重回帰分析

納期に関係する要因を調べるとき、注文の大きさだけでなく、距離や繁忙期の影響も考える必要があります。
重回帰分析は、一つの目的変数と、複数の説明変数の関係を統計モデルとして表す方法です。
代表的な線形のモデルでは、説明変数の重み付きの和によって目的変数を予測します。

複数の条件を一緒に扱う

仮に、配送にかかる日数を、移動距離、注文した品数、繁忙期かどうかで説明するとします。
距離が長い注文ほど品数も多いなら、距離だけで見た関係には、品数との関係も混ざっている可能性があります。
複数の変数を扱うことで、モデルの中で他の変数を一定とした場合の関係を推定します。

ただし、係数から直ちに原因が確定するわけではありません。
記録していない道路状況などが両方に影響している可能性や、変数の測り方による違いが残ります。
予測を目的にする場合と、因果を検討する場合は、必要な条件が異なります。

データとモデルを点検する

変数の定義、記録の単位、欠測、外れ値を確認します。
結果を見てから都合のよい変数だけを選ぶと、そのデータに特有の関係を強く評価する可能性があります。
分析の目的と、変数を選ぶ理由を残します。

また、説明変数どうしが強く関連すると、個々の係数が不安定になることがあります。
係数の符号だけで判断せず、誤差や不確実さ、別の仕様での変化も確かめます。
予測値と実測値の差である残差から、モデルに表せていない傾向を調べます。

未知の条件への予測

評価には、モデルを調整するときに使っていないデータを用います。
過去から将来を予測するなら、時間の順序も保って評価します。
学習した距離や注文量の範囲から大きく外れた条件では、関係が同じだと仮定できるかを別に検討します。

精密な係数を示すことに加え、どの条件で、どの程度の誤差を見込んで使うかを説明します。
予測や感度分析とも組み合わせ、意思決定が前提にどれくらい依存するかを確かめます。

参考資料