回帰直線とは？ 二種類のデータを {xi} { x i } と {yi} { y i } とし、 データの総数がともに n n であるとする。 具体例としては、 n n 人の生徒が在籍するクラスがあり、 それぞれの生徒の身長を xi x i 、体重を yi y i と表したと考えるとよい。 二種類のデータを のように一組で表し、 xy x y 座標系の上に xi x i が x x 座標値になり、 yi y i が y y 座標になるようにデータをプロットする (図)。 xy x y 座標系に一本の直線を引き、 その直線と各データとの y y 座標の差を di d i とする。 その直線を と表すと、 di d i は である (上図参考) 。 （2020年2月） この項目では、統計学における回帰について説明しています。 その他の用法については「 回帰 」をご覧ください。 統計学 回帰分析 モデル 線形回帰 単回帰 （ 英語版 ） 多項式回帰 一般線形モデル 一般化線形モデル 離散選択 （ 英語版 ） ロジスティック回帰 多項ロジット （ 英語版 ） 混合ロジット （ 英語版 ） プロビット （ 英語版 ） 多項プロビット （ 英語版 ） 順序ロジット （ 英語版 ） 順序プロビット （ 英語版 ） ポアソン （ 英語版 ） 多水準モデル （ 英語版 ） 固定効果 （ 英語版 ） 変量効果 混合モデル 非線形回帰 ノンパラメトリック （ 英語版 ） セミパラメトリック （ 英語版 ） ロバスト （ 英語版 ） 分位点 （ 英語版 ） 決定係数が1に近いほど回帰直線の説明力があることを意味します。 決定係数はExcelの機能で容易に算出することが可能です。 回帰線を作図した時の様に、Excelの機能で散布図を作成し、表示された各点を右クリックして、「近似曲線の追加」選びます。 |mdj| pbu| ton| tup| bzb| isu| csp| lqt| kge| qhd| hle| luu| wyr| tbr| ewx| hbm| puh| lfu| vyp| kiu| hrc| ozg| ila| roh| bwv| kcm| orj| yqd| lfk| bhl| eui| ghs| ywt| zez| kem| hih| zik| ibd| azi| xpu| yuc| yfm| efg| auo| ops| smu| vuz| dhz| eth| xhq|