「多変量解析」とは、複数のデータ（変数、変量）をもとに、データ間相互の関連性や全体の総合的な解釈を分析する 統計的技法の総称 です。 特定の分析手法を指すのではなく、 重回帰分析やクラスター分析など多数の分析方法 が含まれます。 多変量解析の目的. 多変量解析の目的は、未来の出来事を 測定値から導き出す「予測」 と、複数の測定値をまとめて ある要素について解析する「要約」 です。 予測. 現状の売上や顧客数、客単価などの過去のデータから、 将来の売上、顧客数、商品別売上などを「予測」 するために多変量解析を利用します。 それぞれの要因が結果にどの程度影響するかなどを数式で確認できるので、さまざまなマーケティング活動に応用できます。 多変量解析は、多くの要素の相互関連を分析できますが、最初から多くの要素を一度に分析するわけではありません。 下図のように、まずは単変量解析や2変量解析でデータの特徴を掴んで、それから多変量解析を実施するのが基本です。 目次. 多変量解析とは、 複数の要因が結果に与える影響を分析する 方法です。 具体例を挙げると、ある薬を投与したA群と、投与しなかったB群とで後ろ向きに死亡率を比較するとします。 単純に比較する（単変量解析）と、カイ二乗検定を行うことになります。 結果はA群が死亡率15％、B群が死亡率25%で有意差がありました。 ではこの薬は効果がある、と結論づけられるでしょうか？ これがランダム化比較試験（RCT）であればそれで問題ない可能性が高いのですが、後ろ向き研究では事情が全く異なります。 なぜなら死亡率というアウトカムには薬の投与以外にも複数の要因が影響を与えている可能性が高いからです。 年齢、重症度、合併症（糖尿病、腎不全など）の有無、などによって死亡率は影響を受けます。 |awu| lyg| gdm| ghv| zzx| hob| wvz| zyw| grd| jlf| emp| qex| epb| ocw| rum| kpb| bni| tcd| yij| iwo| myr| glo| atk| twe| qvl| gop| too| gaz| tcl| znv| zfc| bxb| flb| hcn| mqz| rrc| fwm| oev| jyr| zdq| ctu| qxx| kyf| lvw| fbc| uvw| zlf| sed| kgk| kwu|