説明変数
更新日:
用語解説
説明変数は、回帰・分類などで目的変数の変化を説明又は予測するためモデルへ入力する変数です。予測子、特徴量、独立変数、共変量とも呼ばれますが、観察データでは真に独立又は因果的とは限りません。
■ 試験で押さえるポイント
数値変数は必要に応じて標準化・変換し、カテゴリ変数はダミー変数等へ符号化します。係数の解釈は単位、基準カテゴリ、変換方法に依存します。
重回帰の係数は、他の説明変数を一定とした条件付きの関係です。説明変数同士の強い相関は多重共線性を生み、係数を不安定にします。
予測時点で取得できない未来情報や、目的変数から作った値を説明変数にするとデータ漏えいとなり、見かけの精度だけが高くなります。
説明変数の選択には業務上の根拠、欠損、測定誤差、公平性、取得費用を考慮し、学習データだけで有効性を判断しません。
■ 選択肢での判断ポイント
モデルへ入力して目的変数を説明・予測する側です。『独立変数』という別名から、目的変数と統計的に独立だと解釈してはいけません。
例: 住宅価格を予測するモデルでは、床面積、築年数、駅までの距離が説明変数です。売却後に確定する税額を予測時入力へ使うと漏えいになります。