良記事ありがとうございます！ 教育指導要領から入っているのが、良いと思いました。

@Odysseymedia

2 жыл бұрын

ありがとうございます！講師の平磯です。 大人になると学習指導要領を気にすることがなくなってきますが、 これからの時代に求められる力は子供たちの学習内容に反映されて いくと思っています。

Excel分析ベーシックに合格しました！ 解説が本を見るより理解しやすくて勉強が苦じゃ無かったので助かりました。 ありがとうございます！

@Odysseymedia

2 жыл бұрын

コメントありがとうございます！ 講師の平磯です。 エクセル分析ベーシックの合格おめでとうございます！！ 動画もお役に立ったのであれば幸いです。次のステップとしてエクセル分析スペシャリストにもぜひ挑戦してみてください！

切片の見方がよくわかりませんでした💦 それ以外はとてもわかりやすかったです！

@Odysseymedia

2 жыл бұрын

ありがとうございます！ 「切片」は、係数に選んだ項目（最高気温やSNS投稿の有無など）が全て0だったときの値（ベースとなる値）です。切片の215215.4がベースであって、SNS投稿をしたなら、そこに38118.0が加算されていくというイメージです！

凄く分かりやすかったです！

@user-nv2rh9jy3n

3 жыл бұрын

ありがとうございます！

@user-gWdT-ihukhYq3

3 жыл бұрын

ありがとうございます！

神動画です。。以前習ったことが復習になりました。ありがとうございます。説明変数を社外から収集する場合はどうしたら良いのでしょうか。初任給や年間休日、会社規模と就職応募の分析をしたいのです。

@Odysseymedia

2 жыл бұрын

ありがとうございます！講師の平磯です。 「就職四季報」などを購入すると企業に関するデータが入手できると思います。ただ、掲載企業はある程度の規模の企業になるかと思いますので、「会社四季報 未上場会社版」など分析したい企業規模にあわせて参考元を選ぶ必要があります。 また、どういった分析をするかにもよりますが、分析のために抽出した企業に偏りが出ないようにすることにも注意が必要です。 分析対象が全企業なら企業規模割合にあわせた層化抽出を行うなど分析計画をしっかり練ることが大切ですね。

回帰分析を行うためのデータ量はどれくらいのデータがあるのが望ましいのでしょうか？

@Odysseymedia

2 жыл бұрын

コメントありがとうございます！講師の平磯です。 各項目のデータ量が多いと精度も良くなる可能性が高いので、多い方が良いのですが、項目数が多くなると予測精度に悪い影響を及ぼすことがあります。また、データ量の確保には、時間的、人的コストもかかると思います。「目的のデータ分析がどのくらいの精度を必要としているのか」、「データ分析に含めたい項目数がいくつか」にもよりますが、数十件ほどあれば回帰分析を行うことは可能と考えられていると認識しています。

説明変数が、名義尺度つまり、0か1（あり、なし）と数値的尺度を多変量にかけるときはどうすればいいのですか？

@Odysseymedia

2 жыл бұрын

コメントありがとうございます！講師の平磯です。 重回帰分析として回答します。説明変数に質的変数と量的変数が混在していても適切なダミー変数（0か1）に変換することで、分析にかけて問題ありません。ダミー変数の変換方法や結果の解釈の方法などは別の動画で解説しているので、ぜひご覧ください。 （kzread.info/dash/bejne/mHx_uqqeZ5rOZpM.html） また、説明変数間で係数の効果を比較したい時には、標準化を行ったりする必要があったりと、状況に応じて様々な手法があるので、重回帰分析は結構奥が深い分析になります。

@nao-nm5it

2 жыл бұрын

Odysseymedia ありがとうございます。 単変量でもよいのですが、何かの有無（0,1）とその因子のありなし（0,1）で相関をみることはできるのでしょうか？ あと、説明変数に−を含む場合。つまり、ある薬を内服したときの血圧変動（プラスの値とマイナスの値）を目的変数として、その説明変数（0.1）をロジスティック回帰分析に入れたところ、目的変数がゼロより小さいため解析できないとエラーが出ました。このような場合はどうすればよいですか？

@Odysseymedia

2 жыл бұрын

質的変数同士の関係性の強さということでしょうか。それならば独立性の検定（カイ二乗検定）などを使ってみたり、クロス集計表であれば、連関係数（種類がたくさんあります）を求めてみると関連性の強さを表現することができると思います（ファイ係数やクラメールの連関係数などです）。 また、2つ目の質問ですが、目的変数は血圧変動で量的なデータでしょうか？ロジスティック回帰分析は目的変数が2値をとるデータで用いると思います。数式から考えて、説明変数には負の値が含まれていても問題ないと思います。説明変数から、目的変数（0 or 1）が「1」である確率を求めているので、0から1の間の値が出力されます。データの不備の確認や、使っているソフトによっても、操作方法など異なってくると思いますので、そちらも合わせて確認いただけたらと思います。

そもそもの部長の評価点が主観的だからなぁ 例えばのび太が5点であるという評価点の妥当性（根拠）が信頼に値する数値であるかを判定する分析手法はありますか？ それか部長たちが根拠に基づいた点数化できるための手法はありますか？

@Odysseymedia

2 жыл бұрын

コメントありがとうございます！ 今回は、部長の主観的な評価を同じ部内（同じ部長が評価）で相対的に比較できるように標準化を紹介しています。 各部内での相対的な位置を用いることで、異なる部署間の比較も行うように解説しています。 実際には、ご指摘の通り、データ分析以前の「評価法」にもっと妥当性や信頼性の工夫は必要だと思います。 現実にはこういった形で評価が行われてしまう企業もあるのかもしれませんが…。 人事評価には360°評価（上司→部下ではなく、周囲の多人数→1人のように評価する方法）などもありますが、今回のように部長が部下を(一方的に)評価するならば、評価点に基準を設ける（このくらいの業績をあげた社員は●点）ことや評価を細かく「勤務態度」「自己研鑽」などの要素に分けて5段階のような選択肢（リッカート尺度）で評価してもらう方法などがあるかなと思います。