一般化線形モデルは、連続値以外の目的変数に対する回帰モデルです。
具体的には二値データに対するロジスティック回帰モデル、カウントデータに対するポアソンモデルなどが含まれます。
まず、モデルの定式化、パラメータの推定方法、推定結果の解釈など、一般化線形モデルの方法論を解説します。
そして一般化線形モデルの応用例として、ある仮想的なテーマパークにおける年間パス購入をどのように増やせばよいか、ロジスティック回帰モデルを用いたデータ分析によって探索する演習を行います。
線形混合モデルは、線形モデルに変量効果と呼ばれる項が加わったモデルです。
例えば、顧客満足度調査データにおいて、母集団全体の傾向としてどのような要因により顧客満足度が決定するかは、線形回帰モデルを用いて解析することが可能です。
一方で、顧客満足度の決定要因は、顧客のグループごと、あるいは個人ごとにも少しずつ異なります。
線形混合モデルは、その要因を変量効果としてとらえることが可能です。
本セミナーでは線形混合モデルの理論的側面を解説した後、応用例として、ある仮想的なテーマパークにおける顧客満足度データの分析を題材としてPythonを用いた演習を行います。