2  単回帰の復習

ヒントこの章はブラウザ上で R を実行できます

コードセルは 編集して「Run Code」を押すと再実行 できます(R はあなたのブラウザ内で動いています)。 初回はパッケージの読み込みに数十秒かかります。数値を変えて結果がどう変わるか、自由に試してください。

線形混合モデルは「普通の回帰(線形モデル)の拡張」です。まずは土台となる単回帰を確認します。

2.1 単回帰モデル

\[ \text{score}_i = \beta_0 + \beta_1 \cdot \text{hours}_i + \varepsilon_i, \qquad \varepsilon_i \sim N(0, \sigma^2) \]

記号の意味は次のとおりです。

記号 読み方 意味
\(i\) 生徒の番号(1, 2, …, 300くらい)
\(\beta_0\) ベータ・ゼロ 切片:勉強時間 0 のときの平均得点
\(\beta_1\) ベータ・ワン 傾き:勉強時間が 1 時間増えたときの得点の増加
\(\varepsilon_i\) イプシロン 誤差:直線では説明できない個人のばらつき
\(\sigma\) シグマ 誤差の標準偏差(ばらつきの大きさ)

\(\varepsilon_i \sim N(0, \sigma^2)\) は「誤差は平均 0、分散 \(\sigma^2\) の正規分布に従い、生徒ごとに独立」という意味です。

2.2 R で当てはめる

出力で見るべきところ:

  • Coefficients: の Estimate 列
    • (Intercept) = \(\hat\beta_0\)(切片の推定値)
    • hours = \(\hat\beta_1\)(傾きの推定値)
  • Std. Error:推定値の 標準誤差(推定のあいまいさ)
  • Pr(>|t|):p 値
  • Residual standard error:\(\hat\sigma\)(誤差の標準偏差の推定値)
ヒントハット記号 \(\hat{}\) について

\(\beta_1\) は「本当の値(未知)」、\(\hat\beta_1\) は「データから計算した推定値」です。 このデータは真の傾きを 3 にして作ったので、\(\hat\beta_1\) が 3 に近いか確認してみましょう。

2.3 図で確認

2.4 残差を見ると…

残差(実測値 − 予測値)を学校ごとに並べてみます。もしモデルが十分なら、残差はどの学校でも 0 のまわりに散らばるはずです。

学校によって残差が 全体的にプラス だったり 全体的にマイナス だったりします。つまり誤差 \(\varepsilon_i\) の中に「学校のずれ」が混ざっていて、「誤差は独立」という仮定が崩れています。

重要この章のまとめ
  • 単回帰は \(y = \beta_0 + \beta_1 x + \varepsilon\)。\(\varepsilon\) は独立な正規分布
  • 今回のデータでは、残差に「学校ごとのずれ」が残っている
  • 次章では、この「学校のずれ」をどう扱うかの 3 つの考え方を比べる