図を拡大

「傾き」という言葉にピンときた方はもうおわかりでしょう。そうです。2つのグループを分断する線は一次関数の式で表されます。これを「線形判別分析」といい、文字通り2つのグループを分ける最適な一次関数のモデルをつくるということです。

ここでは、「重回帰分析」を使った簡単な方法で計算してみましょう。

重回帰分析は多変量解析のひとつで、1つの目的変数を複数の説明変数で予測する手法です。

目的は、投資継続と株式売却の判別ですから、投資継続に対するイエス・ノーが目的変数となります。

ただ、イエス・ノーのままでは計算ができないので（統計ではこうした変数を質的変数と呼びます）、イエスを正、ノーを負とし、1とマイナス1をそれぞれに割り当てます（図表4）。

次に、2つの説明変数（売上高伸び率と経常利益率）とイエス・ノーとの関係づけを重回帰分析によって導きます。計算結果は図表5のとおりです。

目的変数は2つの説明変数によって、次のような式で求めることができます。

図を拡大

y（目的変数）＝11.904×説明変数1（売上高成長力）+11.5234×説明変数2（収益力）－13.1382。

yが正の数値の場合は投資継続、負の場合は売却と判断します。

この式に実際の数値をもう一度代入して、投資継続の可否を検証してみます。

1社のみ実際の投資判断と異なった結果となりましたが、「この判別モデルは使える」と、細野さんは検証データを見て大いに満足しました（図表6）。