コンテンツへスキップ ナビゲーションに移動

青の統計学

  • 統計学
    • 推定・検定
    • ベイズ統計学
    • 時系列解析
    • 計量経済学
    • 医薬・生物統計
  • 機械学習
    • 教師あり学習
    • 教師なし学習
    • Python
    • 深層学習
    • 自然言語処理
  • 統計検定対策
  • マーケティング
    • データ分析
    • 因果推論
  • DS Playground
  • 資料

多重共線性

  1. HOME
  2. 多重共線性
多重共線性について数学的背景から解説する
01/03/2023 / 最終更新日時 : 10/26/2025 Blue 統計学

【論文解説】多重共線性は回帰分析にどのような影響を与えるのか

こんにちは、青の統計学です。 今回は、多重共線性への理解を深め、対処などを考察するために論文を読んでみました。 多変量解析をするとなると、大抵はマルチコ(多重共線性)の壁にあたります。 そこで正確な理解をした方が良いと感 […]

サムネイル
12/15/2022 / 最終更新日時 : 10/26/2025 Blue 教師あり学習

【python】Ridge(リッジ)回帰で多重共線性を解決する話

リッジ回帰とは、重回帰分析の一つであり、機械学習には厄介な「多重共線性」の影響を少なくできる手法のひとつです。 複雑なデータをモデルに当てはめるときには、一般に多くの説明変数を使って表現をしますが、 説明変数が増えるほど […]

主成分分析について数学的背景から解説する
06/22/2022 / 最終更新日時 : 10/26/2025 Blue 教師なし学習

主成分分析(PCA)をわかりやすく解説【統計検定準一級】|python

主成分分析 青の統計学へようこそ。 今回は、教師なし学習の一つ「主成分分析」について解説いたします。 数学的背景まで掘り下げたコンテンツは以下になります。 【python】主成分分析(+回帰)の仕組みとコード例|教師なし […]

【python】共分散分析(ANCOVA)の基礎から応用まで|因果推論
06/18/2022 / 最終更新日時 : 10/26/2025 Blue 推定・検定

共分散分析(ANCOVA)とは?回帰分析や分散分析との違いもわかりやすく解説

こんにちは、青の統計学です。 今回は、共分散分析について解説いたします。交絡因子等のバイアスを排除する上での便利な手法ですので、これを機にしっかり理解しましょう。 共分散分析の数学的背景 共分散分析を理解する上で、まずそ […]

多重共線性を正しく理解する
06/13/2022 / 最終更新日時 : 10/26/2025 Blue 統計学

【完全攻略】多重共線性をわかりやすく解説

多重共線性(Multicollinearity)とは 重回帰分析を勉強していると、最小二乗法の仮定の一つに「多重共線性がないこと」と見たことがあると思います。 冪乗項や交互作用項などを説明変数に入れて必然的に生じる多重共 […]

【python】行列式や逆行列は機械学習でどう使われるのか|線形代数の活用方法
05/01/2022 / 最終更新日時 : 10/26/2025 Blue 基礎数学

【python】行列式や逆行列は機械学習でどう使われるのか|線形代数の活用方法

大学数学で習う線形代数は、統計学や機械学習ではどのように活用されているのでしょうか? なんとなく説明変数をたくさん書かなくても行ベクトル一つ書いておけば良いから楽、程度に考えているかもしれませんが、実はもっと役に立ってお […]

人気記事

統計検定2級の完全ガイド
青の統計学DsPlaygroundの販促バナー_統計検定2級
統計検定3級の徹底攻略
青の統計学DsPlaygroundの販促バナー_G検定
青の統計学DsPlaygroundの販促バナー_数学入門
大学生向けのG検定の攻略記事のサムネイル

Youtube

Udemy

バナー広告

Ds Playground

青の統計学|X

Update Contents

ベイズ因子をABテストに使ってみる
ベイズ因子とは?──定義と直感的解釈
11/19/2025
パス解析をわかりやすく解説する記事
パス解析をわかりやすく解説:因果推論からMMMまで
11/19/2025
マーケティングミックスモデリング(MMM)について理解
【完全版】MMMを課題設定から考える|Google Meridian
11/19/2025
トービットモデルについて数学的背景から解説する
トービットモデルとは?わかりやすく解説【潜在変数】|計量経済学
11/18/2025
第一種の過誤や第二種の過誤を正しく理解するための記事【青の統計学】
【仮説検定】第1種の過誤と第2種の過誤とは?
11/18/2025
ゼロ過剰ポアソン分布について使い道と他の分布との違いを理解
ゼロ過剰ポアソン分布(ZIP分布)をわかりやすく解説
11/12/2025
ガウス過程回帰の仕組みと実務での応用をわかりやすく解説|ノンパラメトリック機械学習
ガウス過程回帰の仕組みと実務での応用をわかりやすく解説|ノンパラメトリック機械学習
11/12/2025
MCMC法についてわかりやすく解説する
【完全ガイド】MCMC法についてわかりやすく解説|ベイズ推定
11/11/2025
ハミルトニアンモンテカルロをmcmcに適用するための解説記事
【MCMC法】ハミルトニアンモンテカルロをわかりやすく解説|ベイズ統計学
11/11/2025
一般化線形モデルについてのわかりやすい解説
【GLM】一般化線形モデルをわかりやすく解説|ポアソン回帰
11/09/2025

New Contents

【超入門】統計学とは?文系でもわかる『データを武器にする』ための第一歩
【超入門】統計学とは?文系でもわかる『データを武器にする』ための第一歩
08/07/2025
ローレンツ曲線・ジニ係数・パレート分布をまとめて理解|不平等を数学で捉える
ローレンツ曲線・ジニ係数・パレート分布をまとめて理解|不平等を数学で捉える
07/15/2025
【カイ2乗検定】独立性検定と適合度検定についてわかりやすく解説
【カイ2乗検定】独立性検定と適合度検定についてわかりやすく解説
06/23/2025
中心極限定理についてわかりやすく解説|大数の法則との違い
中心極限定理についてわかりやすく解説|大数の法則との違い
06/07/2025
大学生向けのG検定の攻略記事のサムネイル
【体験談】G検定は大学生でも受かる?合格率、難易度、試験範囲を徹底解説
05/17/2025
スペクトラルクラスタリングとは?非線形データの分類
スペクトラルクラスタリングとは?非線形データの分類
03/18/2025
DBSCANとは?密度ベースのクラスタリング
DBSCANとは?密度ベースのクラスタリングを解説
03/16/2025
確率密度関数とは?確率質量関数との違いも解説
確率密度関数とは?確率質量関数との違いも解説
02/25/2025
効果量とは?サンプルサイズ設計を実務で使うには
効果量とは?サンプルサイズ設計を実務で使うには
02/03/2025
統計的なサンプルサイズ設計の手引き
サンプルサイズ設計のガイド:基礎理論と実践をわかりやすく
01/10/2025

Tag Cloud

AIC DID F統計量 GBDT GLM K-means法 KL divergence MCMC法 MSE PCA p値 ridge回帰 t検定 カイ2乗分布 ガンマ分布 ポアソン分布 マルコフ連鎖 モーメント法 ラグランジュの未定乗数法 ランダムウォーク ランダムフォレスト ロジスティック回帰 一様分布 不偏性 中心極限定理 二項分布 信頼区間 傾向スコア 再生性 分散分析 回帰分析 固定効果 多重共線性 大数の法則 尤度関数 層化抽出法 幾何分布 指数分布 最尤法 標準偏差 標準誤差 正規分布 決定木 相関係数 統計検定対策

Recent

ベイズ因子をABテストに使ってみる
ベイズ因子とは?──定義と直感的解釈
11/19/2025
パス解析をわかりやすく解説する記事
パス解析をわかりやすく解説:因果推論からMMMまで
11/19/2025
マーケティングミックスモデリング(MMM)について理解
【完全版】MMMを課題設定から考える|Google Meridian
11/19/2025
トービットモデルについて数学的背景から解説する
トービットモデルとは?わかりやすく解説【潜在変数】|計量経済学
11/18/2025
第一種の過誤や第二種の過誤を正しく理解するための記事【青の統計学】
【仮説検定】第1種の過誤と第2種の過誤とは?
11/18/2025
ゼロ過剰ポアソン分布について使い道と他の分布との違いを理解
ゼロ過剰ポアソン分布(ZIP分布)をわかりやすく解説
11/12/2025
ガウス過程回帰の仕組みと実務での応用をわかりやすく解説|ノンパラメトリック機械学習
ガウス過程回帰の仕組みと実務での応用をわかりやすく解説|ノンパラメトリック機械学習
11/12/2025
MCMC法についてわかりやすく解説する
【完全ガイド】MCMC法についてわかりやすく解説|ベイズ推定
11/11/2025
ハミルトニアンモンテカルロをmcmcに適用するための解説記事
【MCMC法】ハミルトニアンモンテカルロをわかりやすく解説|ベイズ統計学
11/11/2025
一般化線形モデルについてのわかりやすい解説
【GLM】一般化線形モデルをわかりやすく解説|ポアソン回帰
11/09/2025

サイトマップはこちら

青の統計学|Follow Me!

青の統計学DsPlaygroundの販促バナー_統計検定2級
青の統計学DsPlaygroundの販促バナー_G検定

チートシート

バナー広告


バナー広告

バナー広告
バナー広告
バナー広告

シミュレーション

サンプルサイズ設計ツールのサムネイル

問題演習

統計検定2級問題演習へのリンク
  • 統計学
  • 機械学習
  • 統計検定対策
  • マーケティング
  • DS Playground
  • 資料

Copyright © 青の統計学 All Rights Reserved.

Powered by WordPress with Lightning Theme & VK All in One Expansion Unit

MENU

  • 統計学
    • 推定・検定
    • ベイズ統計学
    • 時系列解析
    • 計量経済学
    • 医薬・生物統計
  • 機械学習
    • 教師あり学習
    • 教師なし学習
    • Python
    • 深層学習
    • 自然言語処理
  • 統計検定対策
  • マーケティング
    • データ分析
    • 因果推論
  • DS Playground
  • 資料
PAGE TOP