単回帰分析応用における信頼区間と逆推定による管理基準作成

更新日

投稿日

 母体から、20個とか50個をサンプリングしてきてその平均をとった場合、母体の真の平均からずれますが、どの程度ずれているのかがわかれば非常にアクションがとりやすくなります。リスクマネジメントしやすいということです。ズレ幅の計算により、予想値が小さいときには投資しないとか、その逆なら投資しようとかの判断にも使えます。
 
 この計算は、信頼区間からできます。又、計算方法は若干違いますが、単回帰分析における直線の式に関しても通じます。信頼区間というのは、点推定(標本平均)に対して、信頼水準を設定した後で計算する、いわば、ばらつく範囲の予想みたいなものです。さらに、信頼水準とは、有意水準αとして、(1-α)としたもので、95%あたりがよく使われます。この辺の厳密な話は別にして、95%とれば、大抵のことは推定できます。信頼区間は、回帰式±信頼区間幅 で、実際の計算は下記のようになります。
  SQC
 今、あるデータの(x、y)を上記計算で図1のようになったとします。
 
  SQC  
             図1. 温度xに対する膜厚の出来栄え (n=20)
 
 図1は、温度xがいくらの時に膜厚yがどの程度ばらつくか、ということです。通常は、信頼区間よりは予測区間に関心があるので、図1の青点線がその範囲になります。温度が320℃なら、膜厚yは258から275までばらつくといった予測になります。この範囲に95%が入ってくるということです。(100回実験すれば95回はここへ入る)
 
 膜厚の上限が280ぐらいなら問題ないが270であれば、不適合が発生する可能性大です。そういう見方をすれば、このデータしかない場合のリスク管理がしやすくなります。それでは、膜厚の規格が決まっている場合、逆に温度は何度である必要があるでしょうか? 膜厚の規格を270から290として考えてみましょう。
 
  SQC 
               図2. 出来栄え規格から原因系規格を設定の例(誤用)
 
 図2では、予測の上下限を使って、区間推定から原因系の温度範囲を求めています。その結果、330℃から335℃になります。(図2の矢印値を読む) 一見正しそうですが、よくある誤用です。回帰は、xからみたときのyのばらつきを解析しているので、yからみたときのxのばらつきを考慮していません。yからみて、xがどうなるのかは、グラフの縦横を入れ替えて考えないといけません。(逆推定という)これは、センタ―ラインである回帰直線についても同様のことです。xとyを入れ替えるだけなので、計算は同様ですが、解析結果は変わります。式は、下記のようになります。
     SQC 
 図示すると、
 
  SQC
               図3. 膜厚yに対する温度xの区間推定
      SQC
                          図4. 膜厚規格から温度範囲を設定する図
 
 図4から、膜厚を270~290にしたいなら、温度は331℃から332℃にコントロールが必要となります。図2から読み取った場合は、330℃から335℃でしたから、温度制御範囲幅は5度から1度に変わります。量産での投資設備はこれを満たすものでなければいけませんし、既存装置で製造なら不適合発生率を推定しコスト対応しないといけません。傾きが1でない場合や、平均付近から離れた場合の推定の場合、コントロール範囲が解析方法で大きく変わります。注意が必要です。
 
・補足1.
 x(横軸)からy(縦軸)の普通の回帰式は、図1、図2の右上に記載されていますが、y=1.1244x-94.758  です。これをxについて解くと、x=0.8894y+84.274 (式3)となります。あきらかに、逆推定の場合の式 x=0.7473y+123.220 と異なっています。信頼区間もこれにつれて異なったものとなります。
 
・補足2.
 x(横軸)には原因系を、y(縦軸)には結果系をというのが基本であって、このため、横軸変数に対する回帰を考えているので、これを入れ替えて考えるのはおかしいという考え方もあります...
 母体から、20個とか50個をサンプリングしてきてその平均をとった場合、母体の真の平均からずれますが、どの程度ずれているのかがわかれば非常にアクションがとりやすくなります。リスクマネジメントしやすいということです。ズレ幅の計算により、予想値が小さいときには投資しないとか、その逆なら投資しようとかの判断にも使えます。
 
 この計算は、信頼区間からできます。又、計算方法は若干違いますが、単回帰分析における直線の式に関しても通じます。信頼区間というのは、点推定(標本平均)に対して、信頼水準を設定した後で計算する、いわば、ばらつく範囲の予想みたいなものです。さらに、信頼水準とは、有意水準αとして、(1-α)としたもので、95%あたりがよく使われます。この辺の厳密な話は別にして、95%とれば、大抵のことは推定できます。信頼区間は、回帰式±信頼区間幅 で、実際の計算は下記のようになります。
  SQC
 今、あるデータの(x、y)を上記計算で図1のようになったとします。
 
  SQC  
             図1. 温度xに対する膜厚の出来栄え (n=20)
 
 図1は、温度xがいくらの時に膜厚yがどの程度ばらつくか、ということです。通常は、信頼区間よりは予測区間に関心があるので、図1の青点線がその範囲になります。温度が320℃なら、膜厚yは258から275までばらつくといった予測になります。この範囲に95%が入ってくるということです。(100回実験すれば95回はここへ入る)
 
 膜厚の上限が280ぐらいなら問題ないが270であれば、不適合が発生する可能性大です。そういう見方をすれば、このデータしかない場合のリスク管理がしやすくなります。それでは、膜厚の規格が決まっている場合、逆に温度は何度である必要があるでしょうか? 膜厚の規格を270から290として考えてみましょう。
 
  SQC 
               図2. 出来栄え規格から原因系規格を設定の例(誤用)
 
 図2では、予測の上下限を使って、区間推定から原因系の温度範囲を求めています。その結果、330℃から335℃になります。(図2の矢印値を読む) 一見正しそうですが、よくある誤用です。回帰は、xからみたときのyのばらつきを解析しているので、yからみたときのxのばらつきを考慮していません。yからみて、xがどうなるのかは、グラフの縦横を入れ替えて考えないといけません。(逆推定という)これは、センタ―ラインである回帰直線についても同様のことです。xとyを入れ替えるだけなので、計算は同様ですが、解析結果は変わります。式は、下記のようになります。
     SQC 
 図示すると、
 
  SQC
               図3. 膜厚yに対する温度xの区間推定
      SQC
                          図4. 膜厚規格から温度範囲を設定する図
 
 図4から、膜厚を270~290にしたいなら、温度は331℃から332℃にコントロールが必要となります。図2から読み取った場合は、330℃から335℃でしたから、温度制御範囲幅は5度から1度に変わります。量産での投資設備はこれを満たすものでなければいけませんし、既存装置で製造なら不適合発生率を推定しコスト対応しないといけません。傾きが1でない場合や、平均付近から離れた場合の推定の場合、コントロール範囲が解析方法で大きく変わります。注意が必要です。
 
・補足1.
 x(横軸)からy(縦軸)の普通の回帰式は、図1、図2の右上に記載されていますが、y=1.1244x-94.758  です。これをxについて解くと、x=0.8894y+84.274 (式3)となります。あきらかに、逆推定の場合の式 x=0.7473y+123.220 と異なっています。信頼区間もこれにつれて異なったものとなります。
 
・補足2.
 x(横軸)には原因系を、y(縦軸)には結果系をというのが基本であって、このため、横軸変数に対する回帰を考えているので、これを入れ替えて考えるのはおかしいという考え方もあります。要は、補足1の式3で推定すべきだという考え方です。しかし、結果から原因を推定したいというときは間違いです。 又、両軸共に結果系をもってきた場合にのみ、逆推定は成り立つという説もあります。しかし、これはあきらかに間違っています。結果系同士を回帰するのであれば、回帰直線への垂線の足の距離二乗和を最小にするよう解析すべきで、根本から計算モデルが変わります。
 
(参考)回帰の逆推定については、「多変量解析法」(日科技連、奥野他) p84~p92
 
 

   続きを読むには・・・


この記事の著者

村島 繁延

QCDはバランスさせるものではなく、全て両立させるものだという信念で向かいます。一石三鳥を狙った成果を目指します。

QCDはバランスさせるものではなく、全て両立させるものだという信念で向かいます。一石三鳥を狙った成果を目指します。


「回帰分析」の他のキーワード解説記事

もっと見る
層別因子を含むデータ解析 【連載記事紹介】

  層別因子を含むデータ解析の連載記事が無料でお読みいただけます! ◆【特集】 連載記事紹介:連載記事のタイトルをまとめて紹介、各タイト...

  層別因子を含むデータ解析の連載記事が無料でお読みいただけます! ◆【特集】 連載記事紹介:連載記事のタイトルをまとめて紹介、各タイト...


重回帰分析とは

         今回は、重回帰分析をおこなうために、ある目的変数に対して相関分析を行い、相関係数の高い項目をピッアップし、回帰式を作成したい場合を...

         今回は、重回帰分析をおこなうために、ある目的変数に対して相関分析を行い、相関係数の高い項目をピッアップし、回帰式を作成したい場合を...


回帰分析のリスキリング 【厳選記事紹介】おすすめセミナーもご紹介

  回帰分析の学び直しに厳選記事が無料でお読みいただけます!   ◆こんな方におすすめ!=回帰分析を学び直したい!= 「回...

  回帰分析の学び直しに厳選記事が無料でお読みいただけます!   ◆こんな方におすすめ!=回帰分析を学び直したい!= 「回...


「回帰分析」の活用事例

もっと見る
回帰分析の応用事例

   今回は、統計手法の一つである「回帰分析」の解析事例を解説します。    事例として、ほぼ同じタイミングで製造を開始した製品(約200個)に現時...

   今回は、統計手法の一つである「回帰分析」の解析事例を解説します。    事例として、ほぼ同じタイミングで製造を開始した製品(約200個)に現時...


統計手法による改善事例:検査コスト削減〔回帰分析〕

 製造メーカーG社は製品品質の保証を最終分析結果にて行っていましたが、分析結果を待っての出荷となる為、 生産計画が組みにくい問題点を抱えていました。最終検...

 製造メーカーG社は製品品質の保証を最終分析結果にて行っていましたが、分析結果を待っての出荷となる為、 生産計画が組みにくい問題点を抱えていました。最終検...