単回帰分析

単回帰分析とは、1つの説明変数から1つの目的変数を予測する、最も基本的な統計的な予測手法です。データ上の関係を直線（回帰直線）でモデル化し、その直線の傾きや切片を決定することで、未知のデータに対する予測を可能にします。

具体的には、最小二乗法という手法を用いて、実際のデータ点と予測される直線との距離の二乗和が最小になるように回帰直線を引きます。例えば「気温（説明変数）からアイスクリームの売上（目的変数）を予測する」といった単純なモデルが単回帰分析の例です。これに対して、複数の説明変数を用いる場合は重回帰分析と呼ばれます。

G検定では、機械学習のアルゴリズムを学ぶ際の導入として、または回帰問題の基礎として出題されます。回帰分析は教師あり学習の代表的な手法の一つであり、線形モデルの考え方を理解する上で欠かせない概念です。多重共線性や過学習といった発展的な話題への入り口でもあります。