ダミー変数の列数
D社では、店舗の売上を切片ありの線形回帰で予測する。説明変数に「立地」(駅前・住宅地・郊外の3区分)を加えるため、0と1のダミー変数に変換する。立地を表すダミー変数の列の作り方として、最も適切なものを1つ選べ。
- A
1区分を基準として除き、残りの2区分についてダミー変数を2列作る
- B
区分ごとの平均売上をその店舗の値に置き換えた列を1列作る
- C
駅前を1、住宅地を2、郊外を3とした数値の列を1列だけ作る
- D
3区分それぞれにダミー変数を作り、3列すべてを説明変数に加える
正解と解説を見る
正解:A
切片ありの線形回帰では、k区分のカテゴリ変数をk−1列のダミー変数にする。k列すべてを入れると完全な多重共線性が起き、係数が定まらない。
- A
正しい。3列すべてを入れると、3列の合計が常に1になり切片の列と完全に重なる(完全な多重共線性)。1列を除いて基準にすれば、係数は基準区分との差として推定できる。
- B
誤り。目的変数(売上)を使った符号化で、学習データの情報が特徴量に漏れる。交差検証の中で計算するなどの工夫が必要になる。
- C
誤り。順序も間隔もない区分に数値を割り当てると、「郊外は駅前の3倍」のような意味のない大小関係をモデルが仮定してしまう。
- D
誤り。切片がある場合、3列の合計が常に1になり切片と完全に重なる。係数が一意に決まらない(ダミー変数の罠)。
このサイトの問題は、各試験の公開されている出題範囲に沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。一般社団法人データサイエンティスト協会・一般財団法人統計質保証推進協会の公式サービスではありません。