前回までで、回帰直線の式「Y＝aX＋b」、回帰係数a、切片bの意味を学びました。
今回は、第4章で学んだ相関分析と、回帰分析の違いを整理します。
2変数の関係を扱うという点では似ていますが、役割は大きく違います。
相関分析は、XとYを対等に扱う「対称」な関係を見ます。
回帰分析は、X→Yという方向を持った「非対称」な関係を見ます。
相関分析で得られるのは、関係の強さと向き（相関係数r、−1〜＋1）です。
回帰分析で得られるのは、関係そのものを表す式（Y＝aX＋b）です。
相関分析の用途は「関係性があるかを判断」すること。回帰分析の用途は「予測すること」です。
実務では、相関分析と回帰分析はセットで使うのが一般的です。
まず散布図と相関係数で、関係性があるかを確認します（第4章）。
関係性があれば、回帰直線で式を求めて、予測に使います（第5章）。
「関係があるね」で終わらず「具体的にどんな式か」「新しい入力にどう予測できるか」まで踏み込むのが回帰分析です。
さえ相関分析は「関係の強さ」、回帰分析は「関係を式にして予測」。役割の違い、つかめたかな？
さて、第5章のスタートとなる回帰分析のポイントを整理しておきましょう。
回帰直線は、散布図の点の並びをいちばん良く表す1本の直線でした。
説明変数（X）は原因側で横軸に、目的変数（Y）は結果側で縦軸に置きます。
回帰係数aはXを1増やしたときにYがどれだけ増えるか、切片bはXが0のときのYの値です。
相関分析が「関係があるかを見る」のに対し、回帰分析は「関係を式で表して予測する」ものでした。
回帰分析は、知らない言葉に変装した一次関数。このイメージを持てば、この先もスッと入ってきます。
さえここまで回帰分析の入り口、よく頑張ったね！ 次はいよいよ、あの回帰係数「8」がどう決まるかを学ぶよ。
次は『最小二乗法』を学びます。
