令和６年度 ITパスポート試験 公開問題 問14 解説 回帰分析

正解の判断基準

この問題は、データ同士の「関係性」を読み取り、「未来を予測する」ための統計手法を選ばせるものです。 気温（原因となる変数）から販売量（結果となる変数）を導き出すために、数式（一次式）を用いて関係をモデル化する手法は「回帰分析」です。問題文に「近似できる」というキーワードがあれば、回帰分析を選択する準備をしましょう。

回帰分析とは何か

回帰分析とは、ある数値データ（独立変数）をもとにして、それに関連する別の数値データ（従属変数）を予測する統計手法です。 一次式（$y = ax + b$）を用いる最もシンプルなケースを「単回帰分析」と呼びます。今回の問題のように気温と販売量のような2つのデータを用いる場合、散布図の上に一本の直線を引くイメージでデータの傾向を捉えます。この直線を使うことで、気温が何度なら販売量がどれくらいになりそうか、という予測が可能になります。

思考プロセス：なぜ他の選択肢ではいけないのか

消去法で考える際、それぞれのキーワードが何に特化したものかを確認するのが近道です。

イの線形計画法は、限られた資源の中で最大の利益を得るなど「最適化」を目指す手法です。予測ではなく、制約条件の中で最善の選択肢を見つけるために使われます。

ウのデルファイ法は、複数の専門家からアンケートを繰り返し、合意形成を図る手法です。数値的な近似式を使うわけではなく、人の意見を統合して未来を予測する際に用いられます。

エのパレート分析は、売上の大部分は少数の商品が作り出しているといった「全体の中での構成比」に着目し、優先順位を決める手法です（ABC分析の基礎となる考え方です）。予測ではなく、現状の分析や分類のために使われます。

実社会での活用場面

回帰分析は、データ分析の現場で最も頻繁に活用される手法の一つです。例えば、以下の場面で使われます。

・広告宣伝費をいくら投入すれば、売上がどれだけ伸びるかの予測 ・店舗の立地条件から、来客数を予測する ・Webサイトの滞在時間から、商品購入率（コンバージョン率）を予測する

ITパスポート試験では、データ分析の手法を「どのような目的で使うか」で分類する問題が多く出題されます。単に用語を覚えるだけでなく、「予測したいのか」「最適化したいのか」「整理したいのか」という目的別に整理しておくことが、合格への最短ルートです。

参考リンク

• 【ITパスポート】回帰分析とは？初心者向けにわかりやすく解説
• 【Python】散布図と回帰直線でデータ分析を遊んでみた（Qiita）
• 統計WEB：回帰分析の解説