１重回帰分析の結果の説明 １．１ 分析モデルの説明 「自転車のレンタル数は何によって決まるのか」という問いを設定し、説明変数として「気温」「湿度」「風速」「天候：曇りダミー」「天候：雨または雪ダミー」（いずれも「晴れ」がベース）の５つを投入し、目的変数をレンタル数とする重回帰分析を行った。 サンプルの単位は日であり、サンプルサイズは である。
１．２ 重回帰分析の結果の図表 アナリティクスの線形回帰分析の結果を貼ってください。 【表１：サマリ】 # レンタル数の重回帰分析 - サマリ
【図１：係数】
【表２：係数（表）】
【図２：多重共線性】
【図３：変数重要度】
１．３． 分析結果の説明 表１をみると、調整済みR2乗値は[0.48]、P値は[＜0.01]であり、統計的に[有意]なモデルである。また、図２をみたところ、VIFの最大値は[1.57]であり、多重共線性の疑いはなかった。
表２をみると、有意な関係がみられたのは、[気温、湿度、天気、風速]の４つであった。気温の係数は[137]、標準誤差は[6.4]、P値は[＜0.1]であり、統計的に[有意]であった。また、天候：雨または雪ダミーの係数は[-1400]、標準誤差は[273.5]、P値は[＜0.1]であり、統計的に[有意]であった。 つまり、今回の分析で投入したその他の要因を考慮した場合、気温が１度上がると、レンタル数が平均的に[137]台増えるといえる。また、雨または雪の天候だと、晴れの日に比べてレンタル数が平均的に[ 1400]台減るといえる。 ２．標準化偏回帰係数の比較 動画の方法を参考に、標準化偏回帰係数を計算し、影響力の大きい変数の順番を確認してみましょう。 異なる分析をする前に、元のアナリティクスを複製して新しいアナリティクスページを作ってください。
３．季節ごとに層を分けた重回帰分析 時間が余ったら、季節を「繰り返し」に投入し、季節ごとの重回帰分析をやってみましょう。 異なる分析をする前に、元のアナリティクスを複製して新しいアナリティクスページを作ってください。 季節ごとの重回帰分析を行ったあと、「サマリ」「係数（表）」「係数」の３つを挿入してください。 そのうえで、「係数」を見ながら、夏と冬の傾向の異同を説明してください。