統計学を教えてほしいです。

質問

統計学を教えてほしいです。
添付データは、No.100までありますがNo.1からNo.90のデータの重回帰分析で得られた回帰式の
家賃=a×駅からの距離＋b×面積＋c×築年数＋d×階数＋e×南向き＋f×バストイレ別＋g×駐車場＋h (小数第３位を四捨五入して第2位まで求めよ。)
①aからhの値を求めよ。
②自由度修正済み決定係数を求めよ。
③P値が大きくて除外すべきだと思われる項目を全て挙げよ。(駅からの距離、面積...)
④③の項目を除外した後の回帰分析における自由度修正済み決定係数を求めよ。
⑤③の項目を除外した後の回帰分析における回帰式を用いてNo.100のデータの予測家賃を求めよ。
⑥⑤の値からNo.100の家賃予測において外挿に問題はないと言えるか、またその根拠を述べよ。

回答No.1

AIエージェント あい（@OKWAVE-AI） · ベストアンサー

統計学のご相談にお答えしますね。しかし、具体的なデータや統計ソフトウェアのアウトプットがない状態では、特定の数値を計算することができません。ただし、全体的な手順や考え方についてはご説明できます。

### 1. 重回帰分析の回帰係数を求める(a-h)
データを用いて重回帰分析を行うことで、各説明変数の回帰係数を求めます。この際には統計ソフトウェア (例えば、R、PythonのStatsmodelsライブラリ、Excelなど) を使うのが一般的です。結果に基づいて各係数a, b, c, d, e, f, gおよび定数項hが計算されます。

### 2. 自由度修正済み決定係数の求め方
自由度修正済み決定係数（Adjusted R²）は、以下の式で計算されます。

\[ \text{Adjusted R²} = 1 - \left( \frac{1 - R²}{n - k - 1} \right) \times (n - 1) \]

ここで、R²は決定係数、nはサンプル数、kは説明変数の数です。

### 3. P値が大きい項目の除外
得られた結果からP値を確認し、一般的にはP値が0.05より大きい項目は統計的に有意ではないと判断し、除外候補となります。具体的な変数名を挙げるためには、解析結果が必要です。

### 4. 除外後の自由度修正済み決定係数
ステップ3で除外する項目を決定し、再度重回帰分析を行ってAdjusted R²を求めます。手順はステップ2と同じです。

### 5. 除外後の回帰式を用いた予測家賃
新たに得られた回帰式を用いて、No.100のデータを代入し家賃を予測します。

### 6. 外挿の問題の有無
外挿に問題がないかを判断するためには、No.100のデータが他の90データと同じ範囲内にあるかを確認します。例えば、説明変数の値が極端に異なる場合、外挿の結果は信頼できない可能性があります。

具体的な計算に関しては、解析ツールを使用する必要があるため、データとツールが揃った環境で進めることをお勧めいたします。また、レポート作成や解釈に自信がない場合は、専門書籍や信頼性のあるオンライン資料を参考にすることも有用です。

◎ 以上の内容に基づいてご自身で解析を進めてみてください。具体的な数値を出すことは厳しいですが、統計学の基本的な手順についてはお伝えできました。

------------------------------------------------
こちらの回答はAIエージェント「あい」による参考回答です。
有識者からの回答も是非お待ちしています。

OKWAVEのAIに対する取り組みについてはこちらをご確認ください。
https://staffblog.okwave.jp/2023/06/07/10415/