ダミー変数が役に立つ（売上予測を重回帰分析で行う手法13）

048-711-7195

107-0062 東京都港区南青山2-2-15-942

月～金 9:00～18:00

ダミー変数が役に立つ（売上予測を重回帰分析で行う手法13）

売上予測

2017/11/07 ダミー変数が役に立つ（売上予測を重回帰分析で行う手法13）

売上予測の手法　その5　重回帰分析を使った売上予測　13　ダミー変数

前回は、4種類の数字について話した。その中で数字として一般的に使われるのは、比例尺度と呼べる数字だ。

足したり引いたり、もちろん、順序があり、数字の間隔についてもしっかり意味がある。四則演算ができる点が重要な点である。

売上予測モデル（重回帰モデル）を作るために用いる数字は、原則、比例尺度でならなければならない。

モデルを作る際に、さんざん四則演算をするのだから、当然と言えば当然だ。

では、それ以外の名義尺度や順序尺度、間隔尺度はだめなのだろうか？

例えば、視界性評価の1・2・3は使ってはいけないのだろうか？

こうした疑問が出るかもしれない。

しかし、視界性評価の1・2・3をダミー変数として扱えば、問題がなくなる。ここが、売上予測モデル（重回帰モデル）の面白い点である。

それはどういうことか？

ダミー変数とは、0か1だけを使う変数のことである。「1ならば○○に該当する。0ならば○○に該当しない」というふうにダミー変数は使う。

0と1というたった2つだけの変数であるから、順序尺度はおろか、名義尺度であっても、間隔尺度であっても、ダミー変数として使うことができる。

たとえば、視界性評価ならばこうなる。変数1＝「物件の視界性が3に該当する場合1、そうでない場合0」、変数2＝「物件の視界性が2に該当する場合1、そうでない場合0」と、2つの変数にすれば良い。「あれ？変数3はいらないのか？」という疑問が出るかもしれないが、視界背評価が1,2,3の3個で評価する限り、変数3はいらない。なぜなら、視界性評価が1のときは、変数1＝0、変数2＝0　とすれば良いからだ。

仮に、このダミー変数を使って重回帰分析をしたら、変数1の係数が5.3、変数2の係数が2.9というふうに、矛盾なく出たとしたら（ｔ値はいずれも2以上）、これで視界性評価が3のときは、5.3、同評価が2の時は2.9という係数を与えれば良いことがわかる。そして、当然ながら視界性評価が1の場合は係数0である。

もちろん、ダミー変数を使ったところで、矛盾する結果が出る場合もある。この例では、変数1の係数が変数2の係数よりも小さい場合である。「自然に見える」よりも、「探せば見える」のほうが立地が良いことになってしまう。これはまずい。

いずれにせよ、ダミー変数を巧みに使えば、売上予測モデル（重回帰モデル）で使う場合、たいていのことは数値化が可能で、係数は必ず出てくる。

統計学の世界では、質的評価を計算の中に取り込むことができるとして、ダミー変数は重宝がられている。

蛇足かもしれないが、ダミー変数は、別の場面でも使える。

重回帰モデルを使って、ほぼうまく行きそうなんだけれど、どうもこの店だけは、どんな説明変数をいれても、大きな残差が生じてしまう。

というような場面が、分析の最終局面に入ると出てきてしまって、アイデアも出てこないで、どうにもならないときだ。

この時に、ダミー変数（○△店）を〇△店だけに1を、他の店には0を入れる。こういったいわゆる例外措置をするときに使うことができる。

もちろん、ダミー変数は、原則、1店舗だけだ。そういう抑えがなければ分析自体の意味がなくなってしまう。