SAP Analytics Cloud Smart Predict の回帰モデルの概要

ケーススタディでは、支払予測で回帰モデルを使用するシナリオについて説明します。

• 製品の原価増加が会社の利益にどのように影響するかを測定します。
• 広告費用、プロモーション、または価格設定の変更に対する会社の売上の敏感性を理解します。
• 金利の変化が株価にどのように影響するかを分析します。
• 自動車の属性、運転者情報、人口統計などの要因に基づいて、自動車保険会社の損害賠償請求額を予測します。
• 履歴需要、天気予報、および価格設定に基づいて、電力の将来の消費を予測します。

回帰分析とは？回帰分析は、ターゲット変数と 1 つ以上のインフルエンサ変数の値で構成される数値データのモデリングと分析に使用される手法の集合名です。

回帰のパラメータが推定され、データの "最適合" が与えられます。

回帰方程式のターゲット変数は、インフルエンサ変数、定数項、および誤差項の関数としてモデル化されます。ターゲットが連続変数である。

単純回帰直線の式は、y = a + bx という方程式として表されます。

ここで、

• y がターゲットです。
• a はインターセプト (x が 0 の y のレベル) です。
• bは線の斜面である。
• x はインフルエンサ変数です。

• 重線形回帰は、1 つの連続したターゲット変数と 2 つ以上のインフルエンサ変数の関係を説明するために使用されます。 
• インフルエンサ変数は連続変数またはカテゴリ変数です。
• 重線形回帰分析は、データポイントの複数の次元を持つ散布図を通じて 1 つの線を合わせるタスクです。
• 回帰は、以下の目的に最もよく使用されます。
  • インフルエンサ変数がターゲット変数に及ぼす影響の強さを特定します。
  • 予測の影響または変更の影響 - インフルエンサ変数の変更時にターゲット変数がどの程度変化するかを把握します。 たとえば、重線形回帰では、要員時間の 1 ポイント増加 (または減少) ごとに、販売数量が増加 (または減少) されると予想される量を説明することができます。
  • トレンドと将来価値を予測します。 重線形回帰分析を使用して、ポイント見積を取得することができます。 たとえば、金の値段は今から 6 カ月後にどうなるかという質問です。