データサイエンス（Part.20）｜重要用語
目標
基本統計量 信頼区間 決定係数 R² 相関係数 偏相関係数 残差平方和 RSS パネルデータ クロスセクションデータ 独立性の検定 残存効果 残差 相関行列 共分散 ダミー変数 重相関係数 調整済R² 予測値 実績値 過学習 CPR CPO CPA LTVについて整理する。
01 基本統計量
基本統計量は単なる要約ではなく、分析の前提条件チェックの役割を持っています。
実務で見るポイント
- 平均と中央値の乖離 → 歪みの存在
- 標準偏差が大きい → モデル難易度が高い
- IQRが狭い → 安定した分布
よくあるミス
- 平均だけ報告（→分布を無視）
- 標準偏差の単位を意識しない
02 信頼区間
信頼区間は「点」ではなく“幅”で判断するための道具です。
実務での重要な読み方
- 区間が0をまたぐ → 有意でない可能性
- 区間が狭い → 推定精度が高い
A/Bテストでの解釈
- 差があるか？（有意性）
- どのくらい違うか？（効果量）
👉 両方見る必要あり
03 決定係数（R²）
R²は「分散の説明割合」なので：👉 そもそも説明できない現象には限界がある
例：人間行動 → R²低くなりがち
実務での使い方
- モデル比較（同じデータ前提）
- 改善の進捗確認
注意（重要）
- 異なるデータでR²比較はNG
- 外れ値で簡単に上がることがある
04 相関係数
相関は「線形関係」しか見ていない
例：U字型 → 相関0でも関係あり
実務での補完
- 散布図を必ず確認
- スピアマン相関（順位）も検討
05 偏相関係数
偏相関は「条件付き関係」
実務での価値：👉 多変量環境での“純粋効果”
限界
- 非線形は除去できない
- 因果までは保証しない
06 残差平方和（RSS）
OLSはこれを最小化する：👉 「最も平均的にズレが小さい線」
実務での発展
- RMSE（解釈しやすい）
- MAE（外れ値に強い）
注意
- 外れ値1つで大きく悪化
07パネルデータ
パネルデータは：👉 観測できないバイアスを制御できる
例：個人の能力・店舗の立地
実務で重要
- 固定効果 → 個体差除去
- 差分の差分（DID）→ 因果推論
08 クロスセクションデータ
弱点：👉 逆因果が判別できない
例：広告と売上（どっちが原因？）
09 独立性の検定
カイ二乗は：👉 期待値 vs 実測のズレ
実務での補足：標準化残差を見ると「どこが違うか」わかる
注意：サンプルが大きいと何でも有意になる
10 残存効果（残差）
理想の残差：平均0・ランダム・パターンなし
NGパターン：分散変化 → 不均一分散
👉 残差は「モデルの健康診断」
11 相関行列
高相関が問題なのは：👉 情報が重複しているから
実務：PCAで圧縮・片方削除
12 共分散
共分散は：👉 相関の“元の形”
使い所：PCA・多変量正規分布
13 ダミー変数
回帰式の意味：
👉 β1 = 女性との差
実務で重要：基準カテゴリの設定
14 重相関係数・調整済R²
- R：予測と実測の相関
- R²：説明力
調整済R²の役割：👉 過学習の簡易チェック
15 予測値と実績値
分析の本質：👉 「どこでズレているか」
実務でやること
- 誤差の分布を見る
- セグメント別誤差
16 過学習
原因：モデルが複雑すぎる・データが少ない
兆候：学習精度 ↑・テスト精度 ↓
👉 「ノイズまで学習している」
19 CPR / CPO / CPA / LTV
CPR（反応単価）
深い意味：👉 興味関心の獲得効率
分解すると
改善レバー：クリエイティブ・ターゲティング
CPO（注文単価）
分解
意味：👉 LPや導線の問題を反映
CPA（獲得単価）
本質：👉 ビジネスモデルに直結
分解
改善要因：ファネル全体最適化
LTV（顧客価値）
深掘り
分解：単価・頻度・継続率
超重要：👉 継続率が最も効く
全体の関係（超重要）
実務の意思決定
- ケース1：CPA 高い LTV 高い 👉 OK（投資すべき）
- ケース2：CPA 低い LTV 低い 👉 NG（質が悪い）
よくある重大ミス
- ① CPA最適化だけやる：👉 LTV悪化
- ② 短期指標だけ見る：👉 長期赤字
- ③ 平均LTVだけ見る：👉 セグメント無視
最重要：👉 「良い顧客をいくらで獲得できるか」
ブックマークのすすめ
「ほわほわぶろぐ」を常に検索するのが面倒だという方はブックマークをお勧めします。ブックマークの設定は別記事にて掲載しています。
