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。
まだまだ腑に落ちていない。
重回帰分析のエクセル分析方法の紹介も欲しかった。
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値とp値については、詳しく確認する必要あり。
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。
だんだん難しくなってきた。
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。
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。
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。
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。
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。
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
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。
係数の導きだし方をもう少し詳しく示してほしいと思いました。特にｔ値、ｐ値の計算がどのような式で出来るのかわかりませんでした。
これまでの自分の業務の中でこういった分析を行う機会はあまりなかったが、エクセルでもできるし、案外シンプルな考え方なので、是非使ってみたいと思った。
目的変数と説明変数のt値が2以上という点が勉強になりました。
これまで回帰分析という言葉に対して漠然と難しそうだというイメージを抱いていたため、食わず嫌いしている面があった。今回の講義で回帰分析が1時間数の組み合わせという比較的単純な関係で表せること、関係性があるかどうかだけであれば、Excelを用いて容易に計算できることがわかった。したがって今後は、前提条件を揃える、有効な変数を試行錯誤の中で見つけるということに留意して回帰分析を業務の中で活用していきたい。
ｔ値、ｐ値を理解しているものとして話が進んでいることに驚いた。
知っている人は本講座を見ないのでは？
googleで「回帰分析 T値 P値」で調べたら詳細がヒットし、ようやく意味がわかった。
分かった上で言うが、やはりこの講座内でもしっかり触れるべきだと思う。驚きの突き放し具合であった。
いきなり分析にかけるのではなく、最初にデータのばらつきを俯瞰したい。
1回で理解するのは難しかったので、復讐しようと思います。
重回帰分析の例で、雨なら0になるのがすこし？だった。何かの例で自分でも検証してみたいと思います。
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。
重回帰分析を人に教えられるくらいにマスターしたいと思います。
回帰分析の知識を深めることができた
自分の体調と睡眠時間など生活習慣がどの程度日頃のパフォーマンスに影響を与えるのか分析する。
ビジネスだけでなくプライベートを改善する手段にもなり得る。
これはめちゃくちゃ難しかったです。組織一回じゃ理解できないです。その他に多様な分析が出てきましたので目的は違いっていうところをはっきり分かるようにしていきたいなと思いました。こういった分析をちゃんと目的別に分けて使うことができればかなり戦略的な打ち手が打てそうだなと思います。
誰もが簡単に回帰分析、重回帰分析をできる環境を作りたい。
重回帰分析では複数ある説明変数にそれぞれ何を用いるのかが重要となってくる。したがって、実際の業務においては想定される種々の説明変数で試みることにより、選択した説明変数が妥当なのかどうか評価する必要性も感じた。
重回帰分析は正直よくわからない。
いつか理解して使いってみたい。
少し難しい分析手法だったので、再度復習を兼ねて確認したい。一見関係なさそうな関係性を見出せるかもしれないので、使えそうな場面で利用したい。
重回帰分析の単元が難しく感じたがポイントは掴めたので、会話の中に取り入れいきたいと思う
tとpの説明がもう少し詳しくしてほしかった。
単回帰分析は仕事上、使いやすそうだけど、重回帰分析は難しそう。
要素となる変数の設定が重要だと感じた。
様々な変数を分析してみようと思った。
難しそうです。業務で活用してみたいと思います。
T値、P値の算出方法が良く解らない
単回帰分析はたまに使用するが、重回帰分析を使用した経験はあまりない。
実際には説明変数が複数ある場面はよくありそうなので、機会を見つけ、
使用できるようにしたい。
ちょっともう一回受けないと難しくて小テストが理解しにくかった。
エクセルで分析できるとは知りませんでした。重回帰分析の説明がよくわかりませんでした。別途勉強が必要ですね。
活用するために、もう少し自分で勉強して理解を深めたいと思います。
単元が終わるたびに学び中のカテゴリトップに一発で戻れないのが不便。例えばデータ、情報分析力の相関関係が終了した後に、カテゴリの並び順だと回帰分析が次に来るのに、一発でカテゴリトップに戻れないため回帰分析に行きつくのに手間がかかる。
回帰分析に関しては理解度が浅薄です。
復習したいと考えております。
eラーニングの受講率をより引き上げるために、回帰分析を用いて受講者増につながる説明変数を探索してみたいと思った。これまでは、業務の繁忙、受講期間中の長期休暇の有無などを定性的に考えて受講時期を検討していたが、定量的に考えることができそうである。
操業データ（説明変数）と製品の品質（目的変数）の重回帰分析を実施して、予期していなかった説明変数を見つけていく。
各数値の数学的意味を勉強します。
説明変数と目的変数の設定をどうするかで、説明への納得感や業務上の必要性をアピールできるが、この変数をどのように設定するか、個々人の感性が問われる
1度見たぐらいでは理解しにくい。
何度か復習して活用できる知識にしたいと思います。
いままでは漠然とわかっていたことが、回帰分析を行うことにより数値化でき、より信憑性が高くなることがわかりました。
微生物の増殖に関わる成分を複数供試した際に、どの成分が増殖の増減に関わるか
要素に対して要因を見つけて分析することが有効である。
エクセルでの計算法が勉強になりました。 専門的に説明するとかなりハイレベルなことを短い動画で、でも重要なところはきちんと説明されていて、さすがグロービスと思いました。
概略はこれでつかめるが、本質的には統計をきちっと学習する必要があると考える。
過去には、医薬品の構造活性相関にて、活性のある化学物質を見出すことに活用していた。マーケーティングにおいても簡便に活用できる。
tとｐの値を確認し、意味のある分析にしたいと思いました。
聞いているうちは解った気がしてしまっていた。しかしドリル？みたいなもので何回もやってみたい！データードリブンな思考を磨くためにぜひ練習問題で気づきを増やしたい。せっかく異業種のやる気がある人たちの集まりなので、ゼロから視点を自ら増やすより真似して考える回数を増やす方が早い。勘と感覚だけでない判断が変化に必要だと思う。現状を変えたくない現場を説得するのに時間を費やしている間に会社が倒れる！
凄く難しかったです、、、活用できれば、在庫定数の正確な管理はできるんだろうなあと思いました
重回帰分析はあまり使わないので、機会があるときに使えるか考えてみたいと思う
理解するのが難解でした。何回も勉強させて頂きます。
理解していない部分もあるので繰り返し学んでいきたい。
回帰分析を活用することで見えない部分も見えてくんだなと感じた。
業務に合わせて活用ができるか試みてみます。
レベルが高すぎて理解出ない
大体のイメージは掴んだつもりですが、t値とp値についてもう一度おさらいしたいと思います。
まだ理解できていないので理解できるまで繰り返し学びます
問題の中であたらに数字や条件を設定して一緒に考えて行ける仕組みがあるとわかりやすい。
難しいがマスターできればとても有効な分析。
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。
定量値を算出する際に使用できる。検量線。
複数の因果関係から結果を導き出すことができる
交絡因子に気を付ける
過去の相関データを元に将来予測を定量化できる有用なツールである。ただし、有効な変数を特定することが重要。活用したい。
意味のある要素の見つけ方について学びたい
関係性について数値化して説明することで、より説得力のある分析ができることがわかりました。
ビッグデータの分析の基礎の基礎だと思い、学ぶことができてよかったです。
重回帰分析については、説明が省略されていることも多かったように感じるため、それぞれの係数の意味が十分にわかってはいないのですが、有効な変数の組み合わせを判断する材料をいただくことができました。
難しいですね
使いこなせるかは自信がありません
回帰分析、活用します。
ある変数と他の１つまたは複数の変数の関係性を分析する方法であり、変数同士の関係性を知ることで施策検討に活用できる場合がある。漠然と結果を予測するのではなく、数値から定量的に効果を予測するようにしていきたい。
業務の中ではなかなか回帰分析を用いる場面が少ないので、かなり難しく感じました。
アイスの例と異なり、自身が関わる業界において、説明変数に該当するパラメータが何かを見出すことは容易ではないが、活用できれば非常に説得力のあるデータとなるため、機会を見て活用したいと思う。
・起こっている事象の原因仮説を確認する
・これまで起こった事象頻度から将来おこる事業頻度を予測する
・目的とする事象の発生を最大化する
1つの事象に対して、どのようなことが影響しているのか、想定していなかった発見にたどり着くために回帰分析を活用したい。但し、重回帰分析は完全に理解しきれていないので、顧客に説明できるまでの習得が必要。
高度に使いこなせれば販売予測にも使える可能性があり、SCMの高度化につながると思う。
マラソン大会のへの参加者を説明変数としてスポーツサプリメントの
売上金額を目的変数として回帰分析する。大会が盛んにおこなわている大会でのプロモーションでの露出を強化する。
実際の業務上では、重回帰分析よりは単回帰分析を何回か繰り返し、数多く考えられる変数ひとつひとつの傾向を分析して考えていく方が多いように、経験上感じる。(業界によって様々だとは思うが)
単回帰分析は、1次の式だけだったが、実際には、2次だったり、グラフがlogだったりするので、重回帰分析よりは、そういった説明が先に来ても良かったのではないかと思った。
また、大学の時には、まず、最小二乗法から入って勉強した覚えがある。この講座のような表面的な説明では、所詮暗記の範疇になってしまい、物事の本質を理解できない。最小二乗法から数学的にきちんと理解し勉強した方が、数学を逃げた本講座よりも、実は理解への早道ではないかと感じた。
実際のビジネスでは、説明変数の候補となる因子を漏れなく抽出することが肝ですね。
久しぶりの重回帰分析
慣れてないため計算式が難しく、概要のみしか理解出来なかった。再受講します。
労働災害発生数に関わりが高い要因（説明変数）を分析。管理者に対する部署人数、教育回数、打合せ回数、年齢、温湿度、時期、性別、残業時間など。
頭にはあまり入らなかったが、
実際にやってみる際には回帰分析で調べてやってみたい。
T値やP値で相関性の強さをハッキリ言えるのが面白い。
分析した結果に最近であればコロナという変数も加味する必要がある
回帰分析の具体的な利用方法が理解出来た。
切片をどのように決めるのかがわからない
「ｔ」の数値が2以上
「P-値」が01.以下の説明がもう少し欲しいです。
定量分析が必要な場面で、すぐにパッと使えるようにしていきたい
回帰分析という言葉は聞いたことがあるが、内容はあやふやだったので
良い学びの機会となりました
言葉の定義や計算式を覚えていないと何をどう使って良いか分からなくなる。
債権のデフォルト率も回帰分析で判定してるのだろうか。。
目的変数：デフォルト率
説明変数：景気指数、TOPIX、などなど
式は少し複雑だが、エクセルで分布図を作成した際に式を表示させて係数や値をチェックすることで図を有効的に活用できそう。
このような分析は研究者が計算して行うと思っておりましたので、エクセルを用いて自分でもできるとは知りませんでした。
まずは手近なデータで使い方を習得し、実業務で何か分析したい場面に出くわした時に使えるようにしたい。
変数が多いものに有効だと思った。
多重共線性（マルチコ）の発生についても触れた方がいいかなと思います。
重回帰分析の統計的意味は忘れていた部分で再確認出来ました。
難しい内容でまだ理解できていない。後日再度復習したい。
単回帰分析はよくやりますが、重回帰分析は知りませんでした。機会みて、やってみたい。
重回帰分析のやり方が気になるの
実際に活用できるように、日頃から考えて行きたいと思います。
回帰分析は機械学習の第一歩になり、活用できる
実際に具体例を使っての説明は理解しやすかった。重回帰分析をもう少し掘り下げても良いかと思った。
単回帰分析は，私が普段から最もよく活用している分析手法。重回帰分析も活用することでより様々な関係性を見出すことができるため，そちらも活用していきたい。
決定係数とは何かを知りたいです
一度買ったものを長年使い続ける人とその人の貯蓄額との関係性
今、現実かけ離れている重回帰分析は復習が必要と感じた。
現状、私の日常においての使用は考えにくく、また馴染みがないので、サンプルデータ等で練習、確認出来ると良いのですが
漠然と関係のありそうなものでも数値化することで、その正誤を確認することができることを理解した
重回帰分析は復習が必要と感じた。
単回帰分析は日常的に行なっていたが、重回帰分析を活用できていなかった。エクセルでの計算方法を確認して、活用していきたい。
重回帰分析をするにあたり、何を変数とするのかを考察するのが非常に試されると感じた。
将来AIが変数を当てはめて、予測する世の中になるのだろうか。
まさに温故知新。昔ながらのやり方だが、根拠を持って説得できる。だが、調べるまえの仮説がポイントになりそうだ。
ある変数と他の変数との関係を見る分析は理解したが、もう少々自分に理解が必要です。
tとかPとかについてもう少し説明が欲しいです。
回帰分析という言葉は聞いたことがあるあったが、実際にどういった場面で何を明らかにするために使われるのか、どのように分析するのかはわかっていなかったため、この動画で基本的な概念を理解できてよかった。
今後コンサルタントとして用いることがあると思うので、使えるようになるための勉強を進めたい。
複数の要素から回帰分析を行うことで、より関連の高い要素が分かり、今後の予測に使用できることが理解できた。
どの部分を指標とするのかについてきちんと見極められるようになりたいと思います。
業務で活用するためには、目的変数の適切な選択と、説明変数の的確な選別が重要となるので、との要素を変数に選ぶかが大変重要となります。
試験結果を考察する際に客観的な根拠として回帰分析は活用できると感じた。
t/pの意味が分からなかった。但し、分からなくても目的は達成できるのであろうと思った。
最近よく思うのは、昔と今で求められていることや利用価値のあるツールは、あまり変化がないのではないか？と感じる。
（Excelも機能アップにより新しくできるようになったことも多いのかと思うが、）何か新しいツールを使わなくても、業務の見える化であったり、将来の戦略を練ることは、既に自分の身の回りにあるツールや既存の知識を使って実現できるように感じる。
つまり、本質的に求められるスキルは、知識の深い理解ではなく、何をしたいか、そしてそのために何をするか、を具体的に決められるリーダーシップであると感じた。
現場でも利用者がきてくれる条件を分析することで、どのようなときに利用してくれるかの予測に役立てたいです。
数値の理解が難しい。
相関関係をみたい時に使ってみようと思った。
エクセルの計算方法を知ることができ、早速、様々なことに対して、回帰分析を行ってみたいと思った。
直感で関係していると思って、合っているケースも多くありますが、そうでない時にはデータ解析をもとに客観的に関係性を評価できるので良いと思う。但し、前提条件を揃えておかないと、何の解析をしているかわからない、誤った方向へと誘導することがあるので、前提条件を揃えることが重要と思いました。ただ、それは容易ではなさそうに思いますので、複数名の目を入れるなどの工夫が必要と思いました。
重回帰分析の結果にP値とｔの値が出てきたが、その説明をもう少し詳しく教えてほしい。
需要予測とかの提案でよく聞く内容であり、理解が深まったが、もう少し重回帰分析のtとかPとかについて解説してほしいと思った。
これは簡単でしたが、もう少し数学的な説明があったほうがわかりやすいのではないかなと思いました。
会社の業務にてforcastと呼ばれる売上の着地見込みが出ていたが、今思えばあれは回帰分析で出されていたのかもしれない。今見ている数値についても、着地見込みが分かると、より比較しやすくなるので、ぜひ出し方を調べてやってみたい。
単回帰分析は非常に分かりやすいです。グラフにより視覚的だからです。一方で重回帰分析の場合ですと数式により表すだけで、その導き方がわかりにくいところであります。補正R２乗はどの程度であればモデルの精度が高いと言えるのかはトライアンドエラーしかないだろうか。
また、どれだけパラメータを抽出できるかが重要だということがわかりました。様々な場面で活用して行きたいと思います。
大学の一般教養の統計学で学んだことではあったが、基礎部分の学習が自分にはもう少し必要だと感じた。
単回帰分析は時々使っていたが、重回帰分析は使ったことがなかったので、これから使うようにしていきたい。
ビッグデータではこのあたりをパソコンのスペックに任せて演算しているのだろうが、私の職場ではそこまではできないので、まずは思い当たるところからコツコツやっていく。
Excelを使いこなせば、簡単に回帰分析が可能であることがわかった。
重要なのは、相関性のある係数を見出すことと、そのデータを取得しておくことだと思います。
前者が欠けているとあまり精度の高い結果が見いだせない・・・気がします。
ただ、非常に相関性の強い係数があれば、あまり変わらないのかも？
このあたり、検証してみたいです。
統計学的に数値化することはマーケティングにおいては重要と言える。
顧客の専門性と購入製品を比べることで関連性が出れば、今後の販売戦略に生かせると思った。
知識として学習できたことは非常によかった。
手法は有効だが、前提条件の設定、元データの準備の難易度は高いと感じた。
Excelを活用した重回帰分析の方法紹介サイト等も参考にしたい。
復習して、もっと、理解を深めたい。
なんでもかんでも数値化して語るのは好きじゃないのです。SouthamptonのLe Tissierとか、記録より記憶に残るプレーヤーに憧れるのです、、、と敢えて本題とは関係ない話を書いてみる。
実際に使える関数のように思えるが、難しい。
回帰分析と現場の定性情報を合わせて分析する必要もあるかと。
回帰分析、散布図で異常値の背景も確認していきます。
この考え方はメーカーには有効と思うが、商社では使う機会は限られる。ただし、理論は非常に参考になりました。身近なエクセルグラフにこのような機能があること知り、参考になりました。
因果関係を言葉のみで説明すると非所に危険。
そういった場面でこれらの式を用いて、数値としても因果関係があるという事を確認しておきたい
Excelで簡単に求められるのは身近にできる
重回帰分析を行うには、データ数が十分に揃っていることが必要だが、感や経験に頼らず、こまめに実施していきたい。
変数の認識が一度の学習では理解できない
実際に手元にあるデータを見て、データ分析で様々な変数を探して、数字で判断していくことができると思った。
2つ以上のパラメータと結果を結び付けたいと考えていました。業務で役立てます。どのようなパラメータを拾ってくるかが重要になりそうです。
回帰分析の大枠の考え方は理解でき実務で活用してみようと思ったが変数や指数のところの理解が難しかったので再度、確認し理解する。
例題を用いて、練習するしか理解できない
R2は決定係数
0<=R2<=1
R2が1に近いほど説明変数が目的変数に与える影響が大きい。
tは絶対値が2以上
pは0.1未満
重回帰分析のｔ，ｐの導き方を説明してほしかった
重回帰分析ははっきりいってわかりにくい
時間が伸びてもいいので、もう少し段階を追って説明してください。
説明されると理解できたような気になりますが、実際の分析に使ってみようとすると難しさを感じます
仕掛個数と完成リードタイム、設定リードタイムとの関係性を確認してみたいと思っている
p値の計算式を勉強したような遠い記憶
実際の現場では、目的とする数字に寄与していそうな因子を探索するところにセンスというか能力が必要となるような気がします。俯瞰的に物事を見ることができると、こういった因子の探索には有利なのではないでしょうか。
売上がどのような要素の結果作られているかの仕組みを知るために重要な分析ですね。早速実践してみます。
普段あまり意識したことがなかったので取り入れてみたい。
日常的に意識していない為、まだ理解できていません。繰り返し内容を振り返る必要がありそうです。
講義を聞くだけでは理解するのは難しいと思いました。事例で手を動かしてみて、頭に入れないと使えないと思いました。
実務において、変数を選択が難しいと感じる。
理解できませんでした。
回帰分析法を日常の分析に取り入れていきたいと思います。
安宅和人さんが書かれた「シン・ニホン」を読んでいて、統計的知識の必要性を感じた。そのため、統計学の本で勉強していたのだが、回帰分析がいまいち理解できなかった。
本講では、簡易ではあるがわかりやすい説明がされており、より実践に即した学習内容となっていた。
私の業務の性質上、回帰分析を用いることはないが、今後転職をしたときに確実に必要となるので、もっと掘り下げた勉強をしようと思う。
tやpなどの意味が分かりにくく、設問3の答えが理解しきれなかった。
少し難しかった。もう一度復習。
実際に自分でグラフを作成してみたいと思います。
重回帰分析がしっかりと理解出来ていないと思う。仕事上使うシーンは想定しにくいが、教養として引き出しに入れておきたい。
天気と来店客数や電話件数と新規成約数などからの予想
なんとなくは分かりましたが難しかった
活用以前、まだまだ理解不足。変数を生理的に受けつけない。
相関関係を数字で表せることはわかりやすく、説明に使えると感じた。
実験計画の際にうまく活用できれば効率よくできるのだが、実際にはなかなか活用できていない。
重回帰分析の説明はあまりにも乱暴で、例えば、「ｔ」「P-値」の説明がないとか。サービスの性質から、学校のように一々細かく紹介できないのは理解しますが、それでも一見全部の知識が網羅しているようにコースがあるが、中身として、前提説明抜きで乱暴に紹介されても、勉強にならないし、本末転倒かと考えます。
考え方は良く理解できますが、専門用語で表現するとややわかりにくくなるのは不思議です。
よく理解できました。
難しい。日常業務に取り入れられるか？今までは使用したことが無い。
1回で理解できていません。再度 視聴してみます
重回帰分析の補正R、t値、p値の説明、求め方などわからず利用するにはもう少し勉強が必要と思われる
重回帰分析は難しかった。
今回の動画学習だけでは理解度が不十分に感じだので、テストを受ける前に他のサイトも参考にしました。基礎部分の学習が自分にはもう少し必要だと感じた。
回帰分析を用いる方法を学習したが、より詳しく学ぶことで様々な場面で活用できるようにしたい
面白そう。業務上の分析に是非取り入れたい。
理解したようで罹患出来ていない。
回帰分析に有効な変数を導き出す手段として、演繹的・帰納的思考を用いていきたい。
複数の要因の操作による将来予測は、人間の行動を変える上でも面白いと思った。
説明変数をたくさん設定することで、相関関係についての感度を上げていく。
最も作業時間に影響する要因を出すことができる
tとpの意味の説明を詳しくしてほしい
データ取りをして使用してみたいが難しかったので、再度受講しようと思います。
１度で理解できるレベルではなかったです。
回帰分析を活用していきたい
回帰分析を使用することでなんとなく関係ありそうではなく、ちゃんと数字を示すことができるので説得する場面等で特に有効そうである。
t,pがよくわからない
職場における従業員の生産性の分析に活用できると考える。
まだわからないことはあるが、調査結果のまとめや仮説立てとして活用できるイメージはあった。
重回帰分析のt、p値、R２の定義を改めて学習できた。
相関関係と単回帰分析の違いがよく理解できませでした。
有効な変数の組み合わせはなかなか見つけるのが難しいと思うが、これまで関係性があると言われている事柄を検証するために使うのでも十分有効に使えると思いました。
重要 回帰分析はちょっと難しいですね。実際にやる際はテキスト見ながらやらないと。係数決めも難しそう。
まだ十分な理解ができていない（特に重回帰分析）為、身近な事例で練習し、腹落ちさせたいと思います。
インプットするデータの数について、解説が欲しかった。結果の信頼性（偶然か、必然か）に影響すると思うので。
この分析方法を使って関係性を数値化し、施策に落とし込んでいくことの重要性を理解した。
ただ、用いる値が多く、それぞれの値の出し方や意味合いを一度で理解できなかったので、繰り返し学習したいと思う。
重回帰分析は、単回帰分析に比べ複雑になるが、より正確な値を分析出来るので、身に付けたい。
変数の関係性を見る手法として活用できそうなシーンはありそうだが、有効な変数を見つけるまでには、時間がかかる可能性があるように思う。「t値」や「p値」というのは、どのように求めればよいのか、説明が欲しかった。
キャッシュフロー予測に活用したい。
重回帰分析のt値、p値のロジックとして何故、その値を基準に確からしさが確認できると言えるのか。より理解していく必要がありそうです。理屈が曖昧。
一度で理解するのは難しい。
計算式をたてることに難しさを感じた。しかし、施策検討や結果の予測に活用できるため、使いこなすことが出来るようにならないといけないと思った。
仮説で説明変数から目的変数を見ていくという流れがスムーズにできるよう、説明変数の見極めるようにしていきたいです。
忘れそうなので復習を忘れない
今までは数値に関しては感覚的に判断していたが、単回帰分析を取り入れて物事を判断していきたい。
重回帰分析の各値の意味をもっと掘り下げて教えて欲しい。
この分析方法をしらない上司に対しては、分析結果を1から説明しなければ理解してもらえない恐れがある。
進むべき方向性に箔をつける意味では有用であると考える。
定性的ではなく、定量的な判断ができるという点で
回帰分析は重要な解析である。
回帰分析を行う大前提として、下記注意すべきことは下記2点と理解
１．傾向のことなる前提条件を混ぜない。
２．いきなり回帰分析をせず、まずは相関関係があるかの
確認が必要（外れ値、異常値がないかも含め）
そうしないと、回帰分析の結果の解釈を誤る可能性があるため。
得意先資料作成において役立ちました。
数式などが入ってくると途端に脳がシャットダウンし始める。
ここどう克服するか。。。
がんばろう。
定性的な尺度にも、ダミー係数を用いて関係性を見いだせるなら、分析の可能性がとても広がると感じた。
難しい！勉強しないと
復習して学習します。
あまり馴染みのなかった手法でしたが、良く説明を聞いてみると、活用可能な事例が沢山浮かびました。
早速、活用してみたいと思います。
一度では、理解しきれなかったので、復習して臨みます。
知識が全く足りていないことを痛感しました。
今後はもっと深めていきたい。
留意点にある、前提条件を揃える、というのは非常に重要で、全データについて分析しても相関が見られない場合でも、うまく層別すると傾向がわかることが多かった。また、いきなり回帰分析をせず、まず相関をグラフ化して確認することも大事である。
回帰分析は有用であると思いながらも自ら使ってみることはありませんでした。
今回、詳しく学んだことで試してみたいと感じました。
理解するのに時間を要した為、反復学習していきたい。
重回帰分析がよくわからない。
とりあえずキーワードだけ覚えておいて書籍などで勉強した方が良いかも。
回帰分析を行うには、まず詳細な過去データが必要で、それらから将来予測をする、またそれぞれの変数は、相関係数から導き出しても良いかな、という理解をしました。まずは、自社で蓄積しているランダムなデータ同士で、売上予測などをしてみようと思います。
実験結果の解析に役立てることができると思う
活用する場面が多い。知らず知らずのうちに活用していたが単回帰がほとんどで、重回帰分析はできていない。今後に役立てたい。
漠然とした関係もデジタルで表すと有効性が検証しやすい。
かなり物事を難しく捉えている印象。確かに、信憑性は高いが、そこまで捕らわれることはそんなに無い印象です。
回帰分析は過去データから将来を予測すること。
でも適切な変数としたなと正しい予測とならない。
実際にやってみないと定着しない。また復習が必要であると思った。
使いこなせると良いと思います。
普段から漠然と「想定」で分析をしたつもりいたので、
回帰分析で「数値化」して分析できるようになりたい。
このセッションだけもう少し深堀して説明してほしい
小売業で働いている人は、経営に重要なんだと理解します。
アイスやビール 気温、天気に関する商品は、重要なイメージはつきました。
ただ、実際の業務に使える知識までは、知識に不安が残りました
回帰分析の仕組みが分かった。
正直初めて聞く分析手法でしたが、回帰分析を使うとより正確な相関性や、需要予測が計算式で表せると事は、ビジネス、経営において非常に重要と感じました。
一度聞いただけではよくわかりませんでした。
目的変数に対して、意味のある説明変数を探し出すことが大事だけど
地味に大変。
施策を設計する場合に、あらかじめ過去施策から得られる予測や
説明変数を計測可能なデータとして取得できるように環境整備をすることを意識して取り組めそう。
重回帰分析のt、p値を使えば、感覚的には捉えられない相関も定量的に示せそう。
文系には難しい内容だったが、いつも論文で見るのは重回帰分析だったのだと初めて知った。Excelで上手く作成できるとのことだったが、いつかやってみたい。
ある事象に対して、どれが影響しているのかを調べることができる。
回帰分析についてある程度は理解していたが、表計算ソフトの作成方法までは知らなかったので有意義でした。
身近な事例ではあるが、耳慣れない言葉であり難しく感じた。
実践により使えるかどうか判断したい。
計算式の理解が完全ではないので、繰り返し確認する必要がある。
実際のデータを用い、エクセルの機能を活用して、実践しながら身につけていきたい。
「相関分析」のカリキュラムのようにエクセルなどでの具体的な分析方法の説明があるとより良いと思いました。
目的変数はすでに業務で発生している繁忙の度合い（残業時間など）、説明係数を得意先の需要件数などとして、うまく設定することで、部門業務の季節によるばらつきを予測して、業務効率化に生かせるのではないかと考えます。
t値、p値の意味を忘れてしまいそうですが、
何度かこの分析を行ってみると体に染み込みそうな気がします。
病院の施設分類と、製品の販売傾向
どのような施設分類にされている施設が製品Aを購入しているのか
回帰分析を行い、未採用先にあてはめたりできるのかなとイメージしました。
データがあること
データから仮説を見出だすこと
が分析の起点になるので普段から関係性を明確にした事項の変数になりうる可能性を考えまくる。
そのうえでトライ＆エラーでより精度の高い変数を見つけるという地道な作業。
様々な要因について、回帰分析をすることで、新たな知見が得られることがわかりました。
回帰分析は身近であったが、重回帰分析はまだ実施したことがなかった。今後活用してみたい。
キャンペーンの実行に対する効果予測
業務で使えるように具体的な変数の見つけ方なども説明が欲しかった。
分析結果はわかりやすいが、自分がやるには難しいと感じた。
変数の関係を見る分析とあり、具体的なデータ作成には必要なものであると感じた。
今まで漠然と関係がありそうなことをデータをもとに裏付けを作ることができる手法として大変有効だと感じました。
EXCELを使って実際に解析してみようと思います。
考え方は理解出来ましたが、重回帰分析が難しいです。
＊未来の数値予測を過去の実績、関係性などを数値化し見出す事が出来る。その未来の数値を現実性の高いものと係数から導けることを活用したい。
現在の業務に活用した事がなかった。今後どう活用できる考えたい。
説明を聞いただけでは理解が不十分だと感じているので、実際にExcelを使って何か分析してみようと思った。
使わないと決定係数やt値、p値の見方を忘れてしまうので、どんどん使っていきたい。
営業活動と営業成績の相関に役立つと感じました。例えば、ディテール（単純接触）数、プレゼン数（濃厚接触）数と売上（or前同UP率）を回帰分析し、有意性が見いだせれば、アクションプランの策定へ繋げることが出来る。
回帰分析をもちいて、相関関係のある説明変数と目的変数を見つける方法を学べた。単回帰分析、重回帰分析をエクセル関数を使って計算する方式も学べたので、実際に試行してみたい。
再学習が必要だと思います。
1度では理解が難しかったので、何度も視聴したり実際にexcelでグラフを作成してみようと思う。
結果と要因という考えを数値化する事ができる事がわかりました。
興味ある業種の様々なデータで試してみます。
売り上げに影響を与えるものがわかる
重回帰分析の際の適切な変数の設定が重要だと分かった。
単回帰分析については知っていたが、重回帰分析は初めて学習したのでもっと詳しく知りたいと思いました。
この分析をする事で、自分の思考に説得力が増すと思った。一方で重回帰分析の説明や途中式なども解説して欲しかった。重回帰分析の分析の仕方はわかったが、作成方法まであればもっとわかりやすかったのではないかと思う。
説明はごもっともだが、もう少しわかり易く表現できないか、1つのテーマとしての時間枠があるとは思うが、理解させるのであれば２つに分割してもよいと感じた。
回帰分析の方法、思考を学びました。
式の理解ができてないため、活用が現時点では難しい。
なかなか難しかったです
相関分析との違い、使い分けまで理解ができていない。
実際に活用して理解を深めたいと思った。
t.pの数値化の説明分かりづらかった。内容としては興味がわき、復習してみようと思う。
正直難しかった。より理解出来る様に努力します。
難しいです 役にたてるように 努めます
回帰分析をもっと深く知らないといけないと感じた。
難しかった。。。もっと理解できるように頑張ります。
目的変数に対して説明変数の選び方がポイントになると思う。
相関分析などとも組み合わせて使うと良いと思う。
数値の変化がなんの原因と結びついているのか、分析しようにもどうすれば良いのか分からなかったので、今回はすごくいい視点をいただくことができました。
Ｅｘｃｅｌにて導けることが非常に勉強となりました。営業として日々忙殺される環境下だと、分析する内勤業務との役割分担・連携作業が必要ですね。
分析の前提条件をまく設定することが、この分析のキーとなると思う。身の回りで回帰分析することがあるのか、まず、そこから考えたい。
活用するにあたっては検討する説明変数同士になにか因果関係があるのかどうかも検討すべきかと考えました。
より具体的で応用ができそうだ
有効な変数を的確に見つけることができれば年間販売目標、月次生産計画などいろいろな予測に使えそう。既にプログラム化されているものについてもどんな数式を用いているか確認してみるのも面白いかも。
「相関分析」のカリキュラムのようにエクセルなどでの具体的な分析方法の説明があるとより良いと思いました。
改めて回帰分析の用語が正確に理解できました。
数値の意味するところについてもう少し詳しく学びたいと思います。
業務に活用する為にも、有効な変数の組み合わせに注意していきたい。
概念的なことはわかりましたが、実用するには他にも考えることが多そうに思いました。
今まで重回帰分析は用いたことがないのでチャレンジしたい
大変勉強になりました。
機械学習では普通に使っている分析手法です。
特徴量同士の関係を様々なアルゴリズムで推定し、回帰分析のような結果として推論させます。
t値 変数として用いるのが適切なのか
P-値 意味のある統計結果なのか
とのことでした。それぞれの意味をもう少し欲しかった。
変数同士の関係性や将来の予測にとても役立つと思った。
結構難しい内容だった。P値やT値は聞いたことがあったが、実際に使ってみたことは少ないので、これから使う業務があれば積極的に使っていきたいと感じた。
エクセルも使ってみます。
活用場面を探します。
私にとってはかなり難しく、ノートを取る手が止まってしまった。日常業務ですぐに活かせそうな場面はないものの、もう一度見て勉強してみようと思う。
本動画では線形回帰のみで非線形回帰の場合は解説されていない。後者では直線でなく曲線により近似でき、そちらの方が正しく近似できる場合がある。気になる方は非線形回帰分析で調べると良い。
動画としては手法の適用限界を明示すべきだと思う。
私には難しかったです。エクセルで試してみようと思います。
正直1度の説明を聞いただけでは理解するのが難しい。
分析値について理解が深まった
コンビニの発注業務とかで役立ちそう。
大学で使用したが、ビジネスでの応用はできていなかった。
回帰分析は将来を予測するのに役立つと理解できた。
ディープラーニングなどに用いられている「回帰分析」の基本的なポイントを学ぶことができた。
また、世の中の事象は複数の要因によって影響を受けていると考えられることから、重回帰分析を使いこなせるよう、コツや留意点を意識して業務に用いていきたい。
データ分析業務に統計知識が必要なので、用語確認の意味で知識の整理ができた。係数の判断ができるようになったので、業務に生かせると思う。
科学的に根拠がなさそうな事象を回帰分析することで、何か新たな関係性を見出すかもしれない。
需給を扱う部署で働いているが、漠然と季節指数や市場が伸びているか？といった情報で増減産を判断しがちだか、具体的な数値式に落とす事でより緻密な管理ができる可能性を感じた。また1番は自分が気づかない関係を持つ指標を見つけ、判断プロセスに織り込むこと。IOTの時代、情報はリニアになるべく多くデータベース化して蓄積する。それを回帰分析して浮き出る仕組みが作れれば、実務にイノベーションを起こせるのではと可能性を感じた。
重回帰分析はきちんとしたことがないので、基本（公式）から確認できて良かった
まだまだ理解ができてないかもです。
P値やt値についてももう少し詳細に説明をした方よいと思った。
分析に関する内容が難しかった。
これまでとってきたデータについて、さまざまな回帰分析をやることで新しい示唆が得られそうだと思った。早速試してみたい。
実際にデータを扱わないと身につかないセンスだと思う。
重回帰分析は奥が深いと思った。実例などをもっと学びたいと思った。
回帰分析は業務上あまり必要ないと思ったが、内容を見ていると重要なのだなと感じた。
回帰分析については、もう少し復習する必要があると感じた。
説明変数など具体的な例を参考に勉強して使いこなせるようになりたい。
実際に色々試してみないと身に付かないですね。
復習が必要です。重回帰分析／回帰分析を現場での仕事に生かしてみたいと感じました。
データか将来を予測することもしてみたいですし、意図的に変更が可能な要素（説明変数）がないかを考えてみたいです。
重回帰分析は実務で使った経験がなく、良い勉強になった。
大学でデータを用いて卒論を書いた経験がある、等でなければ会社に入ってから初めて触れることになると思うので、新入社員におすすめしたい。
どのようなときに回帰分析を用いるのかは理解できたが、講義内容は私には少し難しく感じた。
天気、気温、、時間、年齢、位置情報とストリーミング再生音楽の関係
実際に起こった事象から問題を探す際やアンケートの集計の際に役立てられると考えられる。自ら実験によってデータを収集し、分析する際にはパラメータが多すぎると実験が時間的に困難であることも考えられるため、向いていないのかもしれない。
テストが用語の暗記問題みたいになっていたが、用語よりもグラフ上でどうなっているのかを考えるほうが大事だと思う。
重回帰分析は現実の業務において汎用性が高いと感じた。しかし、その説明変数を列挙するのはとても難しいと感じた。
一次関数の式が回帰分析で用いることができたのは面白かった。より各数値の意味を探るべきだ。
重回帰分析の変数についてもっと詳しく知りたかったです
自分でも勉強してみようと思います
仕事をするうえでは様々な要素(説明変数となりえるもの)があるため、回帰分析を用いてより正確な分析を行い予測立てる事の重要性を学びました。
配属されて、使う場面があったら復習しようと思う。
理屈は大体分かったが、実際の実務で使えるかは腹落ちしていない。
影響のある変数が多すぎて、式が立てられないのではとお思う。
仮想事例ではなく実例(成功例)示して貰えばありがたいです。
回帰分析とは、ある変数と他の一つまたは複数の変数の関係を見る分析である。
気温によって売れる製品の戸数など、予測に利用することができる。
実際に応用しようとなると、説明変数が多く必要になってしまい、モデルを作るのは難しそうだと感じた。
手っ取り早く活用するためにt値やp値の見方は把握したが、一方で「なぜそうなるのか」を時間が空いた時に統計学の教科書などで見返したい。
理屈はその通りかもしれませんが、実体験しないとなかなか腑に落ちないと思う。
○○変数という言葉が複数登場したため，それぞれの持つ意味を区別して十分理解することが難しかった．統計に関する学問であるからそれは当然のことであるが，今理解することは難しいと感じた．実際に使う場面になったら，改めて覚えたい．
回帰分析の基本が短くまとめられていて、シンプルに学びやすく感じた。これからも反復して覚えていきたい。
重回帰分析を実際に行うには、ここだけの情報だと難しそう。もう少し情報を書籍やWEBなどで学習する必要がありそう。
回帰分析とは、ある変数と他の変数の関係を見る分析。
モデル関数の定義の難しさにもう少し触れた方が良いと感じた．
少し理解に苦しんだ。
ECで取り扱っている商品にたいして
月、平日・休日、ライフタイムイベント有無などでどの商品の売れ行きが予測できるのではないか？と思った。
（他社のプロモーション有無も関係性があると思われる）
関係性について、説得力を持った説明をする上でデータによるイメージ化は必須と思う。ただし、その関係性を見出すためには想像力も欠かせないので、その意識を持って業務を進めることが大事。
結果、実績を見て、相関関係、規則性、傾向がないか考える仮説思考が何より重要。それを仮説検証・証明するためのツールが回帰分析。
知っていると思ったが改めて学習してみて理解が深まった。
方程式のような物があると理解するのに時間がかかる。じっくり取り組もうと思う。
もう少し深掘りされた活用事例を知りたい。
単回帰分析・重回帰分析で有効な要素の分析を行いつつ，将来の推測にも応用する．
将来の情報を予測する際に回帰分析は有効である。tとpの値で変数同士の関係性が妥当であるか判断できるため、大切な数字である。関係があるという固定概念に囚われず、分析をすることでデータによる裏付けをしっかりとすることが重要であると感じた。
重回帰分析を用いる事で定量的に事象を予測する事ができる。有効に活用して行きたい。ただし、得られた回帰式がこれまでの既知となる経験と照らし合わせても説明ができない場合は、各因子が独立しておらず相互作用の影響があるらしいためもっと深く学んでいきたいと思います。
理解はできたが、特に重回帰分析は具体的な手法説明が
なかったので活かすまでは行かない
定量的にものを語るうえで回帰分析は非常に説得力があるツール。他方でなぜそういう関係になっているかは、自分たちで仮説検証が必要だと思う
まだなじみがないので、実際にエクセルで作ってみようと思った。
それぞれの現象に対する関係性を確認し対応策が打てるので利用価値はあると感じた
物事には様々な事象が関係してくるので、回帰分析により将来の予測を立てるには、多くの説明変数が必要とな適切な考慮が必要だと感じた。
これだけでは実践に移せないので、必要がありそうなら腰を据えて勉強したい。
途中説明での「気温0度、晴れ以外の天気でもアイスが58個売れる」という推測に違和感。
回帰分析はあくまで指定した説明変数の範囲内で成り立つものであって、安易に範囲外へ外挿してはいけないと理解している。
有効な変数のあたりを付ける際にも、ロジックツリーは有効だと思った。
聞いてすぐ理解出来る内容ではなかったため、しっかりと学習する必要性を感じた。
重回帰分析についてはまだ理解が浅いので深めていく。
変数がふたつ以上に設定できることから相関関係の分析より幅広く検討できるとおもう
有効な変数の組み合わせを見つけることなど難しそうだが、問題なく活用できるようになりたい
まだわからないところが多かったので復習する。
文系人間には途中の関数の話は難しかった。。。
大学時代に学んだ記憶がありますが、20年程前なのでほぼ忘れていました。他の単元に比べ難易度が高く、一度で理解するのは難しかったです。繰り返し学びたいと思います。
更に理解を深めるにはもう一度学んだ方が良いかも。
大学で学んだ回帰分析について改めて整理することができました。
知識を上手く取り入れるためにアンテナをはり実行したいです。
売り上げの月別の経緯を見る際に、その傾向と因子の検討の際役立つと感じた。
物事の関係性を見つけるのにとても良いツールであると感じた。
新たな関係を見つけ、そこからビジネスへ活用していけるようにしたい。
回帰分析は普段あまり活用することがないため、もう少し詳しく勉強しなおす必要があると感じました
過去のデータから、より正確な予測データを得る事が理解できた。
自分の1日の健康状態がその日にした行動によって左右されるかをしりたいとき
数学が苦手なので難しかったです。
かなり端折られていてこのままでは使えないので学びなおす必要があると感じました。
妥当性はある程度見えても、具体的に聞いている箇所の変動域がどれも同じなら、結局何が効いているのかわからないのでは？といった感じで未だ理解できていない。
重回帰分析のt値とp値の説明がもう少し欲しい。なぜそうなのかが分からなかった。
回帰分析とは、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方法である。回帰分析を行うことで、どの変数に関係があるかを明らかにすることができるので、活用していきたい。
様々な職種で必要とされている考えだと感じた
急に、難しくなり再度見てみようと思う。
まだ十分理解出来てないので、熟知した段階で考えたいと思います。
単回分析、重回帰分析となかなか理解するまでに時間がかかりそうである。
何度か復讐しないといけないと感じた。
Excelで回帰分析ができることは知らなかった。今後は活用してみる。
回帰分析の精度を上げるために国外事業と国内事業などグループごとに分けるとあった。ここで、判別分析とかを使って統計的にグループ分けをした後に回帰分析をするのも分析精度を上げる１つの手だと思う。表面上の統計理解ではなく、やはり理論に基づく統計分析が求められるなと思った。
ストレスチェックの結果と離職率
行き当たりばったりの仕入れは今日で終わり。
係数となる値を探す事から始めよう。
それにしても、Excel は優れものだなあ～。
忘れてしまっていた分析結果の見方を改めて確認することができた。いかに、t値が大きく、p値の小さい説明変数を見つけるのかが大切である。
まだ理解できていない。復習が必要と思いました
今後業務で活用できるよう日常的に使用してみようと思いました。
重回帰分析についてもう少し調べてみようと思う
相関関係のあるものを具体的な施策に落とし込むために良いと思った。
「ｔ」や「Ｐ」の意味付けだったり，決定係数の導き方等の背景的な部分をしらないことには腹落ちしないと思われる。
とてもわかりやすかったです！
残念ながら数学の不得意だった私には過程が難しく理解が追い付けていません。けれども活用できれば強いことはよくわかりました。
もう少しじっくり算出プロセスを確認してみます。
ちょっと理解しにくかった。相関分析と単回帰分析の違いが自分の中で明確になっていない。
電力需要と気温や経済状況との関係
・単回帰分析と相関関係分析の違いがいまいちわからん。
・重回帰分析は、変数を増やせば増やすほどいいというわけではないのか。
統計は勉強してこなかったので、理解が難しいと感じた。
使える場面を探してみる。
重回帰分析では、予想もできなかった要素間の相関関係が明らかになる可能性があり、理解を深めたいと思った。
重回帰分析で有効な説明変数をいくつか試してみることで新たな機会を見出すことができるかもしれないので実際に活用してみようと思います。
漠然と感じている事象を数式にして、実際の施策に生かすことができるということを学びました。
回帰分析により正確な売上予測ができることがわかりましたが、複雑でした。。
漠然と使っていたので、知識が整理できた。
生産計画。目的変数は販売数量でこれが生産数量となる。説明変数は複数考えられるが面白いのは各営業マンが自己申告する受注見込み。これを各営業マン毎に各営業マンの販売数量を回帰分析するとその営業マンの見込みが楽観的、悲観的、現実的のどのタイプが分かり、その結果をもとにして各営業マンの見込みに補正をかけることにより結果として全体の受注見込みの精度を向上させることができる。
t値やp値の目安、留意点を学ぶことができて解釈の精度をあげられると思う
これまで散布図までしか使っていなかったが、今度散布図を作った時には回帰分析をしてみようと思いました。
tやpが唐突に出てきてよくわからないので、もう一度見ようかな
様々な説明変数との関係を見ることで、重回帰分析により、予期しない結果が得られそう。
エクセルの機能でこのような分析ができることを（お恥ずかしながら）知らなかったのでためになった。わかりやすいデータがそろっていれば分析手法は役に立つと思う。
逆に、こういう考え方を踏まえて、分析可能なデータをそろえるために説明変数をどう洗い出すか、視野を広く持って業務に取り組みたい。
重回帰分析をもう少し説明して欲しい。
エクセルの処理の原理の参考資料を付けて欲しい。
単回帰分析分析はなんとなく理解できたが、重回帰分析は理解できず…
かなり難しい内容と思う。とりあえず今はこんな考え方があるということを知っておく程度でとどめておく。
今の時点では、実際に例題のような形でいくつか試してみないと理解できそうにないが、
過去データがあるものについて、将来の予測を立てるときには
教わった公式に当てはめて確認していくようにしたい。
回帰分析をエクセルでする方法を教えて頂いたので身近なことからしてみようかなと感じました。
様々な要素の関係性を見つけだし、他にも関連している因子がないのかを考えながら分析することが大切なのだと感じました。
・t値が目的変数に影響する度合いを表していて(だから2より大きいのが良い)、P値が偶然その結果になる確率を表している(だから0.1より低い方がいい)
・定性データもダミー変数で説明変数にすることができる
もう一度確認します。
今までわからないままに通り過ぎてきた解釈を、今やっと理解できました。
直観的に関連があると思っているものについて実際に同程度の関連なのか、数値化していくことで説明がしやすくなる。
散布図のグラフは作ったことがあったが，R2の使用方法が分からなかったが，今回の説明で知ることができた。実際に役に立てられるかは，分からない。勉強不足です。また，学んだことが，本当に理解できているかかなり怪しい気がする。
現状を知り、次に生かせる思考を学びました。
一度で理解するのが難しい内容だった。
単語を覚えることも勉強ですね。
漠然と感じているものを数値化するのは非常に合理的だ！！
エクセルで実際に使用する計算式の紹介もほしいが、まずは概念の理解としては良かった
学習の反復と実データを用い手を動かして分析することで、理解を深めたい。
回帰分析を実際に活用するには、もっと事例を見たり何度も繰り返し復習が必要。
私が仕事で扱っている商材の販売台数を予測するなら…「月」と「顧客在庫数」が説明変数として考えられるだろうか…。でもなんだか違う気もするのでもっと勉強しよう。
普段見ていたグラフについて、細部まで意味がわかりすっきりしました。
メーカー企業においては、開発部署など、定常的に図面を発行していますが
その中で単純な誤記が頻出するのがどの時間帯、季節、経験年数、業務負荷で起こるのか？
データを集めて回帰分析すると対策につながる結果が出てきそう。
一回ではなかなか理解が難しいので繰り返し見て理解を深めたい。
なかなかすぐに導入出来る訳ではないが、エクセルの相関係数などは使いやすく、データの信頼性を図るツールとして使ってみたい。
難しく一度では分からない。繰り返し勉強します。
現時点では、使うことはないですが、エクセルで簡単かな作れるということわや頭の片隅に入れておきたいと思います。
難しいので繰り返し学びたい。
回帰分析はExcelを使って手軽に調査できるのがメリット。手元にあるデータの組み合わせでちょっと回帰分析をやってみるくらいの価値はありそう。
過去のデータから未來を予測できることが、理解出来た。重回帰分析の考えは再度確認して見ます
感覚的にとらえていたことを数値化して分析できるため、とても有用に思うが、変数を設定するのが難しそうと思った
意味や、目的はわかったが、使いこなすまでには、自分でやってみないといけない
回帰分析により数値化できることは理解できたが、業務に活用するにはモデル化することが非常に難しいと思います。
ほとんど使えていなかったので、データを使う際には気をつけて見るようにしたいです
数字理解不能…言いたいことは解るのだが…。
重回帰分析は知らなかったので新鮮でした。
・営業アポどりの連絡とその返事を貰える時間帯とか、赤ちゃんが泣く時間と気温とか、世の中のすべてを回帰分析したら面白そう。
はっきりいって、私の頭では理解するのが難しい。ただ、販売予測などに必要な分析論だということはわかった。Excelなどのツールを活用して、簡単に予測が立てられそうなので、数字が苦手でもなんとかなりそう。
回帰分析をやったことがなかったため、まずは使ってみようと思います。
販売予測などがどのように行われているのか、その一端を知ることができました。
重回帰分析のエクセルでのやり方と、
実務ではエクセルでの分析には限界（１０万レコード以上はエクセルが落ちる等）があることも、留意点にあるとよりよいと思います。
復習として参考になりました。
重回帰分析の結果、どの説明変数を変えてゆくべきか・・・・。ｔ値と現実に乖離があるため、いつも悩んでいます。
ゴルフ練習場勤務ですが、天気と、シフトにはいっているフロントスタッフと、来場者数の関係性を、回帰分析を使って解いてみたいと思いました。
目的はわかるが、式が全然わからなかった
予測出来ない業務があります。しかし関係のある変数があるので分析し、予測が立てられそうです。
実際の業務でも回帰分析を使用したい。
単回帰分析がより簡易であるから必要以上に使いがちだと思う。実際は重回帰分析のように複数の、想像以上にたくさんの変数が関係していることの方が多い。
前提条件をそろえるのは非常に重要な観点。かつて長期に使用されてきた前提が定数であるかのように扱うから、今までと違う市場でビジネスする際に間違った条件を前提として使い、失敗する。
解析学び、数値的根拠を持って営業活動に生かすようにする。
漠然と経験的に関係がありそうな要素を客観的にどのくらいの関連があるのかしめすことができるので、もう少し勉強してみたい。
重回帰分析のp値、t値、補正R2の算出の仕方が知りたい。
普段から使ってないと忘れてしまいます。
回帰分析を活用したことがないので、講義を見ただけでは、変数の考え方などまだ理解できていない。
もう少ししっかり理解してみたい。
エクセルを使った分析の仕方、苦手でしたが理解できました。活用していきたいと思います。
すでに活用しているが知識として勉強になった。
回帰分析について、身近な事例で分かりやすく解説されていて、説明する際に役立てられそう。学びが深まった。
一回で理解が出来なかった。
もう一度見てみよう。
経営の上で数の予測は難しく、上層部からは精度を求められる。過去の傾向分析ばかりに頼っていたが、回帰分析に挑戦しようかという気になった。まずは意味のある説明係数を見つけなくては。
業務に直接活かせそうではないが興味深かった
色々な関係性から分析が出来、大変参考になりました。
重回帰分析において膨大なデータからの説明変数の決定は重要で、分析の積み重ねが必要であると感じた。
思い込みで関連があると思っているデータの確認に使える
実際の場面で活用するにはかなりの労力が必要だと感じた
様々な業務において有効と思われるシーンは多いが、結果をどのように捉えるかが難しい。適切により慎重に行う必要がある。
数値化が重要である事を再認識した。
r*2やt値,p値に関して概念を知ることができたのは非常のよかった。
自分でも分析をできるようにExcelの使い方を確認するようにする
理屈はわかったが、回帰分析（特に重回帰分析）は何度も自分でやってみないと身につかないと感じた。自社の簡単なものからまずは分析してみたい。
数値で測れない仕事なのであまり具体的なイメージがわかなかった。かつ、重回帰分析が難しくて講義を聞いただけではわからないで、目学問になってしまっているかもしれないが、概念は理解した。
Regressionのx軸とy軸の入力の意味合いがよく理解できたので、今後の入力ミスが減らせると感じました。
重回帰分析のことは、あまり熟知していなかった。今後、外部要因などによる影響を数値化したいときに、活用したい。
回帰分析：ある変数と目的とする変数の関係性を数式を用いてグラフ化することで相互の関係性を明らかにする。
理屈的には製造条件と不良率のような関係の分析に使用できそうだが、製品の種類が多種多様であり、さらにそれぞれの製造条件を決めている因子は多数あるため、その関係性を解明するのは楽ではないが、挑戦する価値のある分析手法であると感じた。
いままで、業務で使った事がない手法でとても勉強になりました。身近な数値からチャレンジしてみたいと思いました。
今後販売強化をしていきたい商品はどういった条件が最適な販売方法かを知るために役立つと思います
重回帰分析は業務で実際に活用するのはハードルが高そう
短時間では難しい講義でした、自社の簡単な例を探してみます。
感覚ではなくデータに裏付けられた説明を出来るようにしていきたい
単なる推測、予測、経験則だけに頼らない計画立案ができそうである。
Excelで簡単に散布図→回帰線を求めることが出来ると知れて良かった。
回帰分析をするデータを入手することが難しい
予算の達成見込みに重回帰分析を用いることで、KPIを決め、活動分析を行うことができる。マネジメントを行うに必要な手法と考えます。
重点事項の予測に際し、データ集計から考察する事が多々あるが、考察基準が不明確であった点を改善して取り組む必要性がある事を感じた。
回帰分析はとても苦手な分野だが、これからの業務に生かしたいと思います。
重回帰分析の部分は、難しく、活用どころか、理解しきれているか疑問です。
ただ、使い方によっては、ものすごく有用である感じは、強く持ちました。
自分で回帰分析をやってみるとなると難しい感を受けるが、理論を認識して仮説をたてながらチャレンジしてみたい。
回帰分析で売上予測を立てる方法を学んだので、業務に生かしたい。
いつも頭の中だけで考えてしまうことが多いのですが、図示して、共有するためにも、活用して行きたいと思います。
重回帰分析のｔ値とP値の意味合いを理解する必要あり。
説明変数をどのように見つけるのが難しい。実際のビジネスでは例のように単純ではないため、単回帰であっても説明変数部分を見つけるのが難しいと思われる。
どういう目的で使われるものなのかはわかりましたが、
使い方が全く理解できませんでした。
係数と切片の説明がありませんでした。
変数の選択が最初は難しそうだが慣れていきたい。
まだまだ腹に落ちていない。
データ分析の資料でなんとなく回帰分析を見ていたが、ようやく意味が分かった。これからデータ分析を見る際にはこのカリキュラムの内容を活用することで実際の業務に活かしたい。
一度の学習では腹落ちしなかったので、復習してしっかりと定着させたい
Excelでの作業を具体的に見れてとてもよかった。
む、難しい・・・。ここまで考えてなかった・・・。（汗）
重回帰分析の手法を身に付ければ、結果に寄与する因子と程度が分かるので、ありとあらゆる行動が効率的にできるのではと感じた。
回帰分析は仮説を検証するうえでの一つの方法となると思う。
活用して行こうと思います
回帰分析を行うことで、販売数が増加する要因やどのような事柄が関連しているか、一見すると深く係わっているような事でもデータを出すことで客観的に関係性を見ることが出来るので面白いと感じました。
重回帰分析をする機会はあまりないですが、いろいろ分析し、相関関係を見つけていきたいです。
天気とアイスの関係性は如何にも、だが、単品ごとの予測を立てようと思うとやはりAIの力が欲しいですね。また、こんな単純そうな相関ですら、その時々の値段など、重回帰的な思考が無いと足元をすくわれてしまいそうだ。
感覚的なものを定量的に捉えることができるので様々なシーンで活用できると思う。ツールとしてExcelレベルで済む範囲ならばなおさら。
実際の場で使ってみます。
実際に販売活動するときのデータは、取れる要素はとりたい思った。
回帰分析のｔやｐ、係数といったワードを具体的にもっと勉強して分析につなたい。
計算式は難しくあまり理解出来なかったが、売上と気温の関係は応用できそうだ。
回帰分析について理解できた。
業務で活用するには感度良く「アタリ」を付けた上で、データを集計する必要がある。
そうでないと、いつまでたっても有効な因果関係が見つからないため。
自分の業務において、回帰分析が出来るよう応用してみます。
実は最近、回帰分析をして分析結果を出しました。役に立ちます。
売上高や指標など営業上の課題の原因分析・対応策策定に活用したい。前提となる変数選定には、センスと仮説シナリオ力が大切であるため、磨きをかける努力を怠らないようにしたい。
漠然と考えのではなく数値化し、グラフ化することで分析できることを知った。
製品分析値の変動理由を調べるのに役に立つと思われる。
回帰分析の内容を理解しました。
日常業務に活かすにはまだ非常に訓練が必要だと痛感した。
excelの使い方があったので、復習しながら覚えていきたいと思います
目的変数、説明変数がまだしっくりと理解できていかなと思います。復習要
回帰分析を用いることで説明変数、目的変数の関係を確認することができる。相関は決定係数の値により確認することができる。
売上予測をする場合に売りたいもの（目的変数）とそれに影響を与える要因（説明変数）を分析することが可能であり、有効な分析ツールである。
製品設計にも役立つと思うのでぜひ活用していきたい
散布図と合わせて、単回帰分析を業務のどこかで使えないか、意識しておきたい。
活用方法はたくさんあると思うが、まだ数式に対して理解できないので経験値が必要だと思う。
回帰分析によって漠然と感じていた異なる要素間の関係性を数値化する事ができる。
是非、今後の分析に使ってみたいです。
グラフ作成の説明もあったので、実際に作って分析してみようと思った。
直感的に理解できることを説明するくらいにしか使ったことがないので、もっと使いこなしたいです。
簡単ではあるがエクセルの使い方の紹介もあってよかった
この内容だけでは外れ値を処理せずに、信頼度低めのとんでもない予測値を出しそう。誤った予測から大量に仕入れて大きな損害となる可能性もあります。説明を追加してはいかがでしょうか？
回帰分析を行うことで正確な予測ができることを学んだ。今後は客観的かつより精度の高い予測の用いたい。
あまり分析したことがないので試します。
実際に活用したことがないので、実地で検証したいと思う。
回帰分析を学ぶことで判断の正確性を上げることが可能となった
重回帰分析をこなすにはスキルを磨かないと活用できなさそう。
今回もなんども見直したが、実際の分析の段には再視聴が必要だろう
数式は、実際入力してみないとイメージができない。
数学が苦手なものへとって数式があるだけで蕁麻疹がでる
重回帰分析の計算、係数が理解難
単回帰分析、重回帰分析それぞれについて、具体的な判断基準などが紹介されており、実際に活用するときに役立った。
回帰分析の概要は理解できたが、使いこなせるまでは理解できていない。
第三者に説明をしても、今のレベルでは「分析結果がこうだから」としか言えない気がする。
回帰分析を行うことで、気づいていない関係性を見つけ出すことができる。。。
ということを、「しっかりやってみる」ことが必要だ。
たとえば、きっかけ×営業マン×年次×デザイナーなどで、
受注率の高低などを予測可能になるかも。。
重回帰分析の説明やケーススタディをもう少し詳細に記載してほしい。
ただ、内容的には非常に有用的なものである。
重回帰分析は今回の内容では理解出来なかった。
回帰分析は打ち手を考える第一歩なので、重要。ただやみくもに分析するのではなく、きちんと仮説をもつ（想像力を最初に働かせて）ことで、価値のあるデータ分析が可能だと思う。
回帰分析による戦略の重要性を認識しました。
何とか一発でクリアーしました。
R2、T、Pといろいろあります。
変数の関係性を見ていくことが将来の予測に役立つことは理解しているつもりだが、目的変数、説明変数、決定変数やt値、p値などなかなか腹落ちしない。要復習。
売り上げUPと実際の行動や事象が、数値的にどう関連しているのを
見出すことができるのが良い。
数式自体は難しく無いが、何か分からない
算式の係数算出についてがポイントである点が理解できた。
この内容は難しく、未だにきちんと理解できない。
重回帰分析の説明がかなり省略している。
分散分析の説明が必要と考える。
相関分析と回帰分析の違い、まだまだ理解ができていない。
重回帰分析！おもしろい！会社のソフトの有効性を実感！
業務ですぐに実践で使えるイメージを得ることができなかった。身近なデータにあてはめて試してみることからはじめてみようと思う。
関係性があると思われる事象を確認するのに、どんどん試していきたい。
重回帰分析の解説で理解できない部分が多かった。Ｒ2、ｔ、Ｐがよくわかりません。
EXCELで回帰分析が出来ることを知らなかった。今後活用してみようと思った。
統計学の復習にとても役立つと思います。
手段として普段使っていたが、意味を深く理解せずに使っていたことに気づいた。
普段の業務でよく使います。重回帰分析は説明変数同士の相関性が高いと意味がないのであまり使用しない。怪しい変数が多くて困った場合に当たりをつける程度で利用しますが、正式な報告の場面では使わないです。
復習して理解深めます。
慣れない言葉が多くて理解に苦労した
説明変数を見つけるのはそう簡単ではない。
しかし、「とりあえず」調べるように意識していくしかない。
サンプルが多いものは「とりあえず」回帰分析するというクセをつけて
見落としがないように気をつけたい。
統計学の一部をここまでコンパクトにかつ簡易に表現しているものは珍しく、状によいコンテンツだと感じました。
変数を見つけるのが難しいが、考え方として押さえておくべきと感じました。
マルチコリレーションへの配慮の必要性に触れても良いと感じた
何を変数として置くのかが重要
tやpによる分析の確からしさの確認というのは知らなかった
来店者を増やすために、変数を洗い出して、回帰分析してみると、有効な施策を打ち出せるかもしれない。
Excelでも散布図→式にすることで簡単に数値化可能
重回帰分析のやり方をより詳しくやりたい
よい復習となりました。
販売予測資料として回帰分析を試してみたい。
ptrがwaがわかりませんnaa
やってみないと身につかない
変数間の関係を見ることは、問題解決の打ち手を決めるのに役立つ。
回帰分析で関係性を明確にすることで説明の信頼度を上げる事ができる。
どんどん難しくなってきた統計学
説明変数が何であるかを見極める事が重要
重回帰分析による予測を実践で活用する。定量的に仮説検証出来る。
実際の業務で、じっくりと分析してみたい
ｔやP、R２乗の出し方の説明をもう少し詳しくしてほしい
様々な説明変数による回帰分析を試すことで、説明変数と目的変数の予期しない関係性を示せる為実用して行きたいと思う
名称は知っていたが、今回の説明で初めて理解した。
回帰分析をする際には、過去のデータ（サンプルデータ）に異常値が含まれていないかを確認することも必要。
重回帰分析の概要を理解でき、仕事に活かしてみたい
わかりやすかった。
回帰分析をこれからの予測式として活用します
回帰分析の仕方、考え方を学べたことが大変良かったです。
回帰分析で、将来の販売個数を予測できることがわかりましたが、その前提となる留意点（tとかp）の意味を習得することが必要。
基本的考えを持つことは重要
...............
重相関についても学べました。
回帰分析
再度動画、自身で使用し理解を深める。
回帰分析の大枠については理解できた。
詳細な分析方法やエクセルの使い方について知りたい。
天気も晴れとそれ以外であると微妙にずれて行きそうと感じた。
旧版に比べ新版は分かりやすい。実際の業務で活用したい。
回帰分析を実際で活用していきたい。
エクセルでの散布図の作り方を教えてもらえ参考になったが、有効な関係性を見つけるには経験が必要になると感じた。
せんもんてきですが、実践的な場面で使えるようになりたいです。
相関関数と、回帰分析が混在しがちの為、どちらを、どの場面で用いるかを復習します。
回帰分析は代理店の分析に使える
立地、個性、他要員
回帰分析の仕組みを知らなかったので、その内容をもっと見ることで施策の精度も上がると思った。
何となく意味はわかったが、使いこなすにはまだまだスキルが必要。
回帰分析の方法が具体的にわかりやすく説明してあり良くわかりました。
旧版も新版も難しい…
重回帰分析は説明変数２つ以上の場合に用いるもの。ただその説明変数と設定する因子は複数回分析を行って絞っていく事が必要と予想。頭の中に馴染むように練習問題等あるといい。重回帰分析による表の作り方は今のところ不明。
基本事項の復習になります。
旧バージョンよりは、分かり易くなっているが、係数、ｔ値、p値の意味がまだ今一つ分からない。どういった計算式なのか分かった方が分かり易いかも。
売上げに関係するプロセスを解明するのに役立てたい
重回帰分析のやりかたの説明がなく、t値やp値、r2の求め方がわからない。
理解するのはまだまだ
仮説を立証するための分析方法
少し難しいが回帰分析を行う事によって、いろんな状況の変化に対応した予測が行える事で作業予測やトラブル予測など幅広く使えそうです。
何度も繰り返し学習して身に着けます
重回帰分析のtやpの求め方が詳しく説明されていると良かったのですが・・・。
内容が比較的難しいと感じた
P値について、5%未満の場合、説明変数として使用できると認識していたが、10％未満でも使用できることを初めて知った。
単回帰分析は理解できましたが、重回帰分析は少々難しいです。
エクセルを使って回帰分析をしてみます。
漠然と考えるのではなく、データに基づき行動していくことの必要性を改めて感じた。
概念は理解できたが、実際に使ってみたことがないので体得した感じはしない。実務で定量分析してみる価値があると感じた。
販売予測のたて方の参考になった。
回帰分析というものがどういったものかは理解できた。
コースの説明1回だけでは なかなか身につかない。まずはコースの内容を何度も学習し、いろいろなデータでトライしてみたい。
実際の業務に役立てて行きたい。
旧版もみてみるべきか？
回帰分析よく理解できました。
重回帰分析の結果がいきなり出てくるが、出し方がわからない。
tやpに気をつけろと言われても、そもそも値を計算できなくては...
もう少し詳しく説明して欲しい。
回帰分析もエクセルを使用して分析が
できるようなので、操作内容を確認して、
実行してみたい。
前回の回帰分析の説明よりわかりやすい内容になっていました。
回帰分析、重回帰分析を使って、因果関係を知り、予測値を出すことができるので、ぜひ実際の業務にも役立てたい。Excelの具体的な使い方も説明されていてわかりやすかった。
概ね理解できました。
回帰分析を用いるにあたり、
不適な説明変数を判断するための基準がよく分かった。
一歩一歩確実にカリキュラムをこなす。
・t検定 |t|≧2⇒信頼性あり
・P値 0.1以下⇒有意味
・切片(b) 説明変数に左右されない数値
重回帰分析と単回帰分析との違いが、いまいち理解できず
再度、見直します。
基本的な事項の復習理解に役立った。
身近な例で説明されていて理解しやすかった。
回帰分析について理解できた
相関分析との違いがよくわかりませんでした。
販売予測や施策効果を確認するうえで回帰分析は重要と感じ、活用することで今までよりも精度を高めることが出来ると理解しました。実践します。
回帰分析は、過去の関係性から将来を予測できる手法。関係性がある係数を頭出しする必要がある（アイスの販売個数／気温や天気等）。
現在の業務に置き換えた場合、様々な種類のデータを集めるのがまず大変だと感じた。
実業務にすぐに役立てるので、前提条件を整理して活用したい。
Ｒ値は説得題材として活用したいと思います。
例が具体的で非常にわかりやすい。
重回帰分析が少しわかりました
数値化することで、説得力が増すことが理解できた。
分かりやすい講義でした。
相関関係と近いタイミングで受講した方がいい。
それぞれの変数の有効性も回帰分析によって数値で表されることを知った。活用したい。
有効な要素を見出すのが難しいが、販売予測分析として活用してみたい。
重回帰分析はやったことがないので機会があれば試してみたいです
回帰分析は将来を予測するという点で面白い。ただ、そのデータを準備することがなかなか大変だと思う。しかし、何らかの業務に活かしてみたい。
特にコメントはありません。
重回帰分析について、詳細な解説があり分かりやすかった。
わかりやすかったです。
表計算ソフトを使用して実行するのは容易なので、業務の中でも実践してみたい。
定量的な説明に必須の知識
なにを説明変数にすることを検討するのも頭をひねる必要がありそうですが、
大変参考になりました。
相関性を求めることのヒントを得た。講座にあるように、実際の例で有効な変数を見つけるには、練習が必要である
旧版よりわかりやすくなった！
回帰分析を使用する機会は、現在のところ仕事上ありませんが、内容を理解しておくことで、今後あり得る機会のために使用できるだけの学習と準備をしたいと思います。
要件定義をしっかり行ってから分析を始めることを忘れないようにする。変数(関係要素)をどれだけ見つけられるか、も大切。属性を良く見極めないと分析が二度手間になりそう。
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。