【中止】回帰分析の基礎と実際〜回帰モデルの基礎から非線形回帰モデルの構築方法、モデル推定のポイントまで〜【Rによる実際の分析のデモも行います（Rソース配布）】

モデル推定における「モデルの良さ」の考え方と
「良い」モデルを得るための方法を解説！
受講者の皆様にＲソースを配布します！

講師

滋賀大学　データサイエンス学部　准教授 博士（機能数理学） 松井 秀俊 先生

講師紹介

九州大学大学院数理学府　博士後期課程　修了後、株式会社ニコンシステム、
九州大学大学院数理学研究院を経て現職。

受講料

1名43,000円 + 税、(資料・昼食付) 　
＊1社2名以上同時申込の場合 、1名につき33,000円 + 税 　
※消費税につきましては講習会開催日の税率にて課税致します。 　　　　　
＊学校法人割引 ；学生、教員のご参加は受講料50％割引。

セミナーポイント

　おもりの重さとばねの伸びとの関係のように、一方の変数が他の変数によって
ある程度説明できるとき、これらの関係をモデル化したものは回帰モデルとよばれる。
回帰モデルの中で最も基本的なものは、2つの変数間の関係が線形、すなわち直線で表される
線形回帰モデルであるが、線形回帰モデルでは、変数間に潜んでいる真の関係性を
明らかにするには不十分な場合が多い。
　本講演では、説明変数が複数与えられた場合に用いられる線形重回帰モデルをはじめ、
目的変数が比率や2値で与えられた場合に用いられるロジスティック回帰モデル、
そして、線形回帰モデルをより柔軟にした非線形回帰モデルについて紹介する。
また、モデルの推定において重要となる変数選択問題についても解説する。
　講義中に、それぞれの内容について、Rによる実際の分析も行う。

■この講座を受講して得られる情報・知見：
　回帰モデルに対する知識や理解を深めてもらうことを目的としています。
線形回帰モデルだけでなくロジスティック回帰モデル、非線形回帰モデルの構築方法や
推定の流れを解説します。また、モデル推定においては「モデルの良さ」をどう捉えるかが
重要となるので、その考え方についても解説します。そのうえで、「良い」モデルを
得るための方法について説明します。
　また、回帰モデルだけでなく様々な統計モデルを使ってデータを分析する際に重要な
概念である「教師あり学習」「教師なし学習」についても説明します。

セミナー内容

1　線形回帰モデル
　1.1　線形回帰モデル
　　・データを「統計モデル」で説明する
　　・回帰モデルの意味
　　　（説明変数と目的変数）
　　・最小二乗法による重回帰モデルの推定
　　・モデルのデータへの「当てはまりの良さ」
　　・リッジ回帰とlasso

　1.2　モデル選択
　　・当てはまりが良ければいいとは限らない
　　・重回帰モデルが適用できない場合
　　　（高次元データ、多重共線性）
　　・変数選択問題とは（モデルの「良さ」とは）
　　・変数選択基準（交差検証法・AIC・BIC）

2　ロジスティック回帰モデル
　2.1　様々な種類の目的変数
　　・比率データ
　　・2値データ

　2.2　ロジスティック回帰モデル
　　・比率データの当てはめ
　　・2値データの当てはめ
　　・ロジスティック回帰モデルによる判別

　2.3　教師あり学習と教師なし学習

3　非線形回帰モデル
　3.1　線形から非線形へ
　　・多項式回帰モデルを用いた曲線推定
　　・多項式の次数の選択

　3.2　非線形回帰モデル
　　・基底関数展開
　　・スプライン
　　・基底関数の個数の選択

　3.3　正則化法
　　・滑らかでない曲線に対して「罰則」を課す
　　・曲線の滑らかさとデータへの当てはまりの「拮抗関係」
　　・正則化法による非線形回帰モデルの推定

＜質疑応答＞