多変量解析の種類・選び方
多変量解析には数多くの解析手法があります。
どの手法も「目的変数のある場合の多変量解析」「目的変数のない場合の多変量解析」のどちらかに分類されます。
目的変数のある場合の多変量解析とは
多変量解析では「結果」のことを目的変数、「原因」のことを説明変数といいます。
目的変数のある場合の多変量解析は、目的変数に対する影響要因の解明・予測をするために適用されます。
目的変数と説明変数の関係から関係式（予測モデル式）を作成し、関係式から次のことを明らかにします。
・説明変数の目的変数に対する影響度
・説明変数の重要度ランキング
・予測 → 関係式（予測モデル式）を用いて予測値を算出
使用するデータタイプにより解析手法が決まります。
＜解析例＞
・営業活動量から売上を予測
・学業成績から有名校の合格予測
・健康診断からがん判別の予測
・入社時の自己アピールや決意表明から配属部署の判定
※上記では、黄色線の内容が目的変数となります。
目的変数のない場合の多変量解析とは
目的変数のない場合の多変量解析は、数多くある変数（データ）を要約するために適用されます。
類似度・分類、ポジショニング、グルーピングなどを通して、背後に潜んでいる要因を導き出します。
説明変数相互の関係を調べ、潜在変数（新しい概念の要素）を導く関係式を作成し、関係式から次のことを明らかにします。
・潜在変数のネーミングと解釈
・説明変数の潜在変数への影響度
・各個体の潜在変数における得点と予測
使用するデータタイプにより解析手法が決まります。
＜解析例＞
・タレントのキャラクター（総合能力を仮定する）
・文系、理系の能力の把握
・他人からどのような性格と思われているか
・性格、血液型で人々をポジショニング（得点化）
・回答者間、質問項目間の距離を調べ消費者をグループ化
多変量解析の手法の一つ「共分散構造分析（SEM）」
共分散構造分析（SEM）は、項目間（変数間）の因果関係について仮説を立て、それが正しいかどうかを検証します。
「目的変数のある場合の多変量解析」「目的変数のない場合の多変量解析」には分類されませんが、多変量解析の手法の一つとなります。
多変量解析を行う上で、注意すること
目的変数・説明変数として使用するデータタイプは解析手法に適している
説明変数として使用するデータは選び方にルールがある （ 希望するデータを全て使うことができない）
説明変数の相互の相関を調べ、相関が高い項目は解析データとして使わない
分析精度・予測精度はクリアしている
説明変数のデータがすべて同じ値の場合は適用できない
数値以外のデータ、欠損値がある個体は解析から除外される
データ数に条件がある解析手法を使用する場合、条件をクリアしている
多変量解析を行う前に、現状分析（基本統計量・単純集計・クロス集計）を行い、データの傾向を把握する
分析精度・予測精度を上げるためには、説明変数の選び方が重要となります！
