回帰分析

回帰分析とは、結果数値と、結果を導いた要素数値の関連性を明らかにする分析のこと。この分析の目的は、「数値予測」と「要因分析」である。

結果数値を「被説明変数」と表し、要素数値（要素の数）を「説明変数」と言う。
回帰分析は、説明変数によって「単回帰分析」と「重回帰分析」の2種類に分類される。

「説明変数」が１（要素が一つ）ならば「単回帰分析」である。
たとえば、アイスクリームの売上分析において、気温の変化との関連性を見ていくとする。
この場合、売上高が「被説明変数」であり、気温が「説明変数」となり、説明変数が1なので単回帰分析である。

要素数値である「説明変数」が2以上（要素が複数）ならば「重回帰分析」である。
実際のビジネス上の分析では、重回帰分析のほうが多い。
たとえば、先ほどのアイスクリームの売上分析において、「気温」だけでなく「降水量」も説明変数に加えた場合、重回帰分析になる。

説明変数がゼロになる特質を持つ要素もある。
たとえば、購入したか否か、来店したか否か、利用しているか否かの「否」に当てはまればゼロである。
説明変数がこのような性質を持つ場合には「ロジスティック回帰分析」が用いられる。

回帰分析を活用することで、施策のもたらす結果を予測できるため、適切な予算を設定することができる。
たとえば、売上とプロモーションコストの相関性が把握できていれば、目標売上に対してかけるべきプロモーションコストが導き出せる。

数値予測が可能なので、根拠のある推論を成り立たせることができる。説明や説得が必要な場面でも、単に「上昇する」「増加する」ではなく、統計的情報を提供できる。100人なら50％上昇、30代なら100万円増加などといったように定量的な予測を示せるようになる。
更にそれらをグラフ化して、直観的に伝えられることもメリットのひとつである。

コンサルティングファーム（あるいは部門）によっては、アナリティクスに特化した統計の専門チームなども存在する。
そのようなチームを受ける際には、回帰分析のスキルは必須であることが多い。
また、その他のコンサルティングファームでも「データ分析」は重要な職務であることが多い。
コンサルティングファーム入社前までに、回帰分析の基礎知識については抑えておくとよいだろう。