都市交通の重回帰分析入門|Excelの操作とR²・P値の読み方

都市交通の分野でデータ活用について検討していると、重回帰分析という分析手法を提案されることや重回帰分析での分析結果を提示されることがあると思います。

重回帰分析は様々な分野で活用される手法で、都市交通の分野においてもいくつかの場面で代表的な手法として使用されています。

本記事では、重回帰分析の名前を初めて聞いた人から聞いたことがある人を対象に

  • 何のために行うのか
  • 何に気を付けた方がよいのか
  • 都市交通では、どんな場面で使われるのか

という点について解説していきます。

重回帰分析とは

重回帰分析とは

重回帰分析とは、ある結果(目的変数)について複数のデータ(説明変数)を用いて、目的変数と説明変数の関係性を分析する手法です。

例えば、あるアイスクリーム店の売上について考えるとします。このときアイスクリームの売上は、気温と店舗前の歩行者数に大きく影響されることがわかっていれば、売上と気温・歩行者数との関係性を分析することが考えられます。

重回帰分析の目的

上記で説明した重回帰分析ですが、具体的には大きく2つの目的で使用されます。

目的1:目的変数と説明変数の関係性を分析する

関係性の分析をすることで、目的変数の変化と説明変数の変化の関係性を把握します。
例えば、上記のアイスクリームの売上の例では、

  • 売上と気温・歩行者数の関係性
  • 気温と歩行者数の影響の大小

等について把握することを目的とします。これによって目的に対してどのような施策が有効かということについて検討を行います。

目的2:目的変数の予測をする

重回帰分析で推定した関係性をもとに、目的変数の予測を行います。
例えば、上記のアイスクリームの売上の例では、来週の天気予報の気温から来週の売上を予測する、等によって、仕入の量を考えるといった活用の方法が考えられます。

都市交通分野での利用事例

以下、具体的に交通の分野で重回帰分析が行われる代表的な事例について取り上げます。

生成交通量の推定

4段階推計法において交通量予測を行う際、生成交通量を推定するのに重回帰分析を行うことがあります。この場合、地域別の生成交通量を目的変数に、各地域の特性を表現する変数を説明変数にいれて重回帰分析を実施します。

出典:堺市ホームページ「パーソントリップ調査に関する用語の説明」

地域別の人口

地域別の人口を推計する際、重回帰分析を使用する場合があります。この場合、人口の総量を先に推計したうえで、重回帰分析にて推定された人口分布にその人口の総量を按分する形で地域別人口の推定を行います。

Excelを用いた重回帰分析の実施

本節では、実際に重回帰分析を行うことで、よりイメージを深めていきたいと思います。

データの用意

まずデータを用意します。(こちらのスプレッドシートにデータをおいてあるので、ご自由にお使いください!)

今回は、都道府県別の人口を目的変数として用意し、都道府県別の住宅数と道路延長を説明変数として用意しました。この時、目的変数として設定した変数の解像度と同様の解像度で説明変数のデータも集めることがポイントです。つまり、都道府県別の人口を目的変数として設定しているので、住宅数や道路延長も都道府県別に集める必要があるということです。

分析の実施

①データ分析のタブを押す

データ分析のタブを押して、分析ツールを立ち上げます

②回帰分析を選択
③変数の選択

目的変数を入力Y範囲に入力し、説明変数を入力X範囲に入力します。

④結果が出力される

結果の解釈

解釈のポイント

重回帰分析の結果を確認する際、注意したいポイント2点のポイントを示します。

決定係数

決定係数R²は、基準となる平均値の予測に対して残差平方和がどれだけ減ったかを表す指標です。切片を含む通常の最小二乗法を推定データで評価すると一般に0〜1ですが、検証データでは負になる場合もあります。高いR²は因果関係や未知データの予測精度を保証しません。調整済みR²、残差、検証データの誤差も確認します。

P値

P値は、係数が0という帰無仮説と検定の仮定の下で、観測値と同等以上に極端な検定統計量が得られる確率です。事前に決めた有意水準が5%ならP値0.05以下を一つの判断基準にします。「係数が正しい確率が95%」「5%の確率で有意」という意味ではありません。係数の大きさ、信頼区間、実務上の意味も確認します。

都道府県別人口の解釈

先ほど事例に挙げた都道府県別人口の分析結果についてみると

  • 決定係数は0.99と高くモデルの適合度は高いと考えられる。
  • 住宅数のP値は0.01より低いので統計的に有意だと考えられる。
    ⇒ 係数がプラスなので、住宅数が多くなればなるほど人口も多くなる関係性にある。
  • 道路延長のP値は0.05より高いので統計的に有意ではない。

重回帰分析の式

重回帰分析は、目的変数(Y)を説明変数(X)で以下のように近似できるよう、パラメータ(b)を推定します。このパラメータが、Excelの推定で出てきた係数にあたります。

$$ Y = b1×X1 + b2×X2 + ・・・ + bn×Xn + b0 $$

 つまり、都道府県別人口の推定式に当てはめると以下のようになります。

$$ 都道府県別人口 = b1×住宅数 + b2×道路延長 + b0 $$

結果を見るときの注意点

最後に、以上でみてきた重回帰分析について、結果を確認する際の2つの注意点を整理します。

相関関係と因果関係

重回帰分析の結果をみると、いかにも目的変数と説明変数の間因果関係があるように見えてしまいますし、因果関係があるように説明してしまいがちです。しかし、厳密にこれらの間に因果関係があることは説明されていない点に注意が必要です。

多重共線性

説明変数どうしが強く関連すると、個々の係数や標準誤差が不安定になることがあります。完全な線形従属がある場合は係数を一意に推定できません。相関の有無だけで即座に変数を削除せず、VIF、係数の変動、変数の意味を確認します。予測の安定性と個別係数の解釈可能性は分けて評価してください。

人口の説明例を将来予測に使う前に

人口と住宅数はともに地域規模を反映するため、同じ時点の都道府県データで高いR²が得られても、将来人口を予測できたとは言えません。使った統計の年度・単位・出典を記録し、将来予測なら予測時点で入手できる説明変数だけを使って、時点を分けて検証します。

検証と参考資料

モデル検証の手順/NIST:Critical values and p values。

コメント

タイトルとURLをコピーしました