アパートを借りる際に、家賃が適正かどうかわからないことが多いですね。最終的には、現物を見て経験的な金額と比較して、少し高いけど妥協するか として決めますね。
今回は、データがあれば解析して、ある程度適正な金額を割り出すことが可能な「重回帰」について説明します。この内容は、何度もブログで紹介している「無料で学べるオンライン大学講座」で現在開講中の「統計解析Ⅱ」の第４週目に出てきます。講義の内容と式の係数の値は若干異なりますが、手法は全く同じです。
私が説明用に作成した資料はこちら → 回帰分析
p.1 ｘとｙが1対１の時は、以前に最小二乗法を用いて回帰式を算出する方法を説明しました。 本日は、ｙに対してｘが複数ある「重回帰」です。
p.2 家賃ｙと部屋の広さｘ１の相関関係をプロットして近似式を最小二乗法で算出したグラフです。
p.3 家賃ｙが、部屋の広さｘ１、築年数ｘ２、駅からの徒歩時間ｘ３及び部屋の向きｘ４の関数であるとします。β０～４を係数にした重回帰モデルの式が作成できます。この係数を「偏回帰係数」と呼ばれていて、この係数の意味は「他の変数を固定して、対称の変数が１変化した時にｙがどれだけ増えるか」を示しています。例えば広さが１ｍ２増えれば、家賃がｙ（千円）高くなることを意味しています。
p.4 Excelの重回帰分析の手順を説明します。Excelのバージョンが古くて申し訳ありませんが、同様の方法でできると思います。 分析ツールがない方は、使えるようにしてください。左の様にデータを並べておき、ｙ及びｘの範囲を指定してOKをクリックするだけです。
p.5 算出した結果の赤枠の部分が偏回帰係数ですので、これを用いて式にします。「y=39.7+2.87x1-1.12x2-0.82x3+1.44x4」となります。
p.6 算出した係数を見れば、どのように家賃に影響するかわかります。係数がマイナスの場合は、家賃が安くなります。築年数や徒歩時間が増えれば家賃は安くなります。条件が良ければ高くても借りる需要があれば家賃は高くなります。 この式に、探している物件の数字を入れれば、妥当な適正価格を計算してくれます。 最終的には、現場に行って決めますが。不動産屋と交渉する際の裏付けとして予め計算しておいた方が良いかもしれません。
この「重回帰分析」は、ビックデータの処理として結構使えそうなツールですね。 今回の「統計解析Ⅱ」を理解するのにかなり苦労しましたが、やっと1昨日最終問題を終了しました。ホッ・・