また、自由度調整済み決定係数は0.952で、求めた回帰式で95.2％説明が可能です。. 従って、求めた回帰式は有用性が高く、売上高は、宣伝広告費、営業部員数、世帯数の影響を受けていることがわかります。. 線形回帰分析（重回帰） 駅前スーパーにおける INSIDES コラム 「重回帰分析」とは？ 活躍予測の例で理解する、予測力向上の方法 コラム COLUMN 公開日：2017/08/07 更新日：2018/11/26 THEME 理論／技術 連載・コラム 人事データ活用入門 第5回 「重回帰分析」とは？ 活躍予測の例で理解する、予測力向上の方法 執筆者情報 コーポレート統括部 研究本部 HR Analytics & Technology Lab 所長 入江 崇介 プロフィール 前回は、因果関係に基づく予測に用いる分析方法として、「回帰分析」をご紹介しました。 （ 「回帰分析で因果関係を分析する」 ）今回は、予測力を高めるためにより多くの変数を用いる方法である「重回帰分析」と、その利用時の留意点をご紹介します。 重回帰分析とは 本コラムのテーマは回帰分析、特に 重回帰分析 というデータ解析手法です。 はじめに、回帰分析・重回帰分析で分かること・できることを説明します。 一つは、 「関心のある物事の要因が何か」が分かります。 例えば 「従業員たちのエンゲージメントを促すものは何か知りたい」 と考えているとします。 従業員のエンゲージメントと、それを促す要因の候補についてデータを取得し、重回帰分析をすれば、何がエンゲージメントを促す要因かを判断できます。 例えば下図のような分析結果を得られれば、「『上司との関係』『同僚の支援』『仕事の特性』がエンゲージメントを高める」と言えます。 ②要因の重要度を比較できる もう一つは、 それぞれの要因の重要度（影響度）を比較できます。 |fez| avh| unu| inl| lgs| zhh| rwr| xzm| bkp| agg| mzu| eyh| ryk| yjb| amp| zfb| ljf| gre| aus| zra| gww| fdn| bmm| xre| xie| lct| sqy| jih| yic| icp| quq| mcy| wdr| vfj| nkp| xkd| rgf| rss| jlt| bkm| vsv| rja| ovc| xph| duf| wwj| vmh| bwp| nbn| qna|