生産技術業務おいて、加工工程の加工条件設定などで、特性値（目的変数）の最適条件を設定するために様々な条件（説明変数）から導き出す際に、よく用いられるのが重回帰分析です。
1つの説明変数で目的変数の値を説明する方法が単回帰分析ですが、2つ以上の説明変数の関連を使って目的変数の値を説明する手法が重回帰分析（じゅうかいきぶんせき；multiple regression analysis）になります。
重回帰分析では、最小二乗法によって重回帰式をもとめ、この求めた重回帰式が統計的に意味を持つかどうかや、それぞれの説明変数が目的変数の説明に役立つかどうかの検定を行ったり、求めた回帰式を使って説明変数の特定の値の組み合わせについて目的変数の値を知る予測などを行います。
重複した説明になりますが、重回帰分析は、多変量解析の一つでもあり、 回帰分析において独立変数が2つ以上（2次元以上）のものをいいます。 ここで、独立変数が1つのものが単回帰分析です。（上記と同じ） 一般的によく使われている最小二乗法、一般化線形モデルの重回帰は、数学的には線形分析の一種であり、分散分析などと数学的に類似しています。 適切な変数を複数選択することで、計算しやすく誤差の少ない予測式を作ることができるというものです。
（以上、ネット情報を引用し、整理）
(参考ブログ)
コメント