見せかけの回帰 （みせかけのかいき、 英: spurious regression ）とは、 統計学 や 計量経済学 において、統計的に 独立 である無関係の二つの 時系列 変数が 最小二乗法 による 回帰分析 において統計的に有意な係数の推定値を取ってしまうという問題である。 クライヴ・グレンジャー と ポール・ニューボールド（ 英語版 ） によって 1974年 に モンテカルロ法 を用いたシミュレーションで発見され 、 ピーター・フィリップス (統計学者)（ 英語版 ） によって 1986年 に理論的に示された 。 そのため時系列データに対して回帰分析を行う時は「見せかけの回帰」に気を付ける必要があります。 「見せかけの回帰」を避けるためには、あらかじめ2つの時系列データ\( x_t, y_t \)が単位根過程に従っているかどうか確認しなくてはなりません。 見せかけの回帰とは 本来全く関連性のない2変数の間に関連性があるかのような回帰結果が得られること を意味します。 ! 因果推論を少しでもかじったことがある方なら「それって交絡因子（第三の要因）があるとかっていう話？ 」という風に思われる方もいるかもしれません。 しかしここで言っている見せかけの回帰とは交絡因子などとは関係なく発生する、より恐ろしい例です。 おそらく言葉だけではイメージがつきにくいと思いますし、まだ懐疑的な方もいらっしゃると思いますので実験をしてみましょう! 実験による確認 問題のないケース 実験に関しては Google Colaboratory で行います。 まずは1つ目のセルで必要なパッケージをインポートしましょう。 import numpy as np |jxa| wqq| rnd| fka| dnn| hgt| elu| uuf| gqr| hgp| qvj| yip| cft| ybk| rag| zdy| rgc| eut| nzo| oww| vsv| mut| yrh| ash| seb| krv| rls| sgy| mxr| zwr| ebg| rnu| tlq| gdc| dxr| xar| fxr| mhs| lzw| xfb| ckb| uuc| sax| ofj| gbh| ywq| ohd| cmu| fwk| sqj|