考慮した IS1-60 AAMパラメータの選択と回帰分析による 顔・視線方向同時推定 顔・視線同時推定 研究背景
回帰分析(Regression Analysis)
データ解析 静岡大学工学部 安藤和敏
最小二乗法による線形重回帰分析 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
リッジ回帰(Ridge Regression, RR) Least Absolute Shrinkage and Selection Operator (LASSO) Elastic Net (EN) 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
構造方程式ゼミナール 2012年11月14日-11月21日 構造方程式モデルの作成.
重回帰分析入門 (第5章補足) 統計学 2007年度.
モデルの微分による非線形モデルの解釈 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
回帰分析入門 経済データ解析 2011年度.
最終プレゼンテーション 「合併率と都道府県格差の 関係について」 2006年1月24日(火) 2002359 秦 数正
Presentation transcript:

重回帰分析入門 経済データ解析 2008年度

このスライドの内容 重回帰分析とは 3変数(説明変数が2つ)の場合の重回帰モデル 自由度修正済み決定係数 因果関係の計量分析によく用いられる手法が回帰分析であるが、原因が複数ある場合には説明変数が複数の重回帰モデルを用いた分析をおこなう。 3変数(説明変数が2つ)の場合の重回帰モデル 3変数の場合の重回帰モデルは、各点との距離の2乗和が最小になるような回帰平面である。 自由度修正済み決定係数 決定係数は説明変数の数を増やせば増やすほど、1に近づく。そのため、モデルのあてはまりのよさを見るためには、自由度修正済み決定係数も用いる必要がある。

消費額の大小は、所得の大小が原因となっている。 重回帰分析とは これまでの実習で、所得と消費との間に、 Y(消費) = α + β X(所得) ↑ ↑ 結果 原因 という因果関係の分析をおこなった。これは、 消費額の大小は、所得の大小が原因となっている。 ということであり、このような関係が存在することを、ケインズが提唱したので、ケインズ型消費関数といわれる。 (例) 毎月のバイト代収入が5万円の人と、3万円の人では、一般的に5万円の人のほうが多く使うことができる。

しかし、消費額の大小を決定する原因は所得だけでよいであろうか? (例) 毎月のバイト代収入が5万円の人と、3万円の人では、一般的に5万円の人のほうが多く使うことができる。     ここで、毎月のバイト代が5万円の人が2人いたとしよう。その2人のうち1人は貯蓄が0円、もう1人は100万円の貯蓄があったとする。     この2人の所得は等しい。なので、消費額は同じぐらいになるはずであるが、100万円の貯蓄がある人は、その貯蓄を崩して消費することも可能である。     すなわち、消費額の大小は、所得だけでなく、資産(預貯金以外に、株式などを含めたもの)の大小によって決定されるのではないであろうか? Y(消費) = α + β X(所得) + γ W(資産) ↑ ↑ ↑ 結果 原因1 原因2 † このようなモデルはトービンによって提唱された

説明変数が複数ある回帰モデルのことを重回帰モデルといい、重回帰モデルを用いた分析のことを重回帰分析という。 (説明変数が1つのモデルは単回帰モデル(または単純回帰モデル)といい、単回帰モデルを用いた分析のことを単回帰分析(または単純回帰分析)という) 重回帰モデルは次のような式で表される。 Y = α + βX + γW + δZ + ・・・ Y = α + β1X1 + β2X2 + β3X3 + ・・・       (説明変数とその係数を添え字つきの変数で表したもの) Y = β0 + β1X1 + β2X2 + β3X3 + ・・・      (上の式の定数の部分も添え字つきの表現をしたもの) 重回帰モデルの中には説明変数が多数のモデルもあるので、別々のアルファベットで表現するには不十分となり、添え字つきの変数で表現されることがある。

3変数(説明変数が2つ)の場合の重回帰モデル Y 3変数の場合には回帰直線ではなく、回帰平面になる。 この場合、最小2乗法は各点と回帰平面との垂直方向の距離(これが残差)の2乗和が最小になるように平面を描くことである。 最小2乗法で求めた回帰平面の係数推定値は次のようになる。 W × × × × 回帰平面 Y=α+βX+cW X

決定係数は、説明変数の数を増やせば増やすほど、説明変数と被説明変数の間に因果関係が見られなくても1に近づく 自由度修正済み決定係数 単回帰分析において、回帰モデルのあてはまり具合の尺度として決定係数を紹介した。 重回帰分析においても、決定係数は回帰モデルのあてはまり具合の尺度となる。 しかし、決定係数には次のような欠点がある。  決定係数は、説明変数の数を増やせば増やすほど、説明変数と被説明変数の間に因果関係が見られなくても1に近づく  すなわち、Y(消費)=α+βX(所得)+γW というモデルの変数Wに、全く関係ないデータ(たとえば、阪神タイガースの順位のデータとか、交通事故死亡者数のデータとか)を用いても、単回帰モデルより決定係数が1に近づく。

そこで、決定係数に説明変数の数を考慮して修正を加えた、自由度修正済み決定係数が用いられる。 自由度修正済み決定係数は次のように定義される。   ただし、   である。 自由度修正済み決定係数と決定係数には、次のような関係がある。 k: 変数の数

自由度修正済み決定係数 は負の値をとることもある。 自由度修正済み決定係数  は負の値をとることもある。   (例) n=4, k=3,R2=0.5 のとき 自由度修正済み決定係数は、説明変数の数が異なる複数のモデルで、どちらのモデルが回帰のあてはまりが良いかを判断するときなどに用いられる。 たとえば消費関数において、  のいずれのモデルが良いかを判断するためには、決定係数ではなく、自由度修正済み決定係数が有効である。