重回帰分析の「t」「P-値」の説明がもう少し欲しいです。
勉強しておきます。
1度で理解できるレベルではなかったので繰り返し見てみようと思う。
重回帰分析のエクセル分析方法の紹介も欲しかった。
係数、切片、決定係数がどう導き出されるのかわからず、全体的に理解が進みません。
まだまだ腑に落ちていない。
t値とp値については、詳しく確認する必要あり。
人事部門においては、例えば従業員の「自己申告サーベイデータ」と「年次評価」との相関関係を調べることができる。
もくしは、「採用後のパフォーマンス(評価)」を「面接時の評価」、「SPIの結果」や「出身大学の偏差値」などと重回帰分析しても面白い結果が出るかもしれない。
目的変数・説明変数の説明もあったほうが良いと思います。
t値 : それぞれの説明変数が目的変数に与える影響の大きさ。係数を標準誤差で割ると算出できる。2以上だと、影響がある。
p値 : t値の絶対値をパーセント表示したもの。意味のなさを表すので、小さいほど良い。
分析は過去データに基づくため、将来予測の参考値であることを忘れずに利用したいと思います。
今まで回帰分析をしたことがなかったので、今回の学びを生かしてエクセルを活用して回帰分析してみたい。
今まで標準偏差などを用いていたが、
Excel機能で簡単に検出できることを知って、
嬉しいような残念な、複雑な心境です。
統計学は数式の組合せが複雑と思っていましたが、
機能で簡単に出せることを知る情報収集能力が必要と感じました。
単回帰分析、重回帰分析について理解できた。ただ、R二乗やtやpがどのように求めた値なのかがよく分からず、tやpはそれ自体がよく分からなかった
意味のある変数の組み合わせを見つけることが至難であり、
それは過去からの蓄積、普段から引き出しを増やしていくしかないと思った。
それら変数がどの程度結果に影響を与えているか確かめる術としてはこの上ない武器であると感じた。
基本概念は理解。一方でt、p値、R等の英語イニシャルはすんなりとは頭に入っててこんかった。
実際に何か具体例を自分で取り上げて計算式を使わないと中々理解しにくいと感じたが、アイスの例は非常にわかりやすかった。
だんだん難しくなってきた。
重回帰分析を用いる事が少ない為、今後活かしていきます。。
「数値化する」とは面白いなと思いました。
ダミーを入れると複雑になって分かりにくくなったが、数値を予測する上では不可欠だと感じた
急に関数が出てきて難しかった
これもエクセルでできるの知りませんでした。要復習。
目安:
t ≧ 2
p ≦ 0.1
実験作業で出てきたデータの回帰分析は良く行っていたが、その他の事象にも使えそうだと思った。
重回帰分析のやり方を勉強してみたい。
工場での生産数量の計画立案に効果的ですね。営業のセールス拡大にも活用できるのか気になりました。
重回帰分析が難しくて理解が出来なかった。淡々と数値の説明をするだけでなく、グラフ化するなど視覚化すれば分かりやすかったと思う。また、最後のセンテンスで条件が異なる場合は分けて分析を行うと良いとの説明だが、天候は晴れとそれ以外の2通りしかないなら、それぞれを分けて分析をした方が単純でわかりやすかったのでは?
重回帰分析の場合、tp値を見ることでどの変数がより影響しているかわかることが勉強になりました。
回帰分析は、「①どの変数に関係があるかを明らかにすることで、施策検討に活かせる。②変数間の関係性を知ることで、知りたい情報の予測ができる。」ということがわかりました。
こういう分析法があったな、ということを覚えておき、将来必要になったときに活用したいと思います。
月間の売上分析、イベント出店時の売上分析を行う際などに活用できそう。
傾向がつかめれば売上予測、販売戦略に活用できる。
重回帰分析のエクセル操作まで説明があれば尚良かった。
業務内では、定量性のない変数 (今回でいう天気)などは外して解析することが多かった。予測精度を高められる可能性もあるため、ダミー変数なども活用してみたい。
理解するのご難しい内容だったが、試してみることで身につけていきたい。
係数、補正の出し方や、回帰分析を行う際、有効である組み合わせをよく考えてたり違う角度で試して結論を出していく重要性を感じた。
因果関係を把握し、分析に基づいたビジネスのヒントを少しでも得られるとよかったが数式など、難しかったので、また学びたい。
R-2乗の意味が理解出来た。どういう関係があるか知ることが出来るが、業務や日常で活用できるかどうかはわからない。
回帰分析を業務で活かすには、R^2・t・p値がどのような式から算出され、それぞれどのような意味を持つのか、理解しておく必要があると思います。
t値、p値など理解するため少し練習問題などもう少し欲しいところでした。
今一つ、ピンとこなかったのは私だけかな・・・
様々な分析を行うことが出来ることが分かった。
営業における、施設の分析、攻略
将来の数値予測の分析に役立てられる
複数要素の相関性を見たり、各要素の影響度から目的変数の目標値を得るために必要な数を求める等に活用できそう。
現業務の効率化を図るのに回帰分析が活用出来そうです。
回帰分析の仕方がよくわかっていなかったので、大変参考になりました。
日ごろの業務の中で回帰分析に用いられそうな変数がないかを意識することは面白いと思う。
これまでの事例から将来の予測をすることで業務の効率につなげることができる。
製品Aを購入する顧客数を予測するために、客単価とプラスメニュー数との関係を調べる。
数字での根拠づくりに役立ちそう
計算式が出てくるむずかしく感じる
対策の効果を測るために、回帰分析が使用できる可能性があるのでトライしてみる。
回帰分析をわかりやすい文章などが欲しいです。
理解できるレベルではありませんので。
なかなか難しいスキルであるが理解を深め活用したい
重回帰分析は傾向を掴むのに役立ちそう
ある2つの事象の重回帰分析を行って、R(決定係数)/t値/p値を把握するは、将来の類似事象の予測に有効と理解しました。
業務で単回帰分析は頻繁に使っていたが重回帰分析も使っていこうと考える。
また実験計画法も使っていないことを思い出しました。
統計手法を織り交ぜ予測を正確にしていきます。
難しい
重回帰分析の内容がわかりづらい
重回帰分析のエクセルのやり方について詳しく記述されてるとよりよい。
参加者の属性との関係性の分析
販売予測に役立てたい
実際に、事例のようなきれいなグラフが描けるものでしょうか。。
いかに効果的な変数を設定するかが肝になってくると感じました。
実際のデータを用いて、どのような結果を得ることができるのかを複数回試してみたいと思う。
データのサンプルがあると嬉しい。
少し難しかったです。冬場に脳梗塞の患者が増える説の分析に使えそうな気はします。
業務上で使用する様々なデータについて、そのような相関があるか、注意して取り扱うことで、回帰による予測に生かせるようなデータを見つけていきたい。
目的変数と説明変数の関係式を算定し、数値を予測する活用法が有用と考えられる。
今回の例題のように、気温と取り扱い量が大きく影響する業態ともお付き合いが多いので、季節波動などから確認してみたい。
重回帰分析の説明が、あっさりとしていてわかりにくい。
過去のデータから将来の販売予測をしISP精度向上することによって、お客様の希望納期に対応するとともに在庫削減による経営への貢献を目指す。
よくわからなかった。
感覚で感じていることが正しいか、数値の根拠を持つ
計算はとにかく難しそう。
だが色々な情報から相関関係をみつけるには計算式を把握することで今予想できてないものへの対策ができると感じる
傾向・将来予測から施策検討を行ってきたが、回帰分析のような考え方や計算はやったことが無かった。とても参考になった。
部署で企画しているオンラインコンテンツがどのような方に、どんな風に閲覧されているかを調べることができる
分析を前提としたアンケートの作成に役立てそうです
費用の傾向を見るために使えそう
もう少し具体的な例も知りたくなりました。
復習し今後に活かしていきたい
過去のデータから将来の予測ができることが便利だと思った。
飲食店で冬場に売れる商品を検討。気温の変数に合わせどの商材の売上が伸びるかを検討する
経験から漠然と感じていたことが、データとしてあらわすことで明確になりそう。ただ、具体的なイメージがわいていないが、何か試しに使ってみたい
商品の販売計画
気温と食べ物の耐久日数
R,t,pの求め方が知りたかった。
管理中物件における修繕発生件数(テナント対応件数)を、説明変数を築年数、年齢層、管理戸数に、目的変数を修繕件数に置くとこにより求めることができる。
求めたのち、対応に必要な人数を導き出す。
来店客数予測
言葉は知っていましたが、単回帰、重回帰の違い、それぞれの可能な分析内容の理解が深まった。
回帰分析は利用してきたが、その結果をどう活かすか?について知見が深まった。
売上予測に根拠を持たせられる
重回帰分析はあまり活用できていなかったので、試してみたいと思った。
自身の業務であるオンラインイベントのチケットの売り上げ予測に活用できると感じた。
分析の精度を上げるためには、元となるデータの件数も十分多い必要があるのだろうと思いました。
やはりエクセルで分析ができることが分かったことが有意義だった。
身近にあるデータにもっと目を向けて活用し、できることから分析してみようと改めて思いました。
取引先の売上分析
過去の実績、統計を有効に分析して、将来の予測、戦略立案に回帰分析は必須の考察手段である。
是非エクセルで実践してみたい。
エクセルにそのような機能があるのですね。使用してみたいと思います。
重回帰分析のt値2以上、p値0.1以下の判断基準は、忘れていたので再度それぞれの定義含めて確認したいと思います。
システム運用におけるインシデント数の分類ごとに説明変数を設定し、その対処コストを目的変数にし、決定件数などを決定する
そのようなインシデントが多いとコストが増大するかを分析する
エクセルで分析出来るのはありがたい。
tとPの理解がもう少し必要。
過去の実績をもとに未来を予測するとはどういうものかを知ることができた。問題は変数の組み合わせであり、どれが即しているかを調べるのは様々な要素の組み合わせが関係しているのだと改めて思い知った。
自身が実施する施策の前後で説明変数を設定し、直接的に関係性を検証したくなってしまうが、実際は、多様な変数の可能性を想定し、施策の有無にかかわらず関係性を評価すべきだと、意識させられた。
ある業種GDPとオフィス賃料との分析等
案件数の予測に活用したい
あまり使用する機会はないが、考え方は頭の片隅にいれておきたい。
根拠説明時に必要に応じて活用する
エクセルを用いて実際に分析してみることが重要であると感じた。
回帰分析を扱うためには普段から関係がありそうな変数のデータを収集する方法を考えておく事が重要だと感じます。
重回帰分析のExcelの使い方が欲しかった
過去に起きた事故が再発しないよう、原因分析に使えそう。特に、独立した原因が複数ある場合に、重回帰分析モデルで+で繋げて数式で表すことができるのが魅力。
重回帰分析が難しすぎて、あまり理解できなかったので仕事に応用するために、もう少し簡単な学習ツールを探し学習してから
再度トライしてみます…!
実際に分析にあたって全ての有効変数を洗い出すのは難しいので、AIに頼る場面が多くなってくる気がします。
tとpだけいきなり出てきたので説明が早かった。
データの関係性を分析・整理することが重要
BtoCのマーケット分析に役立つ
営業売上や顧客情報との紐づきで様々な予測に使えそうだと思いました。
難しい
Excelの回帰分析を使用したことがないので使ってみようと思います。
まだまだ活用はおろか、説明も自分ではできないので、このような考え方があることが知れただけです。
業務で活用するにはより関係性のある係数を見るけることが重要である
単回帰分析は良く知っていましたが、実生活や業務では重回帰分析の方が主になると思われ、様々な事柄で相関を見出すのは非常に有用であると感じます。
回帰分析の基本について理解できた。
さまざまな場面で活用できると感じた。
エクセルで簡単に分析できることを学んだ
おかげ様です。
自分の予想しない範囲の要素について調べることが大切だと考えます
実際にデータをいじってみないと理解が深まらなさそうなので、国の統計データとかで練習してみよう
業績の変動要因分析
関係性の深い変数を選択する事が正しい分析に繋がる。
重回帰分析はもう少し説明や図示、例が無いと理解できない
活用するためにもより詳細な学習が必要だと感じた
実際にエクセルを触ってみないことにはいまひとつ実感が湧きませんでした
テナント営業の成約率を調べるときに使いたいと思います。
もっと詳しく知りたいと思った。
説明が少し難しかったので、再度復習したいと思います。
回帰分析の基本的な部分を理解できました。
重回帰分析の理解が難しかったです。もう一度勉強してみます。
回帰分析と重回帰分析なんとなくわかった。
冒頭、相関分析との違いが分からなくなりましたが、他サイトの説明を読んで解決しました。
仕事の上では、「t、 P-値、補正R-2乗」は、機械的に意味と使い方を覚えるに留めようと思いました。excelで簡単に算出できるので。
他の方のコメントの通り、T,とP値に関して詳しくしりたいです。
晴れなどのデータも数値化して定量的に捉えられると説得力が増すと感じた。
t値とP値の説明がなく、わかりにくかった。
今回の内容は相関性の強弱をみるのに活用できると思った。
色々な関係を探るときに使えるようになりたい
難しく感じた。売上と曜日、連休前受注金額と連休の日数などでみれられるのかなと感じた。
データ分析結果が信用に値するものか、tやP値で判断できるので、活用してみたい
勉強になりました。
単回帰分析同様エクセルでの重回帰分析の方法を知りたい
s
電気自動車の販売台数と充電スポットの数や補助金の額、自動車の巡行距離などとの関係を調査する。
多量のデータ処理に活用できる
売り上げなど連続データが用意できるもので、未来需要予測が必要なものには活用したいと思う。
業務において、将来的な予想をする場合に回帰分析が有効ということを理解した。業務上の営業目的の管理において、サービスの販売目標を設定する場合にも有効となる。
1度では理解できないと思うので、適宜復習していきたい
見積りや課題の収束予想に生かします
ここはかなり難しい。実例をもとに計算しないとイメージが湧かない
かけた工数と採用率
回帰分析という言葉を理解していなかったものの、今後は意識しながら推進していく
人間の行動パターン分析にも活用できるだろうか?
関係性を見つけ、仮説に基づいて、見ていく必要性がある。また、その感覚を数値化で証明するのに役立つと思う
定量的な根拠を持つことにより、より納得感の高い主張をすることができる。
まず、よくわかりませんでした。その上で、モノを売る以外で、ミスの頻度や不正につながる指摘の頻度を天気や繁忙期(賞品が多く売れたとか、入庫や来場が多い日)とかで予測できるものでしょうか?
重回帰分析の基礎が理解出来た
企画作成、報告書の作成。
熱中症対策の方向性の決定。
一見関連がなさそうな事項の関連性が見いだせる
まずエクセルで試す事からはじめようと思う。
実際は説明変数を決めることが難しいので、データをより多く集めることが適正な回帰分析に繋がっていくと考えます。
粉の乾燥工程でトラブル発生時の時間帯や外気の温度、湿度によって粉の物性の変化について分析したいと思います。
営業活動における様々なデータの関係性を調べてみたくなった。
重回帰分析によって商品の売り上げと他の変数の関係を見出すことができる。
数式の理解が難しいです。特に絶対値、p値などが何を指しているのか、実務にどう繋がっているのかまだイメージできていません。
モデル選択の説明はあるが、マルチコについての説明がない。
あと、信頼区間の説明もない。
あと、予測に触れるのであれば、学習誤差と予測誤差と予測分布ぐらいまでは、説明してほしい。
そうしないと、ここだけで学んだ人が、データ分析なんて、エクセルでチョチョイのチョイだろうと誤解して、各組織内で必要な教育投資を誤解する恐れがある。
心理学では研究のデータの信頼性を見ることが出来る。
商品に関しては、実際の販売個数を基に今年の売り上げや予算設定を行うことが出来る。
店舗での業務では売るための工夫として日々新たな取り組みが加えられているが、その効果を実証する手段として使えるのではないかと思います。
売上という結果に直接影響が少ないものを省略しつつ新たな取り組みを加えていったらよいと思います。
普段の業務に活かせるようにしたいと思います。
使いこなせるまで時間がかかりそうです。時間をかけてチャレンジします。
概念としては理解できました。説明変数をトライ&エラーで検証することで、日常で目にする情報への感度が上がっていくのではないかと感じました。
製品故障のデータと運用データ
利用頻度と天候、
等々の相関分析に応用できる。
計算自体はエクセルに任せるという方向で、活用が重視されたコンテンツだった。
とても有効。
売上予測、在庫数管理などの活用できる。同じ種類の変数を用いて過去と現在を比較することで改善すべき変数が何を導き出すことが出来る。
前提条件での層別にセンスが必要。説明変数の抽出にはチームで特性要因図等で漏れなく行う。重回帰分析では説明変数間の多重共線性に注意して実施する。
重回帰分析の説明が難しかった
関係性がありそうなデータを漠然ではなく、回帰分析することでエビデンスとして裏付けできるようになる。見つけたり、条件を揃えるのは大変だが、これから活用してみたい。
まだ具体的なイメージがわいていないのでもう少し調べながら、使えるタイミングを探っていきたいと思います。
重回帰分析の使い方がイメージできたので、DM送付の有効先検討に使用したい
重回帰分析は難しいな、、自身の
具体例にあてはめて実践してみたい
関係性を数値化して定量的に考える事が出来そうだ
相関分析と回帰分析の使い分けがまだ理解できていない。
回帰分析・重回帰分析を業務に使用したことがなかった。
設問2の正解にふさわしい設問は「活用例」ではなく「説明」ではないでしょうか。
統計学は 難しいので このように簡単な説明は大事ですが、間違った理解を招くようにも思います。
より正確な結果を出すためにも分析の異なる前提条件は分けて分析するよう気をつけます。
イベント時の仕入れ予測に使えそう
知識として入れておいた方がよいとおもった
回帰分析の具体的な使用事例を学ぶことで、業務を行う上での効果を分析するツールとして利用できるのではないかと思う。
例えば、業務の成果を数値化しづらい管理部などでは難しいが、研修を開催した際にアンケートや出席割合などを変数と利用して成果を分析することも可能ではないか。
データ分析で活用しようと思いました。
天気と在宅勤務者数の相関を調べてみたい
製造品の品質の高さには何が影響を及ぼすのか、見てみたい。
小売業で取扱製品の売り上げの増減理由を分析するのに使えると思いました。
重回帰分析について理解できた。
使用する変数の抽出が重要であり、俯瞰的かつ多角的に捉えた中から変数を選択する必要があると感じます。
エクセルでの計算結果をどう生かすか難しい。
ビジネスの場面に限らず、物事の予測で有効な手法だ。ただ、重回帰分析の解説で、補正R^2や、「t」といった値について説明が唐突に始まっており、消化不良が否めない。
実際のデータを活用して回帰分析を行い、理解を深める必要がある
施策検討時に、しっかりと数値化すると説明に説得力を持たせることが分かった。
t、p、係数等がどう決まるのか。まだ理解できていないところは、引き続き確認します。
重回帰分析のT、P-値など理解できないことが再確認できました。今後活用していきたいと思います。
難しい内容でしたので
復習したいです
気温、天候 等の環境面での販売数予測
競合店舗数 等の立地面での販売数予測
商品ごとの組み合わせでの特定商品の販売数予測
ES・CS等の内部環境での販売数予測
施策の実施精度やツール設置種別との販売数予測
店舗の人員体制での販売数予測
深堀すればもっと変数になり得る要素が多々あるはず
これらが複雑に絡み合って日々の売上になっている
この関係性を明確にする事が出来れば、
何をすれば売上がいくら伸びるのかを示す事ができ、
日々のシフト管理や発注数仕込み数の管理や
目標売上の設定等に活かせる
重回帰はSPSSなどでしかできないとおもっていた。Excelでできるなら気軽に使ってみたい。今は、やり方がネットで簡単に検索できるので、本当に便利になったと思った。
<備忘録>
t-value:2以上なら統計的に組み込むことを支持できる
*t値が「1以上2未満」の場合は分析者次第で、「この変数を使う方が実務的になるから、モデルに採用しよう」と考えても良いし、「確実な変数だけでモデルを作りたい」と考え、この変数を使わないことにしても構わない。
p-value:p値が0.05を下回った場合、有意差がある(その回帰係数が0であるという帰無仮説を棄却する)
報告書には、式に加え、補正R2とt/p値を書けば良いのかな??
重回帰分析のエクセル分析方法も説明が欲しい
販売製品が季節と関係があるかを判断可能
基本を学べました。
今まで数字を並べて予測していたことが、今回勉強した回帰分析を使うことにより数値化し、分析できるかも・・・と思ったが、深い理解には至らずどう実践していいのかわかりません。
もう少しわかりやすい動画があればいいのになぁ。
動画を見ながらyoutubeなどほかで勉強しなくちゃと思ってしまいました。
重回帰分析を使ってみたい
統計分析の際に考慮する。
回帰分析は変数同士の関係性を見る為に、いろいろな変数で分析してみることが重要
あまりExcelにもデータ分析にも触れたことのない文系学部出身にとっては、非常に難しい内容に感じた。とくに、y=A1X1+A2X2+…+bとか言われても何が何なのかわからなかった。
多変数の回帰分析も行ってみたい。
回帰分析から相関係数を導き、手雨量的に分析する
難しいないようだったので、活用できないと思う
https://data-viz-lab.com/multiple-regression-analysis
最後のポイントでも言われていたように、分析にかけるデータの選別が大事になるとおもいました。
大変勉強になりました!!!
重回帰分析、思ったよりも手軽にできることが分かった。
仮説の議論で空中戦を続けるよりもデータからファクトを見る方が早い、ということが多々あるかもしれない。
実務において、天気と作業の進行度合い等を把握するようなシーンで活用できると考える。
直感の相関関係を定量的に表すことができそうだと思った。
分析には結構スキルが必要になりますが、トライしていきます。
1回では習得できないが、今後データを検証するうえで参考になった。
エクセル関数を使って、実際にこういう事かと学んでいきたい。
重回帰分析を行う上での
変数設定のコツをつかめるよう自身で勉強したい
なんとなくは理解できました。AI講座で学んだことがでてきて予測について少しわかった気がします
単回帰分析は、自分でやってみることができそう。
重回帰分析は、読み方は分かったけど,やり方はよく分からない。
今まで知らず、用いた事のなかった考え方が学べ大変勉強になりました。
データの予測が可能になることで施策を考えやすくなる。重回帰分析はむずかしく勉強が必要
支配要因を探る際に有効な手法と考える。
回帰分析をうまく活用したい
少し難しいがExcelで表にすれば式を覚えてなくても使えるかもしれない
様々な説明変数の中から、目的変数に影響を与えるものを見つけだすのが難しいと感じていましたが、この分析を使っていろいろと試してみたいと思います。
単回帰分析が基本で実際は重回帰分析を使うことがほとんどなのだと思うので、重回帰分析について単回帰分析と同レベルの説明がアクセルでの操作方法も含めあった方が良かったな。
売上と単価の回帰分析をして傾向をみたい
重回帰分析は複数のデータを扱うときに活用する
需要の予測などに使用できる
現在の社会状況より、今後何が必要であるかなど顧客の需要を把握することができる。また、使用する電力についても簡単な予測をすることができるのではないかと考える。
製品の設計や開発を行う際にデータ間の関係性を分析し適切な設計パラメータを算出することができる。
製品の売り上げ予測に活用できると思いました。
回帰分析をしようすることで様々な変数を追加しお客様との関係を維持できると思った。
普段、複雑に絡み合った物事を判断する際に、数値化したいときに活用できる
より効率的な販売個数や受注数を導き出すときに活用できる
ある事象に関して、その他の事象がどのように関連していくかを複数の視点から考えられるようになりそうです
一般的なマーケティングや販売に役立つほか、予防保全などのソリューションにも応用できる。
重回帰分析の変数候補を絞ることは実世界では難しそうと感じた。
売上予測に役立つと思う。
異なる変数同士の関係性を漠然としてとらえるのではなく、数値化して分析できることを初めて知りました。今後、こうした場面に遭遇しても戸惑わないようにしたい。
業務で活用するには、決定係数が高いかどうかの判断も重要である。
あああ
基本的なことを再確認するのによいと思います。
現状の業務では活かせそうにありませんが、今後使えそうなことを考えていきたいと思います。
将来の予測に活用し、関係性の大きい要因を事前に把握し先手を打つ
蓄積された売上データを他のデータと組み合わせて初期分析として行う時に役に立つと思います。
実際に作業してみないと中々ピンとこないのでまた確認しようと思います。
品質分析の場面では使うかもしれないが。。
変数の選択
こんなもんかな。。。
複数の要素が関係すると思われる数値を定量化し、推定値の算出や関係性の妥当性の確認に役立てることができそう。
重回帰分析は、理論で学んだことしかなく、まだ実践で活用したことがないので、身近な数値などを試してみたいと思いました。
前提条件を揃えるという点では、過去の担当者においてどのような分析をしてきたのかを明確に残していくことで、より効率的かつ効果的な分析に繋がると感じた。
変数を自分の仕事で考える。
相場予測などの業務において、回帰分析は重要であり、重回帰分析の説明変数を探す為に常にアンテナを張りたい。
もう少しわかりやすい説明が欲しい
回帰分析結果を実務に活用するには、より深い内容を学ぶ必要あり。
改めて学べてよかったです
重回帰分析はますます面白い。使用したい。
業務にて回帰分析という言葉が出てくることが度々あるかどういうことを指すのか分かった。
業務に活かすためには、様々な変数間の関係を調べることが大事だと思います
難しい。。。。
あ
異なる事柄の関係性を分析する際に使用する
たくさんの変数の組み合わせで思ってもない結果が出そうです。
過去の障害発生、数値をもとに開発工程の障害数予測等
未だ理解不足な印象は拭えないので、何度か見直してみます。
残業量とパフォーマンス(バグ)の回帰分析などしたことはないが総ざらいしてみてもよいかもしれない。
提案までの工数・日数と受注結果および最終利益の関係性など
複数の要因からの分析
excel活用してみようと思う
品質への影響がある要素の相関性を比較できる。
重回帰分析を考えてみたいと思った。
食堂の利用者数、イベントに来場する学生数等を回帰分析で推測することで、人員配置や部材の準備数の目安にする。
KPIの貢献施策を考案する際に、回帰分析が使えそう。
各施策の妥当性を考慮した施策ができるようになるのでは。KPI設計と「分析」をパッケージングした提案は響きそう。
将来の施策効果や開業効果の予測に役立てることが出来ると感じました。
単語自体聞き慣れないものなので理解に苦しむ
回帰分析による予測で効果効率的な資源投下
回帰分析のイメージが付かないので繰り返し学習したい。
販売動向の確認と将来の需要予測に使用してみたいと思う。
今日は初めて知っている
t値、p値について、もう少し学ぶ必要があると思った。
回帰分析はしたことがないので、実際に分析してみたい。
学生での研究で用いていたが、細かい意味等理解出来ていなかったので、次回研究で改めて回帰分析を行う時はより細かく実施したい。
回帰分析のエクセルでのやり方がわかったので、実際に色々試して関係性を見てみたい。
面白かった
勉強になりました。
セミナーなどを開催する際に過去のデータを回帰分析することで、適切な日程や場所での開催予測を立てることができる
数値でない値をダミー変数として1か0かで数えるという考えは知らなかった。
変数探しと使用データの適切な区切りが難しい。手当たり次第やるしかないのか?
総市場の予測の変数をいろいろと試してみたいです。
より割合の説明変数を用いることで目的変数の予測が楽になることがわかりました。訪問軒数にどの変数に関係があるかを明らかにすることで施策検討に生かしたい。
知識の棚卸しができました
重回帰分析の「t」「P-値」を初めて知った。
Excelのグラフは良く使っているが、他のグラフについても勉強しようと思いました。
エクセルで分析できるのは知らなかったので試してみたい。
業務時間内訳と成績の関係
Excelの説明部分から理解が出来なかったので、繰り返して見ます。
販売企画を立てるときに、将来の予測ができる
予測することは今の部署ではあまりないが、新しい知識が増えてよかった。
実績と外部環境との相関から、今後の需要予測が立てられそう。
実際の調達計画に役立てたい。客観的に考えるために。
様々なシーンで活用できそうですが、前提条件、変数をみつけだすのは少しずつ試して慣れていかないと難しそうです。
どんな分析手法があるかを知ることは新たな関係性の発見につながると思います
単語の意味がよく分かりませんでしたが,数値化して比較し,傾向を読み解くということは理解しました。
予測モデルを考える際に、過去の結果の有効活用ができると考えました。
お客さまの購買傾向。
簡易なマーケット分析。
従業員のエンゲージメントに影響する要因を、残業時間や組織人数等との相関を見ることで傾向がわかる
恥ずかしながらエクセルの能力を活かしきれていない事をを含め・・・
過去の経験による関係性を推測でなく、数値分析は有効と考えます。
取りつかい商品の需要予測
自社商品チューハイの売れ行きについて、
天候の説明変数を使って予測をたてる。
現在の業務に直接関連性はないと思う
機会があれば活かしたい
売上や販売数の関連を知ることができる。
回帰分析を使って、より信頼性のある予測をする
非常に興味深い話でしたが、いくつかの値の関係が一度ではわかりにくかった印象です。
単回帰分析は日常的に行うが、重回帰分析は活用出来ていないので、活用してみたいと思う。
複雑に様々な要因が絡まりあう需要予測は、重回帰分析できるのか。
単回帰分析の率が高いものを組み合わせて重回帰分析すると、比較的いいデータが取れるように思う。
季節変動の高いカテゴリーや、競合店との分析に用いて活用する
過去データから実績予測を出すのに使用ができる手法かと感じました。
品質の証明や予測をたてるのに役立つ
商品を手配するときに経験則に頼らない数値予測ができる。
企業分析をする際に活用したいです。
変数は意識すればたくさんありそうなので、それを意識するようにしたい
難しい。。。
1度で理解することは困難な統計学ですがデータ分析は興味あるので、少しずつ習得したい
まず日々使って慣れることからはじめる。注意点は結果だけを注視するのではなく結果の意味を理解すること。
過去の経験と感覚で予測を立てていたので今後は活用してみたい
難しかったです。
利用するには、要勉強と感じています。
重回帰分析の結果の値説明についてもう少し詳しく教えてほしい
完全に理解できなかったので、時間をおいてまた受講したい。
重回帰の説明をもっと詳しくしてほしかった
課題解決を立案する際、事実関係を明らかにするのシミュレーションとして活用できると感じた。
特定スキルと営業実績の分析
売上予測や予算作成などに活用できそうだと感じた。
エクセル関数にて活用してみたい
複数のデータがあり関係性の有無を調べる時に有効。前提条件を合わせることと、いかに要素を抽出できるかが重要。
学生時代に回帰分析を学んだまま、暫く利用する機会もなかったが、良い復習の機会を得た。
要点がまとまっていて復習にぴったり
難しい。経験が必要
需要予測アルゴリズムの実装を理解する上で役立つ
売上に何の要素が寄与しているかを探るときに活用する。
業務に活用できると感じました。
重回帰分析の「t」や「p」の値の説明がもう少し詳しくしてほしい。
重回帰分析の説明をもう少し詳しくしてほしい。
回帰分析の理論はある程度理解できたが、実践に活かすにはハードルを感じる。アイスの売上と気温の関係を回帰分析の例はわかりやすかった。
回帰分析知らなかったので、今後データ分析、予測の際めっちゃ使えそう
目的変数を何にするのか
説明変数と目的変数の関係
tの意味がよく理解できなかった
復習しよう
1度で理解が難しかったのでもう一度見ます
難解でした。
実際にシミュレーションしている頭にいれる必要があると思いました
なんとなくイメージしている事柄の関係性を数値で表す。それはすごく複雑な計算によるとても難しい事と思っていました。関係性を見事に数値化でき、予想もできる回帰分析を使った考え方を習得したいと思います。我社の場合に置き換え、まずは練習で関係がありそうな社歴と売上でやってみます。
回帰分析を使って、気温と修理コール件数の関係を分析するともしかしたら気温が1℃あがると〇〇件の修理コールがはいる予想とかできるかもしれないです。
売上予測に様々な要因、前提条件をぶつけてみる。
得意先に対する売上成長率と自社営業パーソンに関するデータにおいて相関があるかどうかを複数のパラメータから分析する。(営業人数、平均年齢、勤続年数、継続担当期間、営業成績、等)
アクション1つ1つを記録として残すことで、回帰分析の元データにもなり解析結果が良い方向へつながる?元データはさまざまなところからとれるからそこからまずは分析をかけてみることでなにか気付きがえられる?
業務で活用するには、データを取得する条件を揃えないといけない。
ある製品のパラメーター操作の糸口になる
単回帰分析でそれぞれ相関があるとされたものが重回帰分析に組み込まれた時にどのような結果になるのかが知りたかった
数値の関連性を見るのに役立つと思います。
従業員満足度と受講教育コンテンツの数、給与の額の重回帰分析
エクセルでの作成方法はわかりやすくかつ簡単なので、活用していきたい
このeラーニングだけでは、理解が浅いのでもう少し勉強が必要です。Excelでも分析ができるようなので、試してみたいと思います。
回帰分析
業務でインフルエンサーを活用したデジタルマーケに力を入れているので回帰分析を用いて精度を上げていきたい。
いまの会社で本部業務に従事しており、営業現場の統括も業務のうちの一つです。そこで営業現場の実績を上げるべくどのような施策が有効か検討するにあたり回帰分析を活用しようと考えます。
目的とする数字の改善にあたり、関連する複数の項目から何が寄与しているか特定し改善策を絞り込む
売上予測
設問3はだまされた
R二乗の下りがあいまいなまま終わりました
過去の結果に対して何が影響しているか、それが分かれば将来の計画が立てやすいという事でしょうか
今ちょうど実業務で重回帰分析を活用しようとしていたところでしたので、大変参考になりました。
分析に役立つと考えた
業務で活用するには実際に回帰分析を行ってみることだと思います
使ったことがありませんでしたが使ってみようと思います
温度と空調電力使用量を分析する。
温湿度と食料出費について活用できそう。
一般消費者向けの事業(特に不特定多数)を行っている場合は有効な分析手段に思える。
変数の設定が難しい。
数学的な説明が多くて理解するのが大変だったが、相関関係を見出していくためには重要な視点のため、しっかりと使いこなしたい
アイスの売上と気温のように、工具の売上と●●の関係性を見つけたい。tとpの適切とされる値がわかったが、それぞれの意味を忘れそうなので、要復習。
変数を絞り込みすぎず、影響度を確認しながら精度の高いモデルを絞り込んでいくことが重要だと理解しました。モデル精度の正しさを示す数値について、どのような計算にもとづき算出された内容であるか、もうすこし理解を深めたいと思います。
この授業を受けた場合と人と成果を出した人の関係を求めてみたい
一度、自分自身でも実際に回帰分析を実行してみたいと思った。
単回帰分析まではそのまま実用できるが、重回帰分析を実務に活かすにはもう少し時間を取ったカリキュラムとすべき。
重回帰分析を用いて、説明変数の適切さを検証していくことは、分析モデルを構築する上で重要だと考えました。
定性的に分析していたものを定量的に分析することが可能で、且つ、影響度の高低・有無が分かり、予想数値も見立てることができ、有用な分析方法と感じた。
忘れかけていたことがあったので、確認できてよかったです。
一度で理解できる内容でなかったので復習します
戦略を見直す際に、効果的な案を見出すのに有効である
決定係数やp値、t値の基準をクリアしていれば、変数のサンプル数の多少は気にしなくてもよいのか疑問に思いました。
一度では分からなかったのでもう一度見ます笑
よりこの分野の知識を習得したいと思いました
先ずは得たスキルを明日からの業務に活用していきたいと思います
ありがとうございました
相関関係にありそうなことを定量的に示す方法があることを知った。
動画だけでは理解できないので、復習と相当数の実践が必要ですね
変数が適切かが重要と感じた
購買でも用いる分析手法です。確かに、売側の予測にも使えますね
Excelソフトでの回帰分析方法も説明してくれたので、すぐに活用できそうだと感じました。
ただ、これらの分析をどのタイミングで使おうか、そのように深く調査する時間をどう確保するかが、私の課題です。。
エクセル機能の活用の価値がわかった
将来の販売数の予測
回帰分析
係数、切片、決定係数などの算出方法が解らないまま終了してしまいました。詳細説明が有ればよいと感じました。
顧客の満足度を目的変数とするならば、雇用スタッフ数を一つ目の説明変数、二つ目の説明変数をメニュー数にしてみるとどのような結果が出るのか実践したい
数値化できる事象の分析に活用。
在宅勤務者の人数と気温の関係を確認し、オフィス内混雑度の予測を立てる。
しかし、オンラインで行っていることの分析には適さない気がする。
重回帰分析においては、
ダミー変数という数字ではないデータを数値化してデータ分析する手法は、今までの経験では考えなかった知識です。
私の業務に応用するには、更に深い知識が必要です。
回帰分析についてもう一度学びなおしたいと思います。
これまで回帰分析はあまり行ってきませんでした。
今回学んだことで、私たちが予測していない関係の変数を見つける可能性もあると感じました。
回帰分析を利用して、より効果的な施策の検討に役立てます。
これまで自ら分析(計算)を行ったことがなかったので、用語や意味合いを理解していなかった。まずは解析資料の理解をするところから始めたい。
単回帰分析はともかく重回帰分析はイメージしづらい部分はあるが、現実は重回帰分析が役立つ場合の方が多い。
単回帰分析だけで済ませず、重回帰分析の要因を考えるようにしたい。
回帰分析の手法が分かりずらいです
過去のデータから未来予測を立てる
重回帰分析の表の作り方や求め方の説明をもっとしてほしい。
セミナーに来場頂く人数を予測する際に商圏内の対象人数や競合の動向等を把握して置く事で予想できるのではと感じました。
何となく理解していたつもりですが、分かりやすい解説で理解が進みました。
自身の仕事でも活用したいです。
分析してみながらでないと理解を進められないと感じた。
概念として学ぶことはできたのでこれを実際に手を動かしていくことでより深い理解ができるようにしたい。
複数の要素を回帰分析することでより正確な予想ができそう
どのデータを変数として使うのかが一番難しいところだと思う
理解しました
重回帰分析は試したことがないので、実践に生かしたと思います。
業務上の多くの予測に役立つ
事例を探せばたくさんありそうですが、数値ではない曜日や日にちをどうやって表すかを悩みました。
ポカミスや不適合が多い月や多い日を回帰分析する事で特に注意喚起を徹底するタイミングを知ることかができる。
初めて知りましたが、一度聞いただけでは理解するのが難しかったです。
高い関係性を見出すことが難しくても、関係ない変数を除外していくことでアプローチを絞り込むことができると考えた
問題発生の要因を回帰分析で数値化して、意味のある因果関係を見つけたい
重回帰分析の説明がざっくりし過ぎているように思いました。
使えそうなシーンで思い出せるようにしときます
Excelは勉強になった
回帰分析がエクセルを活用することで簡単にできることを学習しました
1)単回帰分析
・説明変数x
・目的変数y
・決定係数R
2)重回帰分析
・決定係数:補正R
・p値
・t:2以上
重回帰分析の説明がわかりずらかった。
関係性を表すのに活用できる可能
商品開発で複数の要素が関係しあって商品の評価に影響している場合、それぞれの要素の関係性を分析することに活用できる。
面白かった
気温と電力使用量の関係で活用
数値化するくせをつけるようにする。
回帰分析とはある変数と他の1つ(単回帰分析)又は複数(重回帰分析)の変数の関係を見る分析。
売上の変動があった場合、なぜ変動があったのかを明確にすることができ、結果を修正案として提案することができる
関係性のある変数を見つけ出すことは難しそうですが、複数の候補を挙げ試すようにします。
あ
事故対応満足度調査において担当者ごとの得手不得手を分析するのに活用できる。
相関係数との使い分けを意識して取り組みたい。
日々の業務
t値、p値に対する理解を深めていきたい。
漠然と関係がある、という代わりに回帰分析を行うことで関係の程度を表現できるのは便利だと思う。他方、データとして整理するまでが大変、とも感じます。
身の回りのデータで試すと面白そう。
販売件数の多いセールスパーソンとそうではないセールスパーソンはどのような変数と関係があるのか
販売の予測と生産数の調整
回帰分析で、施策の妥当性が検証出来そうです
非常に難しかったです。
現時点で、利用できる自信がありません。
結果にはいろいろなパラメータが関係しているので重回帰分析を活用して関係性を見てみたい。
動画の視聴回数や再生単価を目的変数とし、公開の曜日や時間との関係を調べる
業務で傾向分析を行う必要があるので早速活用してみようと思いました。
単回帰分析はこれまでも活動してきた。一方、重会期分析については、経験と勘だけで数式化して来なかったので、今後は機械学習の活用も含めてTryしていきたい。
Excelでの分析や統計作業を勉強することも必要だと感じた。
漠然とした予測でなく、こう言った定量的な指標で物事を考えることで、より戦略的に行動に移せると思いました。
天気など定量的でない値を数値化する考え方が良いと思う
相関関係を定量的に表す手法として活用したい。どの因子が結果に関係しているか、因子を洗い出すことが重要。
回帰分析については、言っている内容については理解できるが、係数等を用いた計算となると難しいと感じます。
製造工程での不具合発生にどのような因子が影響しているのかを調べることに役立つ
様々な説明変数を組み合わせてみながら、予期しない関係性を見つけ出していくことで、新しい施策テーマを考えられそう。
1回では理解は難しいので、とくに後半は繰り返し見て理解したいと思います。
店舗からの問い合わせ件数の推移の確認に役立つかもしれない。
予測したい事柄に対して、説明変数の発見に役立ちそうです
単回帰分析、重回帰分析を過去データとして
分析を将来予測の参考値として活用する。
もう少し数値の意味について具体的な事例をもとに分析してみる必要がある。
重回帰分析の要素の意味、求め方等の説明がもう少しあれば、と思った。
最初にどのような説明変数を設定してデータを計測するか、が重要と感じたが、最初から説明変数が想定できない場合も多いので、いかんせん様々な変数を計測せざるを得なくなる。
これが妥当な変数数になるようにするにはやはり経験が必要か?
重回帰分析を不良分析にもっと活用していきたいです
相関分析との違いがわからなかった
自身で分析することが少ないなぁ・・・
分析手法の1つとして理解はできるが、現実に業務に活用するには難しいと思われる。しかし有効活用できる業務分野があれば活用していきたい。
ほとんどの場合、要因となる要素の候補は複数でてくる。
選別の手段として重回帰分析も判断材料のひとつにしたい。
仮説検証を素早く行う際に活用する
前提条件を合わせる事がとても大切。
難しいです。
単回帰分析と重回帰分析の概要を理解することができた。数学的な計算に関してはもう少し勉強して理解を深めたいと思う。
最後の問題の解説願う
数値化することの重要性を再認識しました。
回帰分析をしようとして目的変数に対して関係する説明変数を考えるのが難しそうだと思いました。
ダミー変数がどういうものかを知りました。
重回帰分析は今担当している業務で活用できそうです。
意外な因子の組み合わせを見つけたい
散布図や近似曲線はよく使うが、数式やR二乗になると途端に難しさを感じてしまった。計算はエクセルに任せればなんとかなるかなと思った。
今まで受講した中で最も理解できなかったです
特にありません
商品の販売予測をする際に活用できる。回帰分析を頻繁に使って、分析をすることに慣れる。
回帰分析は実際用いる事はないので、知識として補完します。
説明変数の抽出の考え方に留意しつつ実施。
漠然とした予測をするのではなく、根拠のある考え方に基づいて戦略を立てるのに使えると思います。
難しかった。実際に自分でやってみながら不明点を確認していかないと理解できる気がしない。
自動車部品製品を担当していえるがガソリン車と電動車向けに使用されており、特に近年電動車向けが増えている。そのため電動車向けを変数とし、ガソリン車は切片として詳細分析をかけていきたい。
先ほど学んだ相関関係と合わせて、売上や生産のあらゆる状況をデータ分析すると面白いかもしれない
製品の稼働率と温度、原料などの各要素の関係を確かめることができる
散布図と同じで、業務でも活用してみたい。
単回帰分析と重回帰分析を組み合わせて、売上予測を立てる。
成城石井の仕入れ・販促に活かせる。
品質などの望む結果を得たい特性と、それに関係しそうな管理項目との関係を回帰分析し、精度の高い回帰式が得られたら、管理が容易になる
ある実験において、その実験で測定されるデータ(変数1)と、関連がありそうな変数(変数2)を抽出したとしても、両者がリアルタイムに測定できないと、その分析結果の精度に影響すると思う。動画での説明例では、1日単位であったが、気温、天気は1日を通して一定ではないため、より高精度の分析を行うには、1時間単位の販売数と、気温、天気など、実態に則したデータ測定方法についても予め仮説を立てておく必要があると思う。
エクセルの操作手順を覚えた
tとpの説明が簡潔すぎる
顧客の需要動向調査
重回帰分析については理解が不十分な為、再度勉強が必要と感じました。
目的に関係する様々な要因から関係がありそうな変数について、数値による関係性が見える事で確認することができる。
投資活動と売上の関係を見る
天候を数値化する等、単位を合わせて数値化することが難しいとか、商品がアイスクリームであるといった明確で無いモノ、全く新しいサービスを展開する等、実績(データ)の無い商品やサービスの予測には用いることが出来ないといったことも考えながら、未だ分析が十分でない商品やサービスを探してみます。
事務ミス分析に使いたいです。
データ分析時
恥ずかしながらExcelでのやり方を知らなかったので、今後ちょっとしたことでも確認に使えそうです。
難しすぎる。3回以上ゆっくり勉強しないと理解できない。
回帰分析は、2つ以上の定量的なデータを用いることでその関係性を分析できる。研究に関する取り組みにおいて、定量的なデータを収集することが大前提である。
これから再編していく公共施設について、利用者と管理者の関係に加えて、重回帰分析を行うことで、幅広く可能性を探る企画立案につながる
英語や数字の苦手意識が強く、1回で理解しきれなかったです。繰り返し確認していきます。
結果となる数値と要因となる数値の関係を調べて、それぞれの関係を明らかにする方法を学ぶことができ、施策実行可否の判断基準になると思った。
より理解が深まった。
結果との因果関係を考察する際に活用できる
重回帰分析の概要がざっくりとしていたので,過去に実際に扱ったことがある側としては,初めての人に今回の講義で説明しました,というのは酷かなと感じました。もう少し丁寧にどの変数が何を説明しているのかが必要だと思います。
重回帰分析が難しい
重回帰分析は使ったことがないですが勉強になりました
どの変数を選択するか、どんな変数が分析に適切かを考え、内外のビッグデータを活用して分析すると良いと思う。
ある就航路線の客層を分析する際のツールとして利用できる。
予算立ての際に、見積が間に合わない、見積条件が整わないと言ったことがあるので、過去の実績から見積もりを予測する際に精度向上に寄与できそうです。
説明が統計学的に不正確な印象です。
回帰分析の基礎が理解できた。
精度の高い長期需要予測が困難な製品の製造必要数準備に用いたい。相関性の高い説明変数を見出だす必要あるが。
複数の要素が結果に影響を及ぼしていると思われる事例の分析に使用できると感じます。
ここで出てくる単回帰分析を使えば、景気動向などの各種指標から売上などの目標数値の相関を見て、今後の目標を合理的に算出できるのでは無いかと考えた。しかもエクセルで簡単に分析できるのは知らなかった
重回帰分析をEXCELで実現する方法が知りたかったです。
一見関係しなさそうな要素どうしも回帰分析することで関係性を発見できるというが、それはどうやって見つけるのだろう?と思った。
そもそもデータがいっぱい保有してないと、、
他者との決算比較で活用出来ると思う。
身近なツールで分析、予測ができることがわかった。使いこなせていないことが分かった。
製造業においては、研究・開発・量産すべてにおいて、この分析をしないで通れる道はないと思います。
解析時に今回学んだ手法も活用する。
実験結果の原因の考察に使いたい
データを収集した時に分析の考え方を用いてより意味のある仮説を導き出す
説明変数が目的変数に影響あるかどうかの判定基準
t:絶対値が2以上
P-値:0.1以下
補正R^2:1に近い
生産性に有効な変数を見つけ出す。
事象を精度良く予測する為に回帰分析を活用する
予測のための分析に必要な手順の第一歩として、理解することができました
思考力向上に役に立つ。
.
関係性があるかを見たり、評価する事で計画に役立てれる。
すぐに仕事で行かせそう!意味のある説明変数を論理的に考えることが重要。
意識調査の因果関係の把握には使えるかもしれない。コンサルに高い費用を払うのではなく、社内のデータアナリスト部隊に重回帰分析による関係性の発見を内製でできるようにしておくと有効と感じた。
恥ずかしいけど、初めて知った。
簡単なものから試して身に付けていきたい。
正確な分析データーを収集し施策検討及び予測に活用してみる。
仕入れ数量を注文する時に役立つ。
エネルギー使用量のトレンドを、気温、生産ボリューム等の変数を用いて分析してみたい。
品質管理において気温に対する不良件数の変化など自分の業務を行う上で活用できる点が多い分析方法だと感じた
より表れている事象の把握に近づくことが出来る分析手法だと考えます。ただし,何が影響を与えている変数なのか,を的確に効率よく見つけられるようになることが大切と感じる。
要素の洗い出しが重要と感じた
マーケティングだけでなく、日常業務のプロセス結果等の分析にも活用できる。
普段から定量化する習慣を持つことで物事の本質を掴む
ある商品の使用率を年齢・世帯・居住形態で回帰分析をして、数値を予測する。
イメージを理解するために、エクセルで実際に相関図(年収と身長、年収と年齢)から回帰分析の結果を出した。
T値とP値の活用方法が理解できた。
適切な目的変数を設定して、
重回帰分析をしてみたい
回帰分析可能なデータ収集を行うことで、将来予測に役立てることができる。
変数の候補を挙げる作業が大事
将来の予測を立てる回帰分析は、売上予測を立てる上で非常に重要だと言うことがわかりました。今後の営業に役立てたいと思います。
稼働日の日数と稼働日の業務報告の作成にかかる時間の関係を式でもとめ、報告書の作成が効率的な報告間隔を出してみる。
キャンペーンの効果予測、実施施策の優先順位付等で用いることができそう。
重回帰分析の使い道は想像つかなかった
単解析と異なり、重解析は教えるのにも苦労しますが、最低限の概要を知るためには十分と思います。ただ、決定係数の算出方法やt値,p値の算出方法を理解できるようになれば(計算アレルギーでなければ)各算出値を構成させる目的が理解できるのかも?と思います。
変数と変数の間にどういった相関関係があるか
景気指数と新卒採用者数は関係ありそう。
回帰分析は実際に使ってみないと理解できないと思う。
売上と日々の業務における様々な数値の関係を調べることに使いたい。
回帰分析について初めて知ることができました。詳細はもっと難しいのでしょうが、概要を知って興味を持ちました。
切片とは何かが、知りたかった。重回帰分析の説明をもっと詳しくしりたかった。
天気との相関関係は、一番身近で影響がある係数だと思うので分析する際にはいろいろな場面で考慮した分析をしてみたい。
実際のビジネスの中で重回帰分析をどう利用するか、特に変数の与え方が非常に難しい。
予測モデル、重回帰分析ともによく聞く言葉ですが、算出方法や各指標の見方を学ぶことができた。
グラフにしてr2をみる
理解するのが難しかったです。何回も繰り返しみようと思います。
恥ずかしながら単回帰分析をExcelで簡単に行えることも知らず、非常に勉強になった。さっそく身近な例でトライしてみる。
取引先の販売実績という1つの変数と売価、気温との重回帰分析は、具体的にイメージできるので、やってみたい。
物流に関わる車輌台数不足の課題があり、何台足りないか?という漠然とした疑問を数値化できそうな期待が持てた。
離職率の分析に使用してみたい。
分析手法はたくさんおるが、その選択肢を導き出すことが1番難しいと思います。
観点がずれると、欲しいデータも異なってしまいます。
方程式が出てきて、拒否反応。
これは、何度も見直さないと、覚えられない。
回帰分析、使えそう。
売上を伸ばす=様々な数字の組み合わせが必要。
天気等に関しては、駐車場がどのタイプなのか?
施設はインショップなのか?ロードサイドタイプなのか?
他にもあるが、検証をするために必要なことは理解できた
コール数と新規獲得数の関係を調べる
重回帰分析で予想してない要素をみつけられたら、感動し病みつきになるかも。
職場風土の改善において、結果により結びつく要素を探る際や影響の強い要素を特定する際などに活用できそうだと感じた。
慣れない言葉が出てきました
分析するためのデータが限られるため、条件を探すのに苦労している。
ニーズ調査の結果について回帰分析することでターゲット増の具体化に活かせるような気がしました。
色んな要素の影響度が分かる
どんな切り口でデータを見るか、のヒントになりそう
全体は理解できたが、細部については理解が怪しいところがあるので引き続き学んでいきたい
頑張ります
とても有益なレッスンでしたが、数学が得意ではないので自分が実際に行うというより、その専門の方にお願いできる場面を学べた。
PV数と曜日、時間などで回帰分析できそう
定量的に推測できるので、施策立案時に参考にする
自分の今の業務では変数によっての変化は少ないはずなので利用頻度はほぼないが、単純に変化が無いと思い込んでいるだけの可能性がある(高い)のでこれからは色々な視点で考えてみようと思いました。
解析
設備不稼働抑制施策検討
不稼働時間と、日常実績の記録を回帰分析しどのような時に設備不稼働が生じているかを分析する
難しいパートではあったが分かりやすくまとまっていた。
直接は使う機会はなさそうだが、こんな分析があるのだと知ることができた
エクセルの利用方法の説明があり、実践的で分かりやすかった。
単回帰分析の利点や使い方は理解できたが、t値、p値など求め方の実務的な部分に使うのには理解力が足りず難しいと感じました。
気温とシーズン商品の販売数の分析に使用。
重回帰分析の「t」「P-値」の算出のやり方を知りたいです。
サンプルを使った演習があると理解が深まりそう。
単回帰分析、重回帰分析は提案に活用できそうだが、理解を深めておかないと適切な使い方にならなさそうだなと感じた。
分析するときに使います
目的変数と関係のありそうな変数を探すことが大変だと思った。
余り理解できなかった。統計学の知識が必要かも。
要因と結果の関係性を検証することは重要。また関係がないと思っていることも実は関係があるかもしれない。検証し事実認識できるようにしたい。
他者に説明が難しい基礎的な統計的手法がコンパクトにまとめられていて、分かりやすかったです。誰かに説明するのと、2つの変数を見つけたらすぐやってみたいです。
これまでカンコツで判断〜決定されてきた内容を定量的な数値で表し、判断材料とする事でより信頼性の有る計画となることが期待出来る。
用語の意味がフワッとしていたので、どういう計算ロジックなのか知りたい。
また、自分自身も業績予測をする人間なので、使える変数を検討して試してみたい。
ある月の営業アポイント数と、3ヶ月後の受注件数の相関を調べることができる
アンケート結果を分析したいシーンは多々ありますが、有効回答数をある程度確保する必要があると感じました。
重回帰分析においては日常的に業務内で使用している
具体的な事例は記載できないが、解析結果をみることはよくあるが、その中身について初めて知った
重回帰分析の分析を通して業務に活かしたいが、もう少しExcelでの説明が欲しかった
感覚としてわかるが、説明を必要以上に難しくされた感じがする
売り上げ予測の因果や離職予測のような様々な要因が絡むものも、一種のヒントを探す方法として活用できる。
根本は統計学の内容なので理解するには数学的知識が必要。その点は説明が長くなるので興味は各個人で学ぶ必要性を感じた。
tとかpの意味について、もう少し詳しく知りたかった。
計測した複数のデータから、影響しあっているデータとその関係を抽出できる
重回帰分析の場合、tp値を見ることでどの説明変数がより目的変数に影響しているかわかることが習得できました。
実際には変数の候補を挙げることが難しそうだなと感じました。
また、tやpについてR二乗係数など理解しきれていないです。
重回帰分析は難しくてすぐに使えなそうです。習得できるまでは単回帰分析を繰り返して関係を探ることになりそうです。
データの中から、説明変数としてどの値が適しているかを見出す方法は分かったが、
大量にある説明変数からどれを優先的に取捨選択するかを検討できると、より効率的に作業ができると感じた
通常気づきもしない説明変数をみつけられる
どの運転条件が製品の品質に最も影響を与えるか、把握するために重回帰分析を行ってみる。
用語と意味が混同してしまうので、よく理解しておきます。
テストデータの傾向をみて関連するパラメーターを絞り込み重回帰解析をすることで相関関係にあるか確認することが可能
統計的な部分(P値やt値)とデータの処理的な部分(ダミー変数やカテゴリ変数などなど)を
上手く省きつつ、ポイントをさらっと知れる動画。
データをまとめる上で活用したい
普段使うようにしないとすぐ抜けてしまうスキルですね。回帰分析の限界や要改良点についても知りたいと思いました。
個人個人が分析を行うことは、変数となりそうな項目を選ぶ際に偏りが生じそうです。ビッグデータを活用して変数となりうる変数を片っ端から探した上で、その後の分析を個人で行った方が使えるデータになりそうだと思いました。
重回帰分析は市場価格の傾向を知るのに活用していきたい。
回帰分析を業務でよく扱うが、「t」「p」の意味をよく理解していなかったので非常に参考になった。
外気温の蓄積温度と虫の発生数を単回帰分析して毎年の傾向を掴む
提案における顧客との打ち合わせ回数や競合の数により成約数が変化するかどうかを分析することが可能
よくわかった
全然意味わからなかった。
もし、使う時が来たときになんか分析できる方法あったような気がするなあ、と思い出せればいいなと思う。
勉強になりました。
難しい。
役に立つ
過去の苦情件数とその要因を立証する。
実際に作成してみないと理解が深まらないと感じました
業務で活用するには分析したいデータを記録しておくことが大事だと思いました。
回帰分析は前提条件や適切な変数の選択が難しそう
実験計画の際に活用できると思う。
業務にて活用したいと考えております。
今後のテストデータまとめにおいてどんな将来結果が予測でき、正しいのかの判断に使える
最初はとっつきにくいかもしれませんが、今回は大変良くわかりました。
お客様が活用されているので会話が出来るテーマとして勉強してます。
市場の品質問題について、回帰分析の手法を使い、分析、予測、未然防止策の検討をやりたい
蓄積したデータはそのままでは本当にもったいないなと感じました。きちんと分析すれば、目的に合った数字を導き出すだけでなく、予想もしていなかった相関があったりする。情報、データはまだまだ有効活用できるのだと気づきました。
重回帰分析についてはもう少し説明が欲しい。今回の説明だと1度見るだけは理解できない。
tやpの値の意味合いをもっとよく知ることができれば、関連性の有無をより理解できそうだと思いました。
関係性を定量的に示すことが重要だとわかりました。
Excelの使い方も解説されていたのは良かった。
エクセル回帰分析を用いると必要な値を持ってきてくれるが、それぞれの値の意味をもう少し深堀して理解したい。
気温とタイヤの売上個数の関係性など分析できるものをやってみたい
事象をシンプルな形にするところから始めたい。
実施した施策の振り返り、また次回予測をすることで、より内容の詰まった提案を出来る。
相関分析の応用のように考えられると思う
漠然と捉えていた重回帰分析について、改めて原理原則から学びました。今後の業務上で、過去の傾向(データ)から将来を予測できることに早速に活用してみます。
しっかり理解しました。
施設管理業務において、過去データ(気温や湿度、警報履歴など)から、気象状況と発報の関連性を見る
重回帰分析の説明変数の選び方など、もっと知りたい。
何よりもエクセルの使い方が一つ分かったのが大きいです。
難しい、何回も受講しやってみないと分からない。
まずは身近なデータから分析練習をしてみます。
重回帰分析が難しくかった。
こちらのsectionは理論は理解しつつも、最後の設問で少々手こずりました。
物事を客観的にみるためには数学的思考が有効なのかと思いました。
単回帰分析しか知らなかったので勉強になった
単回帰分析は業務上しようする事が多いが、重回帰分析は使用した事がないので勉強になった。
しかし、今回の説明で使用した例(アイス)では、晴とそれ以外で単回帰分析をしてグラフに重ねた方が分かりやすいと思う。
難しい
繰り返し見て活用できるようにしたいと思います。
単回帰分析は理解できたが、重回帰分析は正直理解できなかった。
これを頑張って勉強し使いこなせるようになるよりは、概念だけ覚えておき
実務では得意な人に任せた方が効率が良いように感じた。
新商品のプロモーションを例に、
目的変数:販売数
説明変数:広告媒体の頻度
などで回帰分析ができたなら広告のコストパフォーマンスが予測できたりするのかなとイメージしました。
もう少し基礎的な知識が必要だと思った。
重回帰分析のt/pの意味が分かりにくいのでもう少し細かく知りたい
今回の説明ではt、P、Rの導出方法を理解できなかった。他の教科書等を見て勉強する。
合わせて、意味のある説明変数を見つける方法もチェックしたい。
営業活動において、商品の販売予測に役立てたい。
重回帰分析は使う時があるが、なぜその関係性が生まれたのかわからなくなる時がある。今回の講座でそのメカニズムが理解できたので、なぜその関係性が生まれたのかを意識しながら実践に取り組みたいと考える。
一回で理解できなかった。何度か繰り返して、実際にプロットを作成してみた。仕事に活かせるためには、練習あろのみ。
浅い理解なのでケーススタディを出し実際に回帰分析をしていくことで
理解が深まる
以前に行った仕事で相関関係が出るために作業をしていただけだった。
なぜ、相関を出す必要があるのか、他の要因はないのか今思うとやれることは多かったとこちらの動画で感じた
重回帰分析は、理解するのは大変そうです。
営業利益率の増加と税務調査の回数の関係性を探してみても面白いかも。
科学的で面白いです。予測に使えます。
まずは、様々な変数を洗い出す事が必要。それぞれで回帰分析し係数を確認して、どの変数が良いかを探し出す。これにより、予測モデルの精度を高める。
本項は実際に使ってみないと難しいと感じました。
数学的な考え方が苦手で、どうしてその計算と計算結果の見方で分析ができるのか、理解が追い付かない。
統計学だからか、一気に難易度が上がった印象。pやtが何かの説明はないがそういうものなのかな
表計算ソフトの使い方まで説明してもらえるのは、助かりました。
拒否反応をします人も多いいと思いますが、私は割と好きなカリキュラムでした。
難しく1回目では理解しずらかった。
論理は理解できたが、客観データをこのように分析して解へ導いた事が無かった。今後は、試してみたい。
今後の季節変化に合わせて販売を強めるべき物を、学んだ内容を元に活用してみたいです。
実際に活用していますが、理解が不十分でした
今回の学習で理解が深まりました
変数を見つけだすのがキモだと思います
単回帰分析は知っていたが、重回帰分析については今回初めて学ぶことが出来た。
学生時代に卒業論文作成で学んだ知識だったが、すっかり忘れていた。現在の担当業務でも活かせる時がないか、意識していきたい。また忘れないようエクセルで回帰分析のやり方を試して習得したい。
重回帰分析によって、結果を予測できることは興味があるが、
現在の業務では活用する場面がなさそうなのが残念。
エクセルを用いて一発で散布図にするやり方は参考になりました。
重回帰分析の場合もエクセルで作成する方法があれば知りたい。
回帰分析の基礎について、学んだ。理屈は分かったが、最後の問題で間違えました。きちんと理解していない。
回帰分析を業務に使用したことがなく、今後使用するシーンを
現状でも想像できないが、一般的な知識としては理解をしておきたかった。
回帰分析の考え方、導き方を初めて知った。売上予測など見込みを出す上で参考になりそう。
売上と価格、売上と売り場の位置またはスペースなど
相関分析の次にこの回帰分析を観たので、相関分析の発展系なのだと理解しました。 他の方も書いているように、Pとかtとかの説明が1回ではわからず、エクセルを使った場合にどのような分析手順なのか、があると嬉しかったです。 自分でもう少し調べてみます。
重回帰分析のtとかpの意味を勉強したいという思いに駆られますが、正確に理解するには、大学の理数系レベルの数学知識が必要になりそうなので、シミュレーションのツールの一つして「こういうものがある」と認識する程度で十分なのだと理解しました。
EXCELを利用して業務に活かすことができそうだとおもわれる。
正直、理論だけだけでは理解が進まないので、簡単な数値予測を繰り返し、理解を深める必要があると思いました。
Excelの機能の10分の1も使いこなしていない事を痛感した・・・。
業務柄回帰分析はよく目にするのですが、p値に関しては分析対象によって必ずしも0.1未満がカットオフでないという解釈です。より精度の高い分析(関係性をより高いレベルで証明しなくてはならない際)では、p値はより低い値を求められるということですよね。
感覚で何か関係がありそうだという事柄同士の関係性を見出したり、数値化できない事柄をダミー変数化して関係性を探ることで、客観的に納得のできるデータを提示できそう。
回帰分析を使って、関係性のある事象を整理して、どの項目が重要な因子となるが考えてみようと思いました。
大変勉強になります。
トラブルの原因究明において複数の要因が考えられるときに、どの要因が大きく影響するかなどに活用できると考える。
一度であまり理解できなかった。
1回の講義で習得するには説明不足のように感じた
ただ、もっと勉強してみたくなった。
コーヒーの販売予測を提案する際に、漠然とお伝えするのではなくて、過去の傾向力数値化して提案する事で説得力が上がると思った。
例えば企画をする際、効果を出すために、受講者のいくつかの属性や環境でどの組み合わせをすれば良いかを考える時などに有効かと思いました。
大学院時代に行った重回帰分析が職場で生かされる例を学ぶことができた。
保険のパンフレットの在庫が山ほどあるので、重回帰分析で過剰注文を防ごうと思う
実際にExcelで手を動かす必要があると感じた。
重回帰分析の各数値算出が不明確なので要確認。
在庫、リードタイムの分析で使ってみたい。
扱う事象が複雑な系になってくると重回帰分析は必須で、目的変数の決定に大きく影響する因子を抽出するということがスタンダードになってきていると思います。エクセルを活用した重回帰分析のやり方が身につけられると良いですよね。
難しい。理解するには何度か見ないと。実務ではAIで活用することが多い気がする。考え方と出てきたデータの判断・使い方を深める事が大事になるのかな。
来店客の予測に利用できるかもしれません。
イベント来客数を、気温、天気、場所などから予測
私にはすべてを理解するのが難しかった。何度も繰り返しみて復習したい。
特に重回帰分析は、業務に活かせそうなので復習したい
設計パラメータと特性値の関係性を探る
物事の判断には関係性を把握することが必要となるので、回帰分析の考え方は決定に必要な分析ツールの一つと理解しました。また、要素の選択と影響力の相関は仮説を立てながらより正しい方向性を探ることににも活用できそうです。
製造工程で、複数の評価パラメータを持つ製品に対して、その性能予測を、重回帰分析を用いて、解析できれば、効率が上がると期待しました。
アイスの販売数量と気温、天気の例はシンプルでわかりやすかった。うまく活用出来れば精度の高い予測をその根拠と共に示せて有効だと感じた。商品の販売予測等、実際の業務にどのように有効活用出来るかを考えていきたい。
何の数値を集めるのかが難しそうです
アンケート項目(エンゲージメント項目の各スコア)が、事業成果にどう影響しているかがわかるようにしたい
普段あまり使用しない分析ではあるが、適切な機会があれば考えたい
いろいろなものには相関関係があるとわかった
エクセルでの具体的な解析手法を学べた。
適切な前提条件のもとで有効な変数を見つけるのが重要。
マーケティングに関する業務も行っており、復習になりました。
回帰分析自体は理解できたが、その言葉の定義、数値の記憶に至らないため、実際に分析する事で理解を高めるしかない。
わかりづらい。
エクセルの使い方よりも、もっと概念や意味を深堀りしないと理解が進まない。
大学受験程度の数学の知識がないと、相当難易度が高いと思われる。
■相関分析と回帰分析の違い
相関分析:そもそも2つの要素に相関があるかどうかを分析する手法
回帰分析:相関分析において、相関が”ある”と判断された要素に対し
具体的にどういった相関になるかを数式で表す手法
ところで、p値、t値とは?一切説明がありませんでした。
回帰分析を行うことで見えてくること、行っても見えてこないこと。いろいろな考え方を交えて営業活動に注力したい。
偏った見方をすることで、絶対値の変動幅が変わる可能性があるため、分析の方法手法は数多く知っておくにこしたことはないと感じた。
日々の業務推進の中で、データをみて回帰分析ではなく直観的に判断では、他人への説得出来ないため、活用していく。
重回帰分析のpとtの値が急に出てきて混乱した。
pの値とtの値が重回帰分析の精度を確認する基準になっているのならば、どのように算出された値なのかを説明してほしかった。
少しわかりづらかった
t値は多重共線性、p値は有意性の知識が不可欠で、初級のレベルを超えている。いきなり数式を出されても初学者は面食らうだけだから、講座の構成を考え直した方がよい。
エクセルでこんなに簡単に回帰分析ができることに気付きませんでした。
テストが難しかったです。
業務では装置のデータと品質の関係など活用できそうです(内容は伏せますが)。
日常(家庭)や地域の活動では活用できるか微妙ですが、
考えかたを子に伝えたいなと思いました。
重回帰分析は極めて重要だと感じました。
重回帰分析時の具体的なグラフの作成方法を入れていただきたかった。
表計算ソフトの進化に驚いた
完全な理解はしていないが、ある程度は知れた。
Rの2乗は知っていたが、t値やp値の意味を知ることができたのはよかった。より説得力のある予測ができそう。
回帰分析を用いて、精度の高い未来予測を行っていけたらと思います。
重回帰分析が、ある薬剤使用量と複数のリスク因子との関係性に活用できそう。
エクセルで簡単にできそうで、実践していきたい
t値とp値が判らないです。
気温と売れ筋の関係は試してみたい
商品の販売台数の予測に役立てられそうです。
<ポイント>
・回帰分析:ある変数と、他の1つまたは複数の変数の関係を見る分析
・単回帰分析:ある変数と1つの変数の関係を見る
・重回帰分析:ある変数と複数の変数の関係を見る
・目的変数(Y軸)、説明変数(X軸)、回帰線(y=ax+b)、決定係数(0≦R2≦1)
・目的変数が説明変数によって決まる割合が分かる。
・より割合の高い説明変数を用いると目的変数の予測が楽になる。
・重回帰分析:y=a1x1+a2x2+…+b アイスの販売個数←気温、天気
・t:2以上、P-値:0.1以下が目安
使う場面
・どのような変数があるかを明らかにすることで、施策検討に活かせる。
・予測していないような変数同士に関係がある場合や、またその反対もありえる
・変数間の関係をしることで、知りたい情報の予測ができる。
コツ・留意点
・分析の前提条件を揃える。
- 国内と海外の売上など、傾向の異なる前提状況は、分けて分析したほうが正確な結果が得られる。
<まとめ>
・感覚や勘に頼っている施策も数値化することで、本当に効果があるのかを確認できる。
・重回帰分析を用いる場合、適切な説明の変数の数や上限などはあるのでしょうか。
・各営業担当者の成績にどの説明変数が効いているのか調べてみたい。
重回帰分析は複雑な相関関係を紐解くときに有効だと思いました。
説明変数、目的変数が何を指しているのか初めて知りました。自身で分析に役立てる事があるかは微妙ですが、単回帰分析はエクセルで比較的簡単にできそうなので、機会があれば使ってみたい。
考慮できる要素との関係性の可視化、定量化。
重回帰分析についてはより詳しく知りたい。
Tの説明変数として適切か、という説明は少しざっくりし過ぎている気がする。
t、pの説明が少なく、理解が不十分なまま終わってしまった。もう少し説明が欲しかった。
予測をカンに頼らないで裏付けをとるときに応用できる。また、予測を繰り返すことで実績を積み上げ、将来の予測の精度向上にも使える。
しっかりと理解できていないところがあったので復習したい
あまり使う機会は無さそうだと思った
ある商品の生産数量を割り出すときに用いる。
重回帰分析は使いこなすのが難しそう。資料に出てきた表の作り方、t、p、切片等についてより詳しく知りたい。
もうちょっと詳しく重回帰分析について知りたかった。数が複雑だったのでもうちょっと単純な数を使って説明してほしい。
基本的なことの理解が深まった
t値が2以上となっている根拠があると、納得度が高まる
回帰分析はビジネスの色々な場面で使える。もっと理解を深めたいと思った。
少し難しかったです。
グラフを見る機会に本講義を思い返してみたい。
未来を予測するという点で、作業規模の見積もりなどにも使えそうだと感じました。
今まで意識せずに回帰分析していたが、今後はもっと色々な変数を見てみようと思った。
実際に試してみないとつかめないかも。重回帰分析のExcelの方法も知りたい。
重回帰分析の補正R二乗・t,p-値の概要がつかめました。
求め方を調べてみようと思います。
ある程度相関関係が予想できるものに対して、数字で詳細に分析することができるのでかなり有用。
実際にやってみないと、変数同士の関連性から将来の予測を立てるということは具体的にイメージできないですね。
数値のとらえ方がまだ完全ではない。そのあたりの詳細を説明してもらいたかった。一度では理解できていない。
tとpに関する説明をもう少ししてもらいたい
反復し理解を深めます
回帰分析は、自分で使うのは難しそう。販売予測に使うには、変数が多いことと数値を集めて処理する手間にハードルを感じる。考え方は知っておいて、作業は専門の担当者に任せるのが現実的ではないかと思っています。
相関関係が数値化でき、三つ以上の相関も数式化できることに驚いた。実務で問題のブレークスルーや新しい発想の検証に使いたい。
単回帰分析はデータの裏付けにも使うことが多くあるが、重回帰分析は変数の組み合わせを見つけるのが難しい。ポイントを再確認できたので、うまく活用していきたい。
重回帰分析をもっと詳しく説明してほしい
一度では理解することは難しかった。そして、欲しいデータが手元にあることが非常に重要になってくると感じた。
何度か見て 勉強をしなと理解できない。再度勉強を行います。
設問2は、「適切なものを一つ選びなさい」とあり、全ての選択肢が適切である為、どれを選んでも正解とすべきではないでしょうか。選択肢の中に「他の選択肢は誤りである」とは書いていない。
t値、p値等、情報が断片的過ぎて浅いところしか理解できません
重回帰分析は難しかったです。。
Excelでの散布図や図式の出し方の解説があり、有難かった
重回帰分析の基データの出し方から理解が出来なかったが
データの集め方から知る必要がある
雨の日、晴れの日以外の出し方は?
ちょっと難しくて、頭が追いついて行きませんでした。
復習しながら、日々変数を見つけられるよう意識した仕事の取組をしていきたいです。
感覚で捉えていた実績を数値化することで将来の見込みを正確に見ることができる。
回帰分析における、基本的な考え方と用語が理解できる。
まだしっかり理解できていないので、回帰分析を実践してみながら学び直そうと思います。
データの関係性を分析する手段として、知っておくと有効だと思います。
営業戦略を考えるうえで、将来予測をし、リソースを割くべきか否かの判断に活用できる。
必ずしも数値だけでなく、数値以外の要素も分析に用いることができる点、参考にしたい。
難しい内容をとても分かりやすく理解できました。
これを実践で活用すれば、施策の妥当性やPDCAを回しやすいと思いました。
会員の販売動向の相関や傾向をみるのに活用できそうだと感じた。
実際に実務で重回帰分析をした上で視聴したので、非常にわかりやすかったです。
頭では理解できた気持ちになっていたが、理解出来ていない事がわかった。
もう一度、受講します。
活用できそう、やってみたいと思いました
回帰分析を今まで使用した事がないので今の業務に紐づけ、何かを事例に一度解析したいと思う。その際、Excel表計算モデルを参考にしたい。
一度で理解できない。
単回帰分析のエクセル利用はわかったが、各数字の導き方が。。。
たいへんわかりやすかったです
販売予測に繋がる事例は非常に分かり易かったが、結びつける材料が何かを見極めるのが重要であると思えた。
もう少しtとPの意味を説明して欲しい
Excelで早速、残業時間と勤続年数の関係を分析してみました。近似曲線の自動表示が素晴らしかったですがそこから回帰式を求めるところまではできていません。SLOPE関数でできるとネットサーフィンで学びました。
入り口として基礎の基礎を学ぶにはよいコースでした。
全く馴染みのない分野だったので非常に難しかった(特に計算式)。もっと理解を深めなければ実践では使用できないことを実感させられた。
重回帰分析のt値とp値の算出方法について説明してほしい。
日々の研究や業務において、長年先輩方より引き継いできた膨大なデータから有効な結果を出すのにとても役立つと思います。
回帰分析の内、単回帰分析は顧客満足度の分析に使用できそうだ。
一方、重回帰分析は単回帰分析よりも詳細な分析ができそうな印象はあるが、正直あまりに難しすぎて実務への活用がイメージできない。
切片、係数、t、pの値はどこから求めだしたものなのか、詳細があれば尚分かりやすかった気がする。
回帰分析を今回初めて知った。難しかったが、よく復習して、日々の仕事で生かせるようになりたい。
t値やp値については、統計学の本で理解を補うようにしたい。
2つ以上の変数に関する相関関係を見るには効果的である一方で、
「施策検討につながる」点を鵜呑みにしすぎないように気をつける必要がある、と思った。
相関はあるが因果関係にはない場合、施策を打っても意味がないので
プロセスのフローや、カスタマージャーニーなど、施策を打とうとしている対象の変数は本当に結果につながりそうか?を別観点からも合わせて確認をしておきたい。
業務上活用できるようなことは思い浮かばないが、回帰分析を学べてよかった。
概要が何となくつかめた。
実践的なのはよいが、R2乗やt,P値がどう導出されるのか学ばないと、本当の意味で身に付いたとはいえない
重回帰分析はすこし難しかった
なんとなく説明の意味はわかりましたが、実際に試してみるのは難しそうだと思いました。説明変数として意味のあるものを探すことが大事だと思いました。
tを詳しく知りたいです
単回帰分析と重回帰分析までは追いついたが、決定係数R二乗からは説明が難しい。復習が必要。
商品問い合わせ件数と成約件数の過去データをもとに売上予測に役立てられると考える
人間の行動パターンの傾向分析に役に立つのではないかと思いました。
そう考えると、いろいろな相関を調べるのが楽しくなります。
重回帰分析が難しかった…理解できるまで繰り返して覚えないととおもいます。
相関があっても、因果関係があるとは限らない。そこは注意点だが、エクセルで手軽に分析できるので、いろいろと試してみている。数値でないものを、数値にして計算するので、いろいろと応用できる(例えば晴れを1、雨を0)。
回帰分析の式を利用すると未来の予測も立てやすくなるということが理解でき、日々の業務にも利用できそうだと感じた。
tとp値が急に出てきたのでちょっと?でした
どう使われるかはわかりましたが、どう導き出している値なのか、簡単でもいいので説明があると分かりやすかったと思います。
この分野は初めて勉強したのでやや難しかった。更に勉強が必要だと感じた。
X軸:影響を与えるもの
Y軸:影響を与えられるもの
t値:影響度(1増えたときに大きく変化するかどうか)
p値:どのくらいの割合で起こるか(10%以上であれば偶然起きるものと判断される)
難しくてついていけなかったので、何度かやり直します
散布図から、変数の関係性を数式化できることを学んだ。
実際の事例のデータで、試してみたい
開発材料とプロセスの関係性を評価するのに有効です。
前提条件、また変数の切り口のセンスが重要
いきなり難易度が上がった!
数字を入れるような
練習問題があると、より理解が深まると思う。
重回帰分析の数式説明エクセルは難しかった
例で取り上げられていたようなシンプルなモデルの場合は使い勝手の良い分析だが、実務で使用する際、有効な変数の組み合わせを見つけることや、見つかったとしてもダミー変数化して分析モデルにはめることが難しいと感じた。例えば、「高業績者ほど長時間働いている」を検証するための説明変数は労働時間だけで良いが、「高業績者になるための特性」を分析しようとすると、説明変数はかなり多くなりダミー化も難しい。「マネジャーが長時間労働になる原因」についても同様であり、分析で示唆を得るためには、いかに筋の良いモデルを作れるか+現実的に説明変数をデータ化できるかという2点が重要と再認識した。
もう少し詳しく勉強して、自分で実際に式を作ってみることで頭に入ってくるのだと思う。
今のままでは仕事で使おうという発想にならない。
様々な売り上げ予測立てるためのデータとして使用しているが、前提となるデータの選択が非常に難しく、いろいろ試しながらある程度の傾向をつかむ必要がある。人口、年齢、性別、時間、天気など相関していそうなものを考えたらきりがなくなる。
数学の授業を受けているような気分になった。
自分の実務と乖離していてイメージがしづらかったが
もう少し勉強してから改めて見てみたいと思った。
重回帰分析のtとかpってどうやって求めるんだ?
相関関係と回帰分析の違いは、双方ともに結果が影響し合うのが相関関係で、結果と原因が明確であることが回帰分析
重回帰分析は覚えておきたい。
目的の変数に影響のある変数を見つける手法があることがわかった。
すぐに活用可能な場面は思いつきませんでしたが、分析手法として回帰分析があることを知っているだけでも十分価値があると思いました。
122222222222
p値、t値の求め方が理解できませんでした。分析と単純に言っても、複数の数値をこまめに確認していくという途方もない作業が必要になると感じた。
同僚は機械学習を日常的に研究しているのですが、自分には実務経験がないので基本的な用語解説だけでも今後周囲の仕事内容がわかりやすくなるのでありがたいです。
日頃のデータから推察される数値的な根拠は非常に説得力があり、戦略にも役立つと感じた。また、蓄積するデータとして何が重要か、この辺りもしっかりと考えていき、いかしたい。
基本的な考え方は理解することができた。
恥ずかしながらエクセルでR2やT値P値が出せる事を知りませんでした。すごく便利なので積極的に使っていきたいです。
単回帰や、重回帰分析を使うことにより、仮説を定量的に検証することができ、周囲への説得力が増し、有効である。
重回帰分析の仕方をもっと説明して欲しかった。
必要とされる材料を間違えずに選ぶことがなによりも重要で難しい
説明係数を見つけることが難しいと感じた。説明係数を予測して、そのデータを集めてくることの作業量を考えると、専門の部署やソフトを利用することが現実的な気がする。
ただ仕組みを知ることは自分が納得するためにも大切なので、一度自分の手で確かめてみたい。
帰納的なアプローチとして、様々なシーンで活用できるツール。エクセルで簡単に目的変数に対する何が説明変数なのかという仮説のもと説明変数の選択が重要だし、要素をヌケモレなく考える上では他のフレームワークを考えることが必要だと感じる。数字の背景を考える仮説思考から説明変数を考えるアプローチとそもそもどんなデータがあるのかもポイントなのでデータをどのようにして収集するかも課題となりそうです。
tは2以上、pは0.1以下
月次の結果をまとめる際に活用できるが難しい
単回帰分析はわかりましたが、
重回帰分析に関しては難しく、理解が追い付きませんでした。
実際使ってみると便利だと思うが難しく感じた。知識として覚えておこう。
20年前に当時の上司が回帰分析を使って商品の販売予測を立てていたことを思い出した。例えば食品スーパーの白物3品(牛乳、食パン、卵)などの販売数は客数と気温の影響を受けるため、予想客数と予想気温をもとに重回帰分析を使って発注計画を立てると効果的かもしれない。
単回帰分析は、利用場面がありそうだが、重回帰分析は実験、研究向きのツール
数値と数値だけでなく、天気など要素との関連も同様に分析する方法を新しく知ることができた。
動画でコメントされていたように、まずは有効な変数を見つけるのが簡単ではなさそうだが、精度の高い予測ができる方法として、回帰分析があるということを覚えておきたい。
tとp値について詳しく知りたいです。
結果につながる活動・環境要因を回帰分析することで、予測の精度を向上させる
なんとなく理解できたが、今度は実際分析する数字を用意してみてみたい
具体的な事例で何度か試すことで、実際に使えるようになると思う。
業務に活かしていきます
小売りの販売予測には使えるが、説明変数の設定が難しそう。
恥ずかしながら回帰分析をよく知りませんでした。これは永久保存版です。
日々の脱落率分析に活用できると思います
用語が少し難しかったです。実際に慣れるまで分析して、自分で説明できるようにします。
関数が出てきたあたりから理解が追いつかなかった。
復習したい。
単回帰分析と重回帰分析という言葉を知らない人に説明するのにとてもわかりやすい例題が示されたと思います。
漠然と経験で推測していたことが、数値化して予測できる。実施したい。
わかりやすかったです。分類問題も取り上げてほしいです。
技術系においては、参考になりました。
概念は理解できたが、数式周りが理解できなかった。
動画内だけでの理解は難しいと感じました。
面白い内容ですが、式についての説明は難しく感じました。エクセルの機能などを使い、身近なものを公式にあてはめる、使ってみるなどしないと、身に付かないと思いました。
繰り返し視聴することで、理解が深まる部分だと感じた。実践できるレベルまで理解するために何度か見直してみたい。
身近なところで活用してみたい。営業の現場では何を説明変数にすべか、訪問件数はぱっと浮かぶが、それ以外の要素について天気と気温のような客観的な要素を考えてみたいと思います。
周りのあらゆる事象に対し、回帰分析を行う事で将来予測を立てることは可能。
どのような変数を選択するかで、分析精度が変動する。
一見関係性のない変数同士でも回帰分析を行うことで関係性を見つけられることがあるので、様々な変数同士での回帰分析を重ねていくことが大切だと学んだ。
天気、気温、来店人数の関係を早速調べてみたい
難しくてなかな理解できないです。
初めて学ぶ分野であり、これから業務で応用していきたい。
「切片」の意味が分からず、全体的に理解が進みませんでした。繰り返し見て学習します。
顧客へのアプローチ方法(直接面談、on-line面談・電話・メール・イベント等)と売り上げの関係性を確認して最も有効な手段を分析する
どういったものであるのかは理解できたと思うが、数式とそれぞれの変数の意味合いがいまいち腹落ちしていないため要復習。エクセルで簡単に単/重回帰分析を行えるとわかったが、それぞれの変数とかの意味合いとかを正確に理解した上で分析を行うことと、そもそもの前提を揃えないと意味ある分析ができないため留意が必要と考える。
スマホだけで学習するにはハードな内容でしたね
相関分析と単回帰分析の違いがよく理解できなかった
このセクションは回帰分析という言葉を知らない人には説明が乱暴。基礎知識のセクションがないとダメです。
t値とp値の詳細説明求む。
重回帰分析のp-値, tについての説明が欲しかった。
難しいので復習します
p値について勉強になりました。
一度聞いただけではなかなか理解できませんでした。
もう少し読み返そうと思います。
まずは簡単なことから試してみたいと思いました。
ただ、普段の業務のなかでここまで精緻な分析したこともないため、生兵法による怪我は避けたいとおもいました(突っ込まれたときに返答できないなど)。
回帰分析が整理できた。
特に重回帰分析は、実際に自分の身近にあるデータで集計してみないと理解が及ばないなと思いました。
難しかったので再度復習する。実際のデータを使ったやる。
アイスの例を実際の業務に紐づけるのが難しいですが、実際のグラフの作成方法の例があり、実用的で良いと思いました。
日常の数字をつかって試してみようと思います。
回帰分析の活用場面や概要は理解できました。ただ、実際に分析する際の数式やそれぞれの値の部分がまだ明確に理解できていないので、繰り返しこの動画を見るかつ他の教材などで勉強した上で業務で活用していきたいと思います。
急に数式が出てきた...
重回帰分析は難しそうだが、現実の場面ではこちらの方が役に立ちそう
単回帰はよく使用するが、重回帰は複雑だった。
重回帰分析におけるtとPの出現が唐突すぎる気がしました。
どのような状況でt/Pそれぞれの値が大きくなる/小さくなるかが感覚的にわかるといいのですが…
単回帰分析はよく使うテクニックなので良い復習になった。
相関がある=因果関係がある ではないことに気をつけたい
重回帰分析を使ってみたい
仕事でかなり使っています。確認の意味で振り返ることができました。
重回帰分析が難しかった。ざっくりイメージができたってところです。
重回帰分析の詳しい部分は復習が必要だと感じた
t値とp-値がよくわからずだったのと、係数ってどうやって出すのかが掴めなかった。分析をしないといけないタイミングで復習したい。取り急ぎ、概念は理解できました。
難しいので今の段階では、具体的には活用できなそうだが、こういった分析方法もある事が分かった事だけでも勉強になった。
難しかった。
回帰分析を行うにあたり、有効である変数を見極める方法・コツを教えていただきたい。
一度では理解できなかったので、再度受講しようと思います。
難しいですね。もう少し勉強します
1vs1の相関を調べる単回帰分析について、来店客数と気温でも相関があるか調べてみたい。
なかなか理解が進まないのですが、学生時代の勉強が足りていないためでしょうか
実際のビジネスにおいては有効な説明変数の洗い出しは難しそうです。
残業時間と進み具合
い
いきなり難しかった
重回帰分析のエクセルでのやり方を知りたいです。
マニュアル片手でなければわからないと思います。
実験で取得している、一定の電流値に対する電圧値の変化や傾きの予測に使えます
数学的な考え方になって難しく考えます。
散布図は使ったことがないのでなかなか理解できなかった。ありがとうございました。
少し難しかったので、復習します。
単回帰分析は使えそう。重回帰分析は、計算ロジックがまだわからないので、調べる必要あり。
文系のせいもあるのか、よく理解できなかった
すごく難しいかと思いましたが、エクセルにより簡単には算出できる。ただ分析の説明変数に何をおくのかが勝負となる。一度顧客満足度調査などで試してみる。
訪問件数と獲得実績について。
仕事で活用する場合は、かなりの経験が必要と感じた。予測は難しい分野と感じた。
実際の業務で回帰分析や重回帰分析を行うためには、私の場合データの収集が一番大変なように感じる。実際の業務でデータをどうとるのかが課題。
重回帰分析がわかりにくいので、もう少し詳しく説明して欲しかった。
思い出せるか
重回帰分析のTとP値の意味をもっとよく知りたい。
また、アイスの個数はよくある例なので、もっと実務的な(例えば売上予測など)事例も知りたい。説明変数と目的変数それぞれはは、どの程度のサンプル数があれば有効なのか?
予測は過去のデータに基づくもので参考値であること
人材評価において利用可能である。(例:学力と人事評価、従業員満足度)
重回帰分析を習得できるよにしたい
マーケティングと言うよりは統計に近いと感じた。
人材に関するデータ(リーダーシップに関するサーベイの結果や、strength finderの結果等)を一覧にまとめ、各指標がどのようにパフォーマンスと関連しているかを見てみたいと思う
予測をする上ではこの方法を使うことで、説得力がある具体的な数値を出すことできる
色々と切り口を増やし、関係性を探ってみたいと思います
回帰分析は、折をみて再履修します
分析方法としては少し複雑で特に重回帰分析における係数の組み合わせを見つける点をしっかりする必要があることに注視します。
なんとなくだったので更に勉強して活かせるようにしていきたい。できればもっと詳しく知れれば良かった。
重回帰分析の理解と活用について、さらに理解進捗が必要。
重回帰分析結果のt値が高いから良いんですという理解で、業務適用するには説明力が足りないと感じたため、その導出経緯についても理解する必要があると感じた。
単回帰分析と相関分析の違いがわからない…
t、pが全く分からなかった。
重回帰分析は、単回帰分析のように単純でなく、この説明だけでは理解しづらい。
エクセルで早速アドインで出しました。
数学的にはわかるのですが、分析に使えそうなデータを持ち合わせていない。
重回帰分析のExcelでの出し方を、別途紹介してほしい。
重回帰分析まではあまり使っていなかったが、論理的、かつ体系的に学べたので事例を活かしていきたい。
重回帰分析のエクセル方法(作り方)を詳しく教えて欲しい
PCで実践しながら理解を深めたいと思います。
業務で統計解析をする場面は非常に多く、活かしていきたい。
予測業務を行っているため、回帰分析の有効性を確認するポイントがわかって良かったです。早速業務で使ってみます。
回帰分析を取り入れます。
グラフ化するのが楽しみになってきました
重回帰分析を行う意義を学びました。
予測していない変数同士に関係性を見出し将来の予測に活用する事はイノベーションを生む事に繋がる為、実践していきたい。
重回帰分析の数値をエクセルで出す手順の方が知りたかった
回帰分析を実際の業務活用には、試行錯誤は必要だろう。
肌分類において、各測定項目(角層水分量、TEWL、角層細胞面積、角層細胞形状...)が肌状態にどのような影響を与えているかは重回帰分析で調べることになる。
回帰分析は理解出来たが、重回帰分析の t や p の値の意味がよく分からなかった。
例えば、入社後のパフォーマンスの分析には、変数としていろいろなものさしがあるので、良質なデータを揃えることが大事と思った。
回帰分析が使えると、データ分析の幅が広がると思うので、しっかり身につけたい。
重回帰分析のt値のP値については、統計学の教科書で勉強してみたい。
過去のデータから未来をデータを予測できる回帰分析という考え方があることやその概要を知ることができました。ですが応用係数、切片、決定係数などの数値がどのように割り出されているのか説明が少ないまま、回帰分析の解説に入ったので、後半は置いてけぼり感が強く、受講中不安になりました。
過去のデータの数値からどのように導き出されるのか具体例があると助かります。
重回帰分析の説明で利用方法がわかった
全体像は理解できましたが、数式が出てきたところから見直しても理解しきれないので、復習します。
時間内では仕方がない事ですが、自分で調べて勉強する必要があります。
単回帰分析だけでは相関が見えない場合でも、重回帰分析を実施すれば相関が見えてくるかもしれない。t値、p値、補正R2など重回帰分析の評価パラメータの意味を理解することが大切。
単回帰分析は、感覚的に理解できていたが、重回帰分析については、目から鱗で、理解が深まった。
重回帰の信頼性を上げるには、ビッグデータが必要である旨の説明も含めておく必要を感じます。少数データで判断した時のリスクの説明不足を感じます。
回帰分析は一時期よく利用していたが、重回帰分析の有効変数を見つけるのが難しかった。ある程度仮説をもってデータを取りにいかないと、永遠に終わらない(納得性の高い分析ができない)気がした。
営業マンの顧客との接点件数と約定件数の関係性の分析
データ同士の関係の根拠となる分析と分かった。
(t値とp値については、もう少し自分の理解が必要だと感じている)
単回帰分析は2つのデータの関係を、重回帰分析は複数のデータの関係を見る。各係数の大きさから、ばらつきや偶然の度合いを確認して、より精度の高い分析を探すことや、将来の動きを予想することに使用できると思います。
回帰分析を使う事でデータの関連性を導き出せる点は有用だと感じた。一方でその導き方にはまだまだ疑問が残った。
製品の出荷数量の予測に天気と気温を変数として活用できそう。AIに任せたい領域。
一度では理解出来ない部分があるので繰り返し勉強します。
仕事に応用できそうです。
面白い! 実務に生かしたい!
品質管理検定3級ですね。
エクセルでグラフを作ってみた方がいいです。
単回帰分析はエクセルでやったことがあるが、重回帰分析を今回初めて学べてよかった。どの変数に関係があるのか考えて使ってみようと思う。
概要は理解できました。実際に業務に生かすには数値感覚を持つためにある程度の演習が必要ですね。
相関分析よりも難しく感じましたが、より関係のある変数同士を探す=色々な仮説を立てるというところからコツコツと始めていく必要があると思いました。
実際には重回帰分析のほうが活用する場面は多いので、もう少し詳しく学ぶ必要があると感じた。
予測モデルで精度が上がる施策をうてる可能性を思いました
演習が必要だと思いました。どこかでドリルを入手します
t値や補正値といった評価指数の求め方を説明してほしかった
回帰分析を行うことで、漠然とした関係性をより数値化した形で把握することができる。
回帰分析の結果が全てではないと思うが、ひとつの指標として上手く取り入れていきたい。
重回帰分析で将来予測ができるのは理解できたが係数などの見方については突っ込んだ学びが必要と感じる。
少し相手からの勉強で、あまり良く思い出せず、再度勉強します
回帰分析の初歩的な内容を知ることができたが、今後参考書籍などでもっと深掘りして勉強してみたい。
回帰分析は、ハードルが高いイメージだったが、軽い気持ちでどんどん使っていこうと思う
もう少しトレーニングが必要かもしれん。
重回帰分析において、複数の変数を仮説として挙げることが難しいとは思うが仮説の訓練として繰り返して行うことが重要
使いこなすには難しかったです。
重回帰分析はこれまで用いてなかったので、活用してみようと思います。
t値とp値の判断基準もわかったので、日常業務の中にある説明変数と目的変数の関係を抽出して分析していきたい
重回帰分析ときくと難しく考えがちだが、Excelを活用して予測モデルに近いことができるのはとても興味深かった。
QC検定で出てきたやつでした。 概略が非常にわかりやすかったです。単回帰分析はなんとなく行ってきましたが、重回帰分析は判らなかったので今後チャレンジしてみたいとおもいました。 収率や分解率などの分析に使えるような気がします。
ほかの初級編に比べてかなり難易度が高く感じた。一度見ただけでは回帰分析はできるようにはならないと思う。
回帰分析は、2つ以上の変数の関係を見れるので、様々な条件付けができそう。
重回帰分析の説明がもう少し欲しかった。
新車の売り上げ台数予想や今後の販売戦略を考える上で、過去のデータを数字として因果関係に落とし込むことのできる回帰分析はとても重要だと感じた。
ダミー変数の考え方はこれまでにあまりしたことがないので、今後積極的に活用していきたい。また、ほとんどの事象は「重回帰分析」に値するものだと思うが、これに関する具体的なデータ解析手法を知らないため、十分に使いこなせるよう、勉強したいと思う。
説明変数は、ロジックツリーなどで出していけばいいのでしょうか。
開発等の分析に必要だと思う。特に重回帰分析については積極的に活用していきたい
大学で専攻していた分野であったので、仕事においても例えばコストを目的変数として、意外な説明変数を発見し、改善するために回帰分析を活用していこうと思います。
回帰分析を用いて、これまでに発見できていなかった相関性を見つけていきたいです。
相関分析と並んで世の中の動きを理解するための強力なツールになりそうだと感じました。
重回帰分析の各値の説明をもう少ししていただきたかった。
概要を教えていただけた印象なので、より回帰分析について具体的に学びたいと考えました。
重回帰分析の作り方を学んでおきたい
どういった場面でも応用できるものであると感じた。
簡潔でわかりやすかったですが、計算式も見ずに使うのは無謀だと思います
表計算ソフトは実際に使ってみないと身につかないと思うので、仕事の中で取り組みたい。
データがあるからこそ、解析できる。
曜日、天気、チラシ有無を考慮した客数予測
今まで回帰分析もその為のエクセル表も使用した事が無かったので、一度簡単な事例で試してみたい。
t,pが懐かしかったが、もう少し思い出すため、今日明日で過去の教材を復習してみる。
推定・検定などを含めて簡単に統計の復習をしようと思った。
重要となってくるt値、p値を算出するところまで把握するする必要があると感じました。
最近使っていなかったので、良い復習になりました。
難しいからもう一度。
確かに業務で分析することで有効な結果を得ることができと思います。その中で回帰分析は使えるとは思いますが、重回帰分析は多少の慣れが必要だと思いました。
重回帰分析が難しかったです。
活用するまでの理解には至っていない気がする。
重回帰分析のtとpのどんな用語の略なのか、説明してほしかったです。
アイスの販売をするときは、気温と天候を関連付けてイメージを膨らますことが
大事だと分かりました。
売価が変動する場合の需要予測に活用する事ができる。
重回帰分析が難しくよくわからなかった…
また見返してみたいと思う
職種から、活用する場面がイメージしにくいが、
用語として知っておくのは必要なことかと思う。
製品の販売動向の傾向分析と対策立案に使いたい。
テストは意図を汲んで回答できますが、専門家目線だと結構間違いだらけです。
業務で活用するには、目的と調べる変数に何を用いるかによって精度が変わってくると思います。変数が多い場合は、ある程度の習熟が必要になると思いました。
大まかには知っていたが、忘れていたこともあったのでこの機会に一度使って思い出してみようと思う。
内容はわかるが、切片?がどうやって導かれるのか、理解できません。
データを取るたびに手法を思い返さなければならなそう。
業務で使うには、説明変数の使い方が重要かと思いました。因果がなくても、T値が高くでる可能性もあるのかな。
回帰分析、とくに重回帰分析はあまり使用頻度がなかったので知識として覚えておく。
分析自体はコンピューターがやってくれますが、変数のあらいだしの方法にいつも苦慮します。
業務で活用するには、日々の振り返りに活用できる。営業でもマーケティングでも自分たちの特徴や傾向を導き出していくにあたり、仮設を考える際に定量的な視点で分析していくことが可能になる。
デジタルを学ぶ機会に重回帰分析が出てきて理解できなかったのですが、少し理解が深まった気がしますが、tとかpとか理解ができませんでした。もう一度学んでみます。
重回帰分析の理解が難しかった。エクセルで自分で作成して腹落ちさせたい。
なんで、使ったことなかったか、、、
これから予測不能な時代にはなるが、天気商売の部分は多少あるな。
まずはエクセル動かして場数踏みたいです
将来の売上予測につながる変数の組み合わせ候補→人口、店舗数(ターゲット顧客数)、活動量(ディテール、講演会、mail、など)、競合のマンパワー
システムバグの発生数を目的変数として、さまざまな説明変数を見つけ出して、今後作成するシステムのバグ発生数を予測していくことに使えそう
重回帰分析が業務で使えそうなので試しにやってみようと思う。計算結果表の作成方法がいまいち分かりませんでした。
お客さまアンケートにて、質問項目数は多いものの、関連性については「何となく」の感覚で見ていたと思います。重回帰分析を実施し、感覚と現実数値が合うのか検証したいと思います。
過去の変数同士の関係を分析することで将来を予測できる回帰分析は、様々な事項に用いることができそうです。
単回帰分析はこれまで良く使用していましたが、重回帰分析は使用したことがなかったです。概要は分かったので、別の資料で理解を深めるようにします。
回帰分析を見るための前提となるデータの精査から始めないといけない、、
■回帰分析を使って需要
予測をしたいと考えて
います
◎回帰分析は適切な説明
変数を見いだすことが
重要
・何をどこまで細かく
落とし込んでいくか
が難しいところ
When you earn a degree, you accomplish a big step. You gain knowledge, skills and experience to help you both in your career and in life in general. On top of that, by gaining additional skills in communication and problem solving and achieving your goals, you can also increase your confidence.
基本的なところは理解しました。実際に使うには、何回か練習を繰り返さないと身につかないと思いました。
回帰分析は、他者に相関を説明するにあたり、定量的で納得性のある説明が可能になると学んだ。
重回帰分析はもう少し詳しく学びたい
エクセルの使用法等一度では覚えられないので何度も見返そうと思う。
回帰分析について理解しました
言葉の意味や説明を覚えることより、使い方を学ぶことの方が重要。使い方自体もネットで調べることができるため、まず使うことから始めよう。
重回帰分析がいまいち理解していないので、具体例をもっと確認したい。また、過去データも大事かと思うので合わせて予測するデータとして参考にするのが良いのかと思いました。
自分の仕事においても製品の過去のトレンドデータを活用して、これから未来の先を予測できるかと言う部分に関して非常に興味を持っている。AIとかの部分になるのかなと考えるが、基本的な予測に役立てられる変数、またそれの基本的な計算方法を理解することができ、活用したいと考えた。
難しい。複数回視聴し活用できるようにしたい
なんとなく回帰曲線を書くまではやっても決定係数まで評価することはすくないので勉強になった。
変数になるものを常に意識しておくことが大事と考えます。
日ごろの何気ない出来事も、関係性が見いだせれば楽しくなるかもしれません
・回帰分析は、変数同士の関係を分析する手法(相関分析に似ている)
・回帰分析には「単回帰分析」「重回帰分析」の2種類ある
・単回帰分析は「散布図」から回帰線を算出し決定係数で分析結果の妥当性を確認することができる。
・重回帰分析は決定係数に対して複数の変数を用いて分析モデルを算出する。妥当性を確認するためには、「t値(2以上)」「P値(0.1以下)」「Rの2条(1に近い)」があり規定値を確認して妥当性を検証する。
・回帰分析は「施策」への活用に用いられる。
・分析においては前提条件を揃えること、有効な変数を組み合わせることが大切。変数を見つけることは大変。
重回帰分析のtとpについて理解が足りていないと感じました。普段の業務ではあまり使うことはないと思いますが、いざというときに動けるための土台になりました。
回帰分析は使ってみようと思うものの、なかなか使い方や活用方法が分からないので、今後より深く学んでいきたいと感じた。
難しい…
販売数量の予測に活用したいが、どの変数を選択するかが、重要とかんじた
仮説をデータ化してみたいとした発想に繋がった。
小売業の仕入れ予測の一片を体感出来た。
イメージが湧いた
オペレーションズリサーチの手法だと記憶している。
講義の通り、適切な説明変数を選択するには、実践と経験が必要と感じる。
熟練すると、思いもよらない関係が判明するかも知れない。
重回帰分析のtとかpの意味をもう少し詳しく知りたい。