メインコンテンツへスキップ

コース

Rで学ぶ中級回帰分析

中級スキルレベル

更新日 2025/11

複数の説明変数を用いた線形回帰とロジスティック回帰を学びます。

コースを無料で開始

RProbability & Statistics

4時間

14 ビデオ

50 演習

4,150 XP

35,049

修了証明書

何千もの企業の従業員が支持

チームのトレーニングを担当していますか？

Businessをお試しください

コース説明

Linear regression と logistic regression は最も広く使われる統計モデルで、データセットに隠れた関係を解き明かす強力な鍵です。本コースは「Introduction to Regression in R」で身につけたスキルを土台に、複数の説明変数を用いた線形回帰とロジスティック回帰を扱います。ハンズオン演習を通して、台湾の住宅価格や顧客解約（churn）モデルなどの実データで変数間の関係を探ります。コース修了時には、モデルに複数の説明変数を組み込む方法、変数間の相互作用が予測に与える影響、そして線形回帰とロジスティック回帰の仕組みを理解できるようになります。

前提条件

Introduction to Regression in R

1

Parallel Slopes

Extend your linear regression skills to "parallel slopes" regression, with one numeric and one categorical explanatory variable. This is the first step towards conquering multiple linear regression.

Parallel slopes linear regression

Fitting a parallel slopes linear regression

Interpreting parallel slopes coefficients

Visualizing each explanatory variable

Visualizing parallel slopes

Predicting parallel slopes

Predicting with a parallel slopes model

Manually calculating predictions

Assessing model performance

Comparing coefficients of determination

Comparing residual standard error

チャプターを開始

2

Interactions

Explore the effect of interactions between explanatory variables. Considering interactions allows for more realistic models that can have better predictive power. You'll also deal with Simpson's Paradox: a non-intuitive result that arises when you have multiple explanatory variables.

Models for each category

One model per category

Predicting multiple models

Visualizing multiple models

Assessing model performance

One model with an interaction

Specifying an interaction

Interactions with understandable coeffs

Making predictions with interactions

Predicting with interactions

Manually calculating predictions with interactions

Simpson's Paradox

Modeling eBay auctions

Modeling each auction type

チャプターを開始

3

Multiple Linear Regression

See how modeling, and linear regression in particular, makes it easy to work with more than two explanatory variables. Once you've mastered fitting linear regression models, you'll get to implement your own linear regression algorithm.

Two numeric explanatory variables

3D visualizations

Modeling 2 numeric explanatory variables

Including an interaction

More than 2 explanatory variables

Visualizing many variables

Different levels of interaction

Predicting again

How linear regression works

The sum of squares

Linear regression algorithm

チャプターを開始

4

Multiple Logistic Regression

Extend your logistic regression skills to multiple explanatory variables. Understand the logistic distribution, which underpins this form of regression. Finally, implement your own logistic regression algorithm.

Multiple logistic regression

Visualizing multiple explanatory variables

Logistic regression with 2 explanatory variables

Logistic regression prediction

Confusion matrix

The logistic distribution

Cumulative distribution function

Inverse cumulative distribution function

binomial family argument

Logistic distribution parameters

How logistic regression works

Likelihood & log-likelihood

Logistic regression algorithm

Congratulations

チャプターを開始

Rで学ぶ中級回帰分析

コース完了

修了証明書を取得

この修了書をLinkedInや履歴書、CVに追加しましょう
ソーシャルメディアや人事評価で共有しましょう今すぐ登録

19百万人を超える学習者と共にRで学ぶ中級回帰分析を始めましょう！

DataCamp for Mobileでデータスキルを磨きましょう

モバイルコースと毎日の 5 分間のコーディングチャレンジで、外出先でも進歩できます。