現実の二変量データの 5 つの例

二変量データは、正確に 2 つの変数を含むデータ セットを指します。

このタイプのデータは現実世界の状況で常に出現し、通常、このタイプのデータを分析するには次の方法が使用されます。

• 点群
• 相関係数
• 単純な線形回帰

次の例は、二変量データが現実に現れるさまざまなシナリオを示しています。

例 1: ビジネス

企業は多くの場合、広告に費やした総額と総収益に関する二変量データを収集します。

たとえば、ある企業は、連続 12 四半期の販売について次のデータを収集するとします。

これは、広告支出と総収益という 2 つの変数に関する情報が含まれているため、二変量データの例です。

企業は、単純な線形回帰モデルをこのデータセットに適合させ、次の適合モデルを見つけることを決定する場合があります。

総収益 = 14,942.75 + 2.70* (広告費)

これは、広告に追加の 1 ドルを費やすごとに、総収益が平均 2.70 ドル増加することを同社に示しています。

例 2: 医療

医療研究者は、健康関連の変数間の関係をより深く理解するために、二変量データを収集することがよくあります。

たとえば、研究者は 15 人から次の年齢と残りの心拍数のデータを収集するとします。

その後、研究者は 2 つの変数間の相関関係を計算し、それが0.812に等しいことがわかります。

これは、2 つの変数間に強い正の相関関係があることを示しています。つまり、年齢が上がるにつれて、残りの心拍数も予想通り増加する傾向があります。

関連: 「強い」相関関係とは何ですか?

例 3: 学者

研究者は、どの変数が大学生の成績に影響を与えるかを理解するために二変量データを収集することがよくあります。

たとえば、研究者は、特定のクラスの生徒の週あたりの学習時間数と、それに対応する GPA に関するデータを収集するとします。

次に、単純な散布図を作成して、これら 2 つの変数間の関係を視覚化できます。

2 つの変数の間には明らかに正の相関関係があり、1 週間あたりの学習時間が増加するにつれて、学生の GPA も増加する傾向があります。

例 4: 経済

経済学者は、2 つの社会経済変数間の関係を理解するために、2 変量データを収集することがよくあります。

たとえば、経済学者は、特定の都市の個人の総就学年数と総年間収入に関するデータを収集するとします。

次に、次の単純な線形回帰モデルを適用することを決定できます。

年収 = -45,353 + 7,120*(就学年数)

このことから、経済学者は、学校教育が 1 年増えるごとに、年収が平均 7,120 ドル増加することを示しています。

例 5: 生物学

生物学者は、植物や動物の間で 2 つの変数がどのように関連しているかを理解するために、二変量データを収集することがよくあります。

たとえば、生物学者は、さまざまな地域の総降水量と植物の総数に関するデータを収集するとします。

次に、生物学者は 2 つの変数間の相関関係を計算し、それが0.926に等しいことを確認することができます。

これは、2 つの変数間に強い正の相関関係があることを示しています。

つまり、降水量の増加は、地域内の植物の数の増加と密接に関係しています。

追加リソース

次のチュートリアルでは、二変量データとその分析方法に関する追加情報を提供します。

二変量解析の概要
単変量解析の概要
ピアソン相関係数の概要
単線形回帰の概要