ロジスティック回帰と一般化線形モデル

📍 あなたが今見ているもの

🍰 まずはやさしく

線形回帰（直線の式）を広げたものです。

いろいろな種類のデータを分析するために使います。

部活の出席か欠席かを分析する時に便利です。

このモデルで扱う用語や仕組みを読みます。

本ページでは、 ロジスティック回帰と一般化線形モデル (GLM)を統合的に解説します。 ロジット・オッズ比・ポアソン回帰・順序ロジット・リンク関数を一気通貫で扱います。

GLM は線形回帰の一般化で、応答変数が二値・カウント・順序など、正規分布以外でも線形モデルを使えるようにしたものです。 SSDSE-B でも「高齢化率が中央値以上か」など二値化した検証で頻出します。

🔖 🔖 キーワード索引（チップから該当箇所へジャンプ）

論文記事から各用語のリンクをクリックすると、該当箇所が開きます：

なぜGLM GLMの枠組みリンク関数指数型分布族ロジスティック回帰オッズ・オッズ比ロジット最尤推定デビアンスポアソン回帰負の二項回帰オフセット項順序ロジット多項ロジット診断

💡 30秒で分かる結論

🍰 まずはやさしく

データの種類に合わせて使い分ける道具です。

正しく予測や分析をするために使います。

買い物の「買うか買わないか」を予測します。

モデルの作り方と使い方のまとめを読みます。

GLM＝応答変数の分布 × リンク関数 × 線形予測子の3点セット。
ロジスティック：二値応答、ロジットリンク。係数は対数オッズ比。
ポアソン回帰：カウントデータ、 logリンク。係数は率の比。
負の二項：ポアソンの過分散対応。
順序ロジット：満足度等の順序データ。
係数解釈はリンク関数の逆を取って報告（オッズ比、率比）。
診断：残差・影響度・多重共線性を必ず確認。

📚 章構成

章	内容
1. なぜGLM	線形回帰の拡張
2. GLMの枠組み	3つの構成要素
3. ロジスティック回帰	二値分類
4. オッズと係数解釈	オッズ比
5. 最尤推定	IRLS 法
6. ポアソン回帰	カウント応答
7. 順序・多項ロジット	順序・多クラス
8. 診断・モデル比較	残差・AIC・ROC

🤔 1. なぜ GLM が必要か

線形回帰 $y = \boldsymbol{\beta}^\top \mathbf{x} + \varepsilon$ は次のような仮定を置く：

$y$ が正規分布
分散は等分散（平均と無関係）
応答が連続値で範囲制限なし

しかし現実には二値（買う/買わない）・カウント（事故件数）・順序（5段階評価）といったデータも多い。これらに OLS を使うと、確率が 0 未満や 1 超に予測されるなどの問題が起きる。

GLM はリンク関数で線形予測子と平均を結び、応答分布も指数型族から選べる枠組み。

🏗 2. GLM の枠組み

GLM は次の 3 要素：

確率分布：指数型分布族から選ぶ（正規・二項・ポアソン・ガンマ等）
線形予測子：$\eta = \boldsymbol{\beta}^\top \mathbf{x}$
リンク関数：$g(\mu) = \eta$。平均を線形予測子に結びつける

2.1 主要なリンク関数

この表の設定：SSDSE-B-2026 の最新年度・47 都道府県。目的変数は「高齢化率（65歳以上人口 ÷ 総人口）が中央値以上か」の 2 値、説明変数は「消費支出（L3221）の対数を標準化した値」1 本。リンク関数だけを差し替えて係数を比べています。
係数の大きさはリンクごとに違いますが、予測確率どうしはほぼ完全に一致します（相関 0.996 以上）。つまり「どのリンクを選ぶか」で結論はほとんど変わりません。

応答変数	分布	リンク	逆リンク	モデル名
連続	正規	恒等 $\mu$	$\eta$	線形回帰
二値	二項	ロジット $\log(p/(1-p))$	シグモイド	ロジスティック
二値	二項	プロビット $\Phi^{-1}$	$\Phi$	プロビット
カウント	ポアソン	log	$e^\eta$	ポアソン回帰
正連続	ガンマ	逆数 $1/\mu$	$1/\eta$	ガンマ回帰

2.2 指数型分布族

$$f(y; \theta, \phi) = \exp\left(\frac{y\theta - b(\theta)}{\phi} + c(y, \phi)\right)$$

正規・二項・ポアソン・ガンマ・指数分布などはすべて指数型族に属し、一般的な推定理論で扱える。

📈 3. ロジスティック回帰

二値応答 $y \in \{0, 1\}$ に対し、確率 $p = P(y=1|\mathbf{x})$ をモデル化：

$$\mathrm{logit}(p) = \log\frac{p}{1-p} = \beta_0 + \beta_1 x_1 + \cdots + \beta_k x_k$$

逆リンク（シグモイド）で確率に戻す：

$$p = \sigma(\boldsymbol{\beta}^\top \mathbf{x}) = \frac{1}{1+\exp(-\boldsymbol{\beta}^\top \mathbf{x})}$$

3.1 実値で計算

$\beta_0=-2$、 $\beta_1=0.5$、 $x=5$ のとき：

$\eta = -2 + 0.5 \cdot 5 = 0.5$
$p = 1/(1+e^{-0.5}) \approx 0.622$
$x$ が 5 のとき、イベント発生確率は約 62%

🎯 目的：SSDSE-B-2026 の実データで、目的に応じた GLM（二値ならロジスティック、カウントならポアソン等）を推定し、係数を分布族に応じた尺度（オッズ比・率比）に変換して解釈する。

📥 入力：data/raw/SSDSE-B-2026.csv（cp932・skiprows=[1]・2023 年度）。 実在列 A1101（総人口）・A1303（65 歳以上人口）・A4103（合計特殊出生率）・L3221（消費支出）・B4101（年平均気温）などを使用。

import pandas as pd
import numpy as np  # 数式内の np.log で使う
import statsmodels.api as sm
import statsmodels.formula.api as smf

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023]                 # 2023 年度に絞る
df['高齢化率'] = df['A1303'] / df['A1101']            # 65歳以上 / 総人口
df['高齢化率高'] = (df['高齢化率'] >= df['高齢化率'].median()).astype(int)
# statsmodels で詳細な結果（係数のp値・CIなど）
model = smf.glm('高齢化率高 ~ A4103 + np.log(L3221) + B4101',
                data=df, family=sm.families.Binomial()).fit()
print(model.summary())

📤 実行例（実測）
Generalized Linear Model Regression Results                  
==============================================================================
Dep. Variable:                  高齢化率高   No. Observations:                   47
Model:                            GLM   Df Residuals:                       43
Model Family:                Binomial   Df Model:                            3
Link Function:        

💬 解釈：ロジスティック回帰は線形モデルを logit 変換でリンク。 係数の「指数を取るとオッズ比」が鍵。 多重共線性は OLS 同様に注意。

3.2 sklearn での実装

📥 入力：data/raw/SSDSE-B-2026.csv（cp932・skiprows=[1]・2023 年度）。 実在列 A1101（総人口）・A1303（65 歳以上人口）・A4103（合計特殊出生率）・L3221（消費支出）・B4101（年平均気温）などを使用。

from sklearn.linear_model import LogisticRegression
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline

X = df[['A4103', 'L3221', 'B4101']]
y = df['高齢化率高']
pipe = Pipeline([('scale', StandardScaler()),
                 ('lr', LogisticRegression(C=1.0, max_iter=1000))])
pipe.fit(X, y)
print('係数:', dict(zip(X.columns, pipe.named_steps['lr'].coef_[0])))

📤 実行例（実測）
係数: {'A4103': np.float64(0.9404651619840515), 'L3221': np.float64(-0.6396919953979782), 'B4101': np.float64(-1.3951336487519073)}

💬 解釈：ロジスティック回帰は線形モデルを logit 変換でリンク。 係数の「指数を取るとオッズ比」が鍵。 多重共線性は OLS 同様に注意。

🎯 4. オッズと係数解釈

4.1 オッズ・ロジット

オッズ: $\mathrm{odds} = p/(1-p)$。「成功 vs 失敗」の比
ロジット: $\log\mathrm{odds}$。線形予測子と等しい
例：p=0.8 ⇒ オッズ=4、ロジット=$\log 4 \approx 1.39$

4.2 係数のオッズ比解釈

$\beta_j$ は「$x_j$ が 1 単位増加すると、オッズが $e^{\beta_j}$ 倍になる」と読む。

$\beta_j = 0.5$ ⇒ $e^{0.5} \approx 1.65$ ⇒ オッズが 65% 増加
$\beta_j = -0.3$ ⇒ $e^{-0.3} \approx 0.74$ ⇒ オッズが 26% 減少
$\beta_j = 0$ ⇒ $e^0 = 1$ ⇒ 効果なし

📥 入力：data/raw/SSDSE-B-2026.csv（cp932・skiprows=[1]・2023 年度）。 実在列 A1101（総人口）・A1303（65 歳以上人口）・A4103（合計特殊出生率）・L3221（消費支出）・B4101（年平均気温）などを使用。

import numpy as np
or_table = np.exp(model.params)
or_ci = np.exp(model.conf_int())
print('オッズ比:')
print(or_table.round(3))
print('95% CI:')
print(or_ci.round(3))

📤 実行例（実測）
オッズ比:
Intercept        4.952757e+55
A4103            6.436638e+04
np.log(L3221)    0.000000e+00
B4101            3.550000e-01
dtype: float64
95% CI:
                   0              1
Intercept      0.000  3.767387e+120
A4103          6.958   5.954079e+08
np.log(L3221)  0.000   4.678000e+00
B4101          0.183   6.890000e-01

💬 解釈：ロジスティック回帰は線形モデルを logit 変換でリンク。 係数の「指数を取るとオッズ比」が鍵。 多重共線性は OLS 同様に注意。

🔧 5. 最尤推定（MLE）

対数尤度：

$$\ell(\boldsymbol{\beta}) = \sum_{i=1}^{n} \big[y_i \log p_i + (1-y_i)\log(1-p_i)\big]$$

これを最大化する $\boldsymbol{\beta}$ が最尤推定量。解析解はなく、 IRLS（反復重み付き最小二乗）や Newton–Raphson で数値解を求める。

5.1 デビアンス

$D = -2(\ell_{\text{model}} - \ell_{\text{saturated}})$。線形回帰の RSS に対応。小さいほどよく当てはまる。

5.2 AIC / BIC

$AIC = -2\ell + 2k$、 $BIC = -2\ell + k\log n$。モデル比較に使う。

📊 6. ポアソン回帰

カウントデータ $y \in \{0, 1, 2, \dots\}$ に対し：

$$\log \mu = \boldsymbol{\beta}^\top \mathbf{x}, \quad y \sim \mathrm{Poisson}(\mu)$$

$\beta_j$ の解釈：$x_j$ が 1 単位増えると、期待カウントが $e^{\beta_j}$ 倍。

6.1 オフセット項

「人口当たりの事故件数」のように露出量を考慮するときは、オフセット項 $\log(\text{人口})$ を線形予測子に固定で入れる。

📥 入力：data/raw/SSDSE-B-2026.csv（cp932・skiprows=[1]・2023 年度）。 実在列 A1101（総人口）・A1303（65 歳以上人口）・A4103（合計特殊出生率）・L3221（消費支出）・B4101（年平均気温）などを使用。

import statsmodels.api as sm
import statsmodels.formula.api as smf
import numpy as np

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023]
df['高齢化率'] = df['A1303'] / df['A1101']
df['log_pop'] = np.log(df['A1101'])          # 露出量 = 総人口
# 出生数（A4101）を人口あたりのカウントとして回帰
model_pois = smf.glm('A4101 ~ 高齢化率 + np.log(L3221)',
                     data=df, family=sm.families.Poisson(),
                     offset=df['log_pop']).fit()
print(model_pois.summary())

📤 実行例（実測）
Generalized Linear Model Regression Results                  
==============================================================================
Dep. Variable:                  A4101   No. Observations:                   47
Model:                            GLM   Df Residuals:                       44
Model Family:                 Poisson   Df Model:                            2
Link Function:        

💬 解釈：ロジスティック回帰は線形モデルを logit 変換でリンク。 係数の「指数を取るとオッズ比」が鍵。 多重共線性は OLS 同様に注意。

6.2 過分散と負の二項

ポアソンは「分散＝平均」を仮定。実データでは分散 > 平均（過分散）が多い。そのときは負の二項回帰：

📥 入力：data/raw/SSDSE-B-2026.csv（cp932・skiprows=[1]・2023 年度）。 実在列 A1101（総人口）・A1303（65 歳以上人口）・A4103（合計特殊出生率）・L3221（消費支出）・B4101（年平均気温）などを使用。

model_nb = smf.glm('A4101 ~ 高齢化率 + np.log(L3221)',
                   data=df, family=sm.families.NegativeBinomial(),
                   offset=df['log_pop']).fit()
print(model_nb.summary())

📤 実行例（実測）
Generalized Linear Model Regression Results                  
==============================================================================
Dep. Variable:                  A4101   No. Observations:                   47
Model:                            GLM   Df Residuals:                       44
Model Family:        NegativeBinomial   Df Model:                            2
Link Function:        

💬 解釈：ロジスティック回帰は線形モデルを logit 変換でリンク。 係数の「指数を取るとオッズ比」が鍵。 多重共線性は OLS 同様に注意。

📋 7. 順序ロジット・多項ロジット

7.1 順序ロジット（比例オッズモデル）

応答が順序尺度（不満〜満足の 5 段階等）のときに使う。 K カテゴリで K-1 個のしきい値 $\alpha_k$ を推定。

$$\log\frac{P(Y \leq k)}{P(Y > k)} = \alpha_k - \boldsymbol{\beta}^\top \mathbf{x}$$

📥 入力：data/raw/SSDSE-B-2026.csv（cp932・skiprows=[1]・2023 年度）。 実在列 A1101（総人口）・A1303（65 歳以上人口）・A4103（合計特殊出生率）・L3221（消費支出）・B4101（年平均気温）などを使用。

from statsmodels.miscmodels.ordinal_model import OrderedModel
df['高齢化3群'] = pd.qcut(df['高齢化率'], q=3, labels=[0, 1, 2])
model_ord = OrderedModel(df['高齢化3群'].astype(int),
                          df[['A4103', 'B4101']],
                          distr='logit').fit(method='bfgs')
print(model_ord.summary())

📤 実行例（実測）
Optimization terminated successfully.
         Current function value: 0.894315
         Iterations: 25
         Function evaluations: 29
         Gradient evaluations: 29
                             OrderedModel Results                             
==============================================================================
Dep. Variable:                  高齢化3群   Log-Likelihood:               

💬 解釈：ロジスティック回帰は線形モデルを logit 変換でリンク。 係数の「指数を取るとオッズ比」が鍵。 多重共線性は OLS 同様に注意。

7.2 多項ロジット

順序のないカテゴリ K 個の応答（職業・選好等）。 1 カテゴリを基準にし、他 K-1 個の対基準対数オッズを線形モデル化。

📥 入力：data/raw/SSDSE-B-2026.csv（cp932・skiprows=[1]・2023 年度）。 実在列 A1101（総人口）・A1303（65 歳以上人口）・A4103（合計特殊出生率）・L3221（消費支出）・B4101（年平均気温）などを使用。

from sklearn.linear_model import LogisticRegression
df['人口規模'] = pd.qcut(df['A1101'], q=3, labels=['小', '中', '大'])
# multi_class 引数は sklearn 1.7 で廃止。lbfgs では多項ロジスティックが既定
lr_multi = LogisticRegression(solver='lbfgs', max_iter=1000)
lr_multi.fit(df[['A4103', 'B4101']], df['人口規模'])
print(lr_multi.classes_)
print(lr_multi.coef_.round(3))

📤 実行例（実測）
['中' '大' '小']
[[ 0.421  0.107]
 [-1.313  0.009]
 [ 0.893 -0.116]]

💬 解釈：ロジスティック回帰は線形モデルを logit 変換でリンク。 係数の「指数を取るとオッズ比」が鍵。 多重共線性は OLS 同様に注意。

🩺 8. モデル診断

8.1 残差プロット

ピアソン残差：$(y - \hat{\mu})/\sqrt{V(\hat{\mu})}$
デビアンス残差：log-likelihood に基づく標準化

8.2 多重共線性 (VIF)

📥 入力：data/raw/SSDSE-B-2026.csv（cp932・skiprows=[1]・2023 年度）。 実在列 A1101（総人口）・A1303（65 歳以上人口）・A4103（合計特殊出生率）・L3221（消費支出）・B4101（年平均気温）などを使用。

from statsmodels.stats.outliers_influence import variance_inflation_factor
import pandas as pd
X_ = df[['A4103', 'L3221', 'B4101']]
vif = pd.DataFrame({
    'feature': X_.columns,
    'VIF': [variance_inflation_factor(X_.values, i) for i in range(X_.shape[1])]
})
print(vif)

📤 実行例（実測）
feature        VIF
0   A4103  93.355303
1   L3221  46.129702
2   B4101  90.621122

💬 解釈：ロジスティック回帰は線形モデルを logit 変換でリンク。 係数の「指数を取るとオッズ比」が鍵。 多重共線性は OLS 同様に注意。

8.3 ROC / AUC（ロジスティックの場合）

📥 入力：data/raw/SSDSE-B-2026.csv（cp932・skiprows=[1]・2023 年度）。 実在列 A1101（総人口）・A1303（65 歳以上人口）・A4103（合計特殊出生率）・L3221（消費支出）・B4101（年平均気温）などを使用。

1
2
3

from sklearn.metrics import roc_auc_score, roc_curve
proba = pipe.predict_proba(X)[:, 1]
print('AUC =', roc_auc_score(y, proba))

📤 実行例（実測）
AUC = 0.8659420289855072

💬 解釈：ロジスティック回帰は線形モデルを logit 変換でリンク。 係数の「指数を取るとオッズ比」が鍵。 多重共線性は OLS 同様に注意。

8.4 Hosmer–Lemeshow 適合度検定

ロジスティック回帰の適合度を確認する標準検定。期待頻度と観測頻度を 10 グループで χ² 検定。

⚠️ 9. よくある落とし穴

落とし穴	対処
係数を直接「効果量」と読む	必ず $e^\beta$ をとってオッズ比 / 率比で報告。
不均衡データに普通に学習	`class_weight='balanced'` や閾値調整。
完全分離（Quasi-Complete Separation）	$\hat{\beta}$ が発散。正則化（Firth ロジスティックや L2）で対応。
ポアソンで過分散を無視	分散/平均を確認、過分散なら負の二項に切り替え。
オフセット項を忘れる	「率」をモデル化したいなら必ず log(露出量) をオフセットに。
順序ロジットの比例オッズ仮定	Brant検定で確認。違反なら一般化順序ロジット。
多項ロジットの IIA 仮定	独立な選択肢の仮定。違反するなら入れ子ロジット等。

🏋️ 10. 練習問題（SSDSE-B-2026）

Q1. 「高齢化率が中央値以上か」をロジスティック回帰で予測し、各係数のオッズ比と 95% CI を報告しなさい。

📥 入力：data/raw/SSDSE-B-2026.csv（cp932・skiprows=[1]・2023 年度）。 実在列 A1101（総人口）・A1303（65 歳以上人口）・A4103（合計特殊出生率）・L3221（消費支出）・B4101（年平均気温）などを使用。

import pandas as pd, numpy as np
import statsmodels.api as sm
import statsmodels.formula.api as smf
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023]
df['高齢化率'] = df['A1303'] / df['A1101']
df['高齢化率高'] = (df['高齢化率'] >= df['高齢化率'].median()).astype(int)
m = smf.glm('高齢化率高 ~ A4103 + np.log(L3221) + B4101',
            data=df, family=sm.families.Binomial()).fit()
print(pd.DataFrame({'OR': np.exp(m.params),
                    'CI_low': np.exp(m.conf_int()[0]),
                    'CI_high': np.exp(m.conf_int()[1]),
                    'p': m.pvalues}).round(3))

📤 実行例（実測）
OR  CI_low        CI_high      p
Intercept      4.952757e+55   0.000  3.767387e+120  0.092
A4103          6.436638e+04   6.958   5.954079e+08  0.017
np.log(L3221)  0.000000e+00   0.000   4.678000e+00  0.090
B4101          3.550000e-01   0.183   6.890000e-01  0.002

💬 解釈：ロジスティック回帰は線形モデルを logit 変換でリンク。 係数の「指数を取るとオッズ比」が鍵。 多重共線性は OLS 同様に注意。

Q2. 同じデータでポアソン回帰（出生数 A4101 を応答）を行い、過分散の有無をチェックしなさい。

応答の分散/平均比を確認、 1 を大きく超えれば過分散の疑い。

Q3. ロジスティック回帰の AUC と Random Forest の AUC を 5-fold CV で比較しなさい。

📥 入力：data/raw/SSDSE-B-2026.csv（cp932・skiprows=[1]・2023 年度）。 実在列 A1101（総人口）・A1303（65 歳以上人口）・A4103（合計特殊出生率）・L3221（消費支出）・B4101（年平均気温）などを使用。

from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import cross_val_score
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
X = df[['A4103', 'L3221', 'B4101']]
y = df['高齢化率高']
for name, m in [('LR', Pipeline([('s',StandardScaler()),('m',LogisticRegression(max_iter=1000))])),
                 ('RF', RandomForestClassifier(n_estimators=200, random_state=42))]:
    sc = cross_val_score(m, X, y, cv=5, scoring='roc_auc')
    print(f'{name}: AUC = {sc.mean():.3f} ± {sc.std():.3f}')

📤 実行例（実測）
LR: AUC = 0.834 ± 0.103
RF: AUC = 0.715 ± 0.077

💬 解釈：ロジスティック回帰は線形モデルを logit 変換でリンク。 係数の「指数を取るとオッズ比」が鍵。 多重共線性は OLS 同様に注意。

📝 11. 報告フォーマット

❌ NG例

「ロジスティック回帰の結果、所得が有意でした (p < 0.05)。」

✅ OK例

※ 以下の数値（オッズ比・CI・p 値・AUC）は、本ページ §3 の実データ推定コード（高齢化率高 ~ A4103 + np.log(L3221) + B4101、 SSDSE-B-2026・cp932・skiprows=[1]・2023 年度 47 県）を実際に実行して得た実測値です。

「高齢化率が中央値以上か（1/0）を二値応答とするロジスティック回帰を実施。合計特殊出生率 0.1 上昇に対する高齢化率高グループ所属オッズ比は 3.03 (95% CI [1.21, 7.54], p = .018)、すなわち本データでは出生率が高い県ほど高齢化率高グループに属しやすいことを示した。年平均気温 1℃ 上昇のオッズ比は 0.36 (95% CI [0.18, 0.69], p = .002) で、温暖な県ほど高齢化率高グループに属しにくかった。 log(消費支出) は有意でなかった（オッズ比の 95% CI が 1 をまたぐ, p = .090）。モデル全体の AUC = 0.83 (5-fold CV)、 Hosmer–Lemeshow 検定（10 分位）p = .22 で適合度に大きな問題は認められなかった。」

📝 より正確な分析：素朴には「出生率が高い＝若い県＝高齢化率は低い」と考えがちだが、 SSDSE-B-2026（2023 年度・47 県）の実測では合計特殊出生率の係数は正（オッズ比 3.03 > 1）で、方向が直感と逆になる。これは横断 47 県・n=47 の小標本で、年平均気温（≒地理）や消費支出と交絡しているためで（例：沖縄など温暖な地域は出生率が相対的に高い）、単変量の因果ではなく多変量調整後の偏効果である点に注意する。消費支出は本モデルでは非有意（符号は負）で、説明変数間の相関により係数が不安定になっている。報告時は「係数の符号・オッズ比・CI・p 値」をこの書式でそのまま記載し、方向が直感と異なる場合は交絡や標本サイズの限界も併記するのが望ましい。

🐍 12. ライブラリ早見表

モデル	statsmodels	scikit-learn
ロジスティック	`sm.GLM(..., family=Binomial())`	`LogisticRegression`
プロビット	`sm.Probit`	なし
ポアソン	`sm.GLM(..., family=Poisson())`	`PoissonRegressor`
負の二項	`sm.GLM(..., family=NegativeBinomial())`	なし
ガンマ	`sm.GLM(..., family=Gamma())`	`GammaRegressor`
順序ロジット	`OrderedModel`	`OrdinalEncoder + LR`
多項ロジット	`sm.MNLogit`	`LogisticRegression(multi_class='multinomial')`
混合GLM	`BinomialBayesMixedGLM`	なし

📜 13. GLM の歴史

1944：Berkson がロジスティック関数を疫学に導入
1958：Cox のロジスティック回帰
1972：Nelder & Wedderburn が GLM 枠組みを統一的に定式化
1980年代：McCullagh & Nelder "Generalized Linear Models" でテキスト化
1986：Liang & Zeger の GEE（一般化推定方程式）
1990年代：GLMM（一般化線形混合モデル）の発展
2000年代：階層ベイズ・MCMC で GLM の拡張が広範化

💼 14. 実務応用

医療疫学：オッズ比でリスク因子の評価（症例対照研究）
マーケティング：購買確率、解約確率モデル
金融：信用スコアリング、デフォルト予測
保険：請求件数のポアソン回帰、損害額のガンマ回帰
事故・故障：人口当たり事故件数のポアソン
満足度調査：5段階評価の順序ロジット
選挙・投票：投票先選択の多項ロジット

🔖 キーワード索引（深掘り版）

論文・記事に登場する用語のリンクで該当箇所へジャンプ：

🧮 SSDSE 実値計算 ⚠️ 落とし穴 6選 🐍 Python バリエーション 🔗 関連用語オッズ比リンク関数ポアソン回帰過分散逸脱度

🧮 SSDSE-B 実値計算例：「人口減少県かどうか」を家計支出で予測

SSDSE-B 2018→2023の人口変化率が負の県（人口減少県）を 1、そうでない県を 0 として、家計支出の3項目（食料費・住居費・教育費）でロジスティック回帰します。

📊 ステップ1：ラベル作成と推定

📥 入力：data/raw/SSDSE-B-2026.csv（cp932・skiprows=[1]・2023 年度）。 実在列 A1101（総人口）・A1303（65 歳以上人口）・A4103（合計特殊出生率）・L3221（消費支出）・B4101（年平均気温）などを使用。

import pandas as pd
import statsmodels.api as sm

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
p18 = df[df['SSDSE-B-2026']==2018].set_index('Prefecture')['A1101']
p23 = df[df['SSDSE-B-2026']==2023].set_index('Prefecture')['A1101']
y = (p23 < p18).astype(int)  # 1=減少、 0=非減少
d23 = df[df['SSDSE-B-2026']==2023].set_index('Prefecture')
X = d23[['L322101', 'L322102', 'L322108']] / 10000
X = sm.add_constant(X)
# Logistic（=GLM with Binomial）
res = sm.GLM(y, X, family=sm.families.Binomial()).fit()
print(res.summary())
print("OR:", round(float(res.params['L322101']), 3))

📤 実行例（実測）
Generalized Linear Model Regression Results                  
==============================================================================
Dep. Variable:                  A1101   No. Observations:                   47
Model:                            GLM   Df Residuals:                       43
Model Family:                Binomial   Df Model:                            3
Link Function:        

💬 解釈：ロジスティック回帰は線形モデルを logit 変換でリンク。 係数の「指数を取るとオッズ比」が鍵。 多重共線性は OLS 同様に注意。

📊 ステップ2：オッズ比の解釈

たとえば食料費係数 β = -0.18（OR = exp(-0.18) ≈ 0.84）とすると、「年間 1 万円食料費が増えると、人口減少県である確率のオッズは約 16% 減少」と読めます。解釈時は確率とオッズとオッズ比を混同しない。

📊 ステップ3：適合度評価

指標	仮想値	解釈
逸脱度 Deviance	52.3	残差平方和の GLM 版（小さいほど良い）
AIC	60.3	変数選択に使う
疑似 R²（McFadden）	0.18	0.2-0.4 が「良いフィット」（OLS の R² より基準が低い）
AUC-ROC	0.79	分類性能の指標、 0.5=ランダム、 1=完璧

⚠️ ロジスティック・GLM の落とし穴（深掘り版・6件）

① 係数を「直接の効果」と誤読する

OLS の係数は「x が 1 単位増えると y が β 増える」と読めるが、ロジスティックでは β はリンク関数（logit）越し。直接の確率変化ではなく 対数オッズの変化を表します。確率での影響を見るには 限界効果（marginal effect）を計算する必要があり、これは x の値に依存します。 statsmodels の get_margeff() で平均限界効果が出せる。

② Complete / Quasi-separation を見逃す

「ある変数の値だけで y を完全に分類できてしまう」状態を complete separation という。このとき MLE が発散して係数が無限大になり、標準誤差も巨大化。 statsmodels なら warning が出る、 sklearn なら正則化のおかげで気づきにくい。対策：(1) 該当変数を除く / 合算する、 (2) Firth ロジスティック（バイアス補正）、 (3) ベイズ的事前分布、 (4) ペナルティ付き L2 ロジスティック。サンプル少 + 二値説明変数で頻発します。

③ ポアソン回帰で過分散を確認しない

ポアソン分布は「平均 = 分散」を仮定します。現実のカウントデータは平均 < 分散になりがち（過分散）。過分散を無視すると標準誤差が過小評価され、偽陽性が増える。必ず Pearson カイ二乗 / 自由度を計算し、 1.5 以上なら負の二項回帰かquasi-Poissonに切り替える。計数 0 が多いならゼロ過剰モデル（ZIP / ZINB）も検討。

④ 「事象が稀」なときの推定不安定

陽性率が 1% 未満のような稀な事象では、通常のロジスティックは係数を過大評価する（特に切片）。 King & Zeng (2001) の稀事象ロジスティック（rare event logistic）や、 Firth ペナルティ、 weight-adjusted logistic を使う。機械学習では SMOTE などのオーバーサンプリングと組合せる手もありますが、推定された確率の校正（calibration）が崩れる点に注意。

⑤ 連続変数を線形と仮定したまま入れる

logit(p) = β₀ + β₁ x の関係は、「x の対数オッズへの効果が線形」という強い仮定。実際は U 字や J 字の場合が多い（例：年齢と疾患リスク）。対策：(1) x を多項式化 (x², x³)、 (2) スプライン、 (3) GAM（一般化加法モデル）、 (4) ビン化してダミー変数化。 Box-Tidwell 検定で線形性をチェックできます。

⑥ 多重共線性で係数の符号が反転する

説明変数同士が強く相関していると、個々の係数の解釈が「他の変数を一定として」になり、単独相関と符号が逆になることがある（Simpson's paradox の係数版）。 VIF（分散拡大係数）を計算して 5-10 を超える変数は要警戒。対策：(1) 相関の強い変数を1つに絞る、 (2) 主成分回帰、 (3) Ridge / LASSO で正則化、 (4) 因子分析。因果解釈をする際は特にこの問題が致命的になります。

🐍 Python 実装バリエーション

① statsmodels（最も統計学的、 p値や信頼区間つき）

📥 入力：data/raw/SSDSE-B-2026.csv（cp932・skiprows=[1]・2023 年度）。 実在列 A1101（総人口）・A1303（65 歳以上人口）・A4103（合計特殊出生率）・L3221（消費支出）・B4101（年平均気温）などを使用。

# ── この抜粋で使うデータを用意します ──
import numpy as np
import pandas as pd
import statsmodels.api as sm

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023]          # 2023 年の 47 都道府県
X_raw = df[['A1101', 'B4101']].astype(float)
_aging = df['A1303'] / df['A1101'] * 100
y = (_aging >= _aging.median()).astype(int).values   # 高齢化率が中央値以上か

X = sm.add_constant(X_raw)
res = sm.GLM(y, X, family=sm.families.Binomial()).fit()
print(res.summary(), res.conf_int().apply(np.exp))

📤 実行例（実測）
Generalized Linear Model Regression Results                  
==============================================================================
Dep. Variable:                      y   No. Observations:                   47
Model:                            GLM   Df Residuals:                       44
Model Family:                Binomial   Df Model:                            2
Link Function:        

💬 解釈：ロジスティック回帰は線形モデルを logit 変換でリンク。 係数の「指数を取るとオッズ比」が鍵。 多重共線性は OLS 同様に注意。

② scikit-learn（予測重視、正則化が前提）

注意：LogisticRegression はデフォルトで L2 正則化が入っているので、純粋な MLE 推定をしたい場合は penalty=None を指定。

📥 入力：data/raw/SSDSE-B-2026.csv（cp932・skiprows=[1]・2023 年度）。 実在列 A1101（総人口）・A1303（65 歳以上人口）・A4103（合計特殊出生率）・L3221（消費支出）・B4101（年平均気温）などを使用。

# ── この抜粋で使うデータを用意します ──
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023]          # 2023 年の 47 都道府県
X = df[['A1101', 'B4101', 'L3221']].astype(float).values
_aging = df['A1303'] / df['A1101'] * 100
y = y_binary = (_aging >= _aging.median()).astype(int).values   # 高齢化率が中央値以上か
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, random_state=42, stratify=y)

from sklearn.linear_model import LogisticRegression
from sklearn.metrics import roc_auc_score, classification_report
model = LogisticRegression(penalty='l2', C=1.0, max_iter=1000).fit(X, y)
p = model.predict_proba(X_test)[:, 1]
print(roc_auc_score(y_test, p), classification_report(y_test, model.predict(X_test)))

📤 実行例（実測）
0.7857142857142857               precision    recall  f1-score   support

           0       0.67      0.57      0.62         7
           1       0.67      0.75      0.71         8

    accuracy                           0.67        15
   macro avg       0.67      0.66      0.66        15
weighted avg       0.67      0.67      0.66        15

💬 解釈：ロジスティック回帰は線形モデルを logit 変換でリンク。 係数の「指数を取るとオッズ比」が鍵。 多重共線性は OLS 同様に注意。

③ ポアソン回帰（カウントデータ）

# statsmodels で家計の件数や事故件数
res = sm.GLM(y_count, X, family=sm.families.Poisson()).fit()
# 過分散があれば負の二項に変更
res_nb = sm.GLM(y_count, X, family=sm.families.NegativeBinomial()).fit()

④ 多項ロジスティック / 順序ロジスティック

📥 入力：data/raw/SSDSE-B-2026.csv（cp932・skiprows=[1]・2023 年度）。 実在列 A1101（総人口）・A1303（65 歳以上人口）・A4103（合計特殊出生率）・L3221（消費支出）・B4101（年平均気温）などを使用。

# 3クラス以上の多項ロジスティック
# multi_class 引数は sklearn 1.7 で廃止（lbfgs では多項が既定）
model = LogisticRegression(solver='lbfgs', max_iter=1000).fit(X, y)
# 順序ロジスティック
from statsmodels.miscmodels.ordinal_model import OrderedModel

📤 このブロックは標準出力には何も出さない

💬 解釈：ロジスティック回帰は線形モデルを logit 変換でリンク。 係数の「指数を取るとオッズ比」が鍵。 多重共線性は OLS 同様に注意。

⑤ scipy.stats.logistic — 分布関数として

scipy では「ロジスティック分布」のCDFが logit の逆関数（sigmoid）として使えます。確率の理論計算で便利。

📥 入力：data/raw/SSDSE-B-2026.csv（cp932・skiprows=[1]・2023 年度）。 実在列 A1101（総人口）・A1303（65 歳以上人口）・A4103（合計特殊出生率）・L3221（消費支出）・B4101（年平均気温）などを使用。

1
2
3

from scipy.special import expit, logit
print(expit([-2, 0, 2]))  # sigmoid = [0.119, 0.5, 0.881]
print(logit([0.1, 0.5, 0.9]))  # logit 関数

📤 実行例（実測）
[0.11920292 0.5        0.88079708]
[-2.19722458  0.          2.19722458]

💬 解釈：ロジスティック回帰は線形モデルを logit 変換でリンク。 係数の「指数を取るとオッズ比」が鍵。 多重共線性は OLS 同様に注意。

🎨 直感で掴む — ロジスティック GLM

🍰 まずはやさしく

確率を計算する魔法のメガネのようなものです。

あることが起きる確率を知るために使います。

テストに合格するかどうかを予想します。

まずはイメージで全体の流れを読みます。

ロジスティック GLM は「0/1 の確率を線形予測子のロジスティック関数で表す一般化線形モデル」。リンク関数は logit、分布は Bernoulli。 SSDSE-B-2026 では「人口 100 万人超え＝1」のような 2 値を、 A1303（高齢人口）や L3221（消費）で予測するのが演習に適する。

💡 学習のコツ：直感で全体像を掴んだら、次の「📐 定義・数式」で正確な意味を押さえ、最後に「🧮 実値で計算してみる」で SSDSE-B-2026 の都道府県データを使った計算をなぞるのが効率的です。比喩は厳密ではないので、必ず数式と並べて確認してください。

ロジスティック GLM は「回帰」カテゴリの中核概念。初めて触れる読者は、まずこの「🎨 直感」セクションだけ通読し、必要になった時点で「📐 数式」「🐍 Python」「⚠️ 落とし穴」へ戻る読み方が定着しやすいです。

📐 定義・数式 — ロジスティック GLM

🍰 まずはやさしく

計算ルールを決めた数式のセットです。

正確に分析の結果を出すために使います。

スマホの利用時間と成績の関係を式にします。

記号の意味と計算の手順について読みます。

直感の次は、厳密な定義を確認します。数式は言語の一種で、一度書き慣れれば「言葉より速く伝えられる」便利な道具。慣れていない方は、各記号が何を表すかを下の「🔬 数式を言葉で読み解く」で 1 つずつ確認してください。

【ロジスティック GLM の中心定義式】

$$ \log\frac{p}{1-p} = \beta_0 + \beta_1 x_1 + \dots + \beta_k x_k, \;\; p = \frac{1}{1+e^{-X\beta}} $$

この式が「ロジスティック GLM」の骨格。派生形・拡張形はここから生まれる。

📌 読み方のコツ：数式を見たら「左辺は何を定義しているか」「右辺の各項は何の合計・積・比か」を声に出して読み下してみる。これだけで理解が大きく進みます。

🔬 数式を言葉で読み解く — 数式を「言葉」に翻訳

上の数式を眺めるだけでは身につかないので、各記号がどんな役割を担っているかを言葉で押さえます。「数式を音読する習慣」がつくと、論文や教科書を読むスピードが体感で 2 倍ほど上がります。

左辺（結果側）: ロジスティック GLM で定義したい量。解釈の対象。単位・スケールを必ず確認する。
右辺（構成要素）: 観測できる入力変数（SSDSE-B-2026 でいえば A1101・L3221 など）と推定対象パラメータ（β, σ 等）の組合せ。
添字 i, j, t: i=サンプル（県）、 j=変数、 t=時点。 SSDSE-B-2026 は i ∈ {1..47} 県、 t ∈ {2008..2023}。
和記号 Σ: 「足し合わせ」を表す。添字 i が 1 から n まで動く範囲を明示するのが習慣。
期待値 E[·]、分散 Var[·]: 「ランダム変数の平均」と「ばらつき」。 SSDSE-B-2026 のような集計値でも、標本誤差・年次変動の文脈で使える。

📚 補足：同じ記号でも分野・教科書によって意味が違うことがあります（例: $\hat{y}$ は予測値だが、統計の文脈では推定量を意味することも）。不明確なときは、必ずその文書の記号定義表を確認しましょう。

🧮 実値で計算してみる — SSDSE-B-2026

数式だけでは「実感」が湧きにくいので、実データ data/raw/SSDSE-B-2026.csv（47 都道府県 × 12 年）で 1 度手計算してみると理解が定着します。

SSDSE-B-2026 (2023) で y = (A1101 > 1,000,000) の 0/1（37 県が 1）、説明変数を log(L3221) として GLM(Binomial, logit) を当てると、切片≈-91、傾き≈7.3 程度になる（実行で確認）。 L3221 が 28 万→32 万に上がると、県人口 100 万超え確率が約 0.74 → 0.88 へ上昇する。

都道府県	A1101 総人口	A1303 65 歳以上	L3221 消費支出
東京都	14,086,000	3,205,000	341,320
神奈川県	9,229,000	2,390,000	306,565
大阪府	8,763,000	2,424,000	271,246
愛知県	7,477,000	1,923,000	300,221
埼玉県	7,331,000	2,012,000	344,092
千葉県	6,257,000	1,756,000	306,943

上記は SSDSE-B-2026 (2023) からの抜粋。手計算で確認した値が、後述の Python 実装で得る値と一致することを確認すると、「数式とコードの対応関係」がクリアに見えるようになります。

🐍 Python 実装 — ロジスティック GLM

公的統計（SSDSE-B-2026）を題材に、最小限の Python コードでロジスティック GLM を動作させます。まずはこのまま実行してみてください。

📥 入力例（SSDSE-B-2026 の 2023 年・47 都道府県から 3 行）
都道府県  A1101(総人口)  A1303(65歳以上人口)  L3221(消費支出（二人以上の世帯）)
北海道  5,092,000  1,681,000  296,888
東京都  14,086,000  3,205,000  341,320
沖縄県  1,468,000  350,000  251,222
…（全 47 行）

# ロジスティック GLM を SSDSE-B-2026 で実行する最小コード
import pandas as pd
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023]  # 2023 年のみ抽出
print(df.shape)  # (47, 112)
print(df[['Prefecture','A1101','A1303','L3221']].head())

import statsmodels.api as sm
import numpy as np
y = (df['A1101'] > 1_000_000).astype(int)
X = np.log(df['L3221'])
X = sm.add_constant(X)
model = sm.GLM(y, X, family=sm.families.Binomial()).fit()
print(model.summary())
print('オッズ比:', np.exp(model.params[1]))

▶ 実行 を押せばこのページの中でそのまま動きます（ライブラリもデータも同梱済みで、準備は要りません）。手元の Python に移して動かすときは pip install numpy pandas scikit-learn scipy statsmodels が必要です。読んでいるデータは data/raw/SSDSE-B-2026.csv。日本語を含むので encoding='cp932' の指定を落とさないでください。

⚠️ よくある落とし穴 — ロジスティック GLM

ロジスティック GLM を使うときに初学者が踏みやすい失敗パターン。 1 度経験してしまえば次から避けられますが、先に知っておくに越したことはありません。

❌ 線形回帰と GLM を混同

0/1 を線形回帰で当てると確率が負や 1 超になる。必ず logit/probit リンク。

❌ クラス不均衡を無視

1 が 5% などのとき、単純 GLM だと閾値 0.5 で全部 0 と判定される。重み付け or 閾値調整を。

❌ 逸脱度残差を見ない

OLS の R^2 ではなく、 Deviance・AIC・Pseudo R^2 で評価する。

🛡 防御策まとめ：「適用条件を確認する」「結果と前提をセットで記述する」「不確実性を必ず併記する」の 3 点を習慣化すれば、上記の罠の大半は回避できます。

応答変数の型	分布族 (family)	標準リンク	使い所
二値 (0/1)	Binomial	logit	合否、購入有無、病気の有無
多項 (k クラス)	Multinomial	multinomial logit	3 種以上のカテゴリ分類
カウント (≥0)	Poisson	log	人口あたり事故件数、アクセス数
過分散カウント	Negative Binomial	log	分散 > 平均のカウント
連続 (正の値)	Gamma	inverse / log	保険金支払額、故障までの時間
連続 (実数)	Gaussian	identity	通常の線形回帰 (OLS) と等価

Step	操作	実際の値
1	目的変数を 0/1 にする	高齢化率 33% 以上＝1（19 県）／未満＝0（28 県）
2	説明変数を用意する	総人口の常用対数 $\log_{10}(\text{総人口})$
3	係数を推定する	$b_0 = 27.0426$、 $b_1 = -4.4256$
4	線形予測子 $z$ を計算	人口 100 万人 → $\log_{10} = 6.0000$、 $z = 27.0426 - 4.4256 \times 6 = 0.4891$
5	ロジスティック関数で確率に	$p = 1/(1+e^{-0.4891}) = 0.6199$
6	オッズ比を読む	$e^{-4.4256} = 0.01197$ — 人口が 10 倍になるとオッズは約 1/84 倍

隣接手法	関係	接続のポイント
一般化線形モデル (GLM)	上位 / 一般化	分布族 (Binomial) とリンク (logit) を指定すれば GLM の特殊例として導出可能。 Poisson / Gamma 等への切替えも同枠組み
多項ロジスティック / 順序ロジット	下位 / 特殊化	3 値以上のカテゴリ目的変数に拡張。 softmax リンクで多項分布、 cumulative logit で順序応答
線形判別分析 (LDA) / probit GLM	並列 / 対比	LDA は等共分散正規仮定で同じ線形決定境界を導く。 probit はリンクを正規 CDF に変えただけ
特徴量設計 / 標準化 / カテゴリ符号化	前段 (前処理)	交互作用項・多項式項の導入、ダミー変数化で β の解釈可能性とフィットを両立
キャリブレーション / 閾値選択	後段 (後処理)	Platt scaling や Isotonic Regression で確率の校正、 ROC で運用閾値を決定
AUC / Log Loss / Brier / pseudo-R² / Deviance	評価 / 比較	判別能力 (AUC)、確率予測の精度 (Log Loss / Brier)、当てはまり (擬似 R² / Deviance) を併用

シナリオ	重視する観点	候補手法
大規模 (n が多い、高次元)	計算効率 / スパース対応	sklearn LogisticRegression (saga/liblinear), L1 で変数選択
外れ値が多い / 分離問題	完全分離での発散回避	Firth's penalized logistic, 弱情報事前分布のベイズ GLM
解釈性 (β の検定・オッズ比) 重視	古典統計の推論	statsmodels.GLM(family=Binomial()), Wald/LR 検定で係数の有意性
予測精度最優先	非線形性 / 交互作用	GBDT (LightGBM/XGBoost), ロジスティック GLM を比較ベースラインに据える
データが少ない (n < 数百)	過学習防止	L2 正則化 (Ridge logistic), ベイズ GLM, 単純なロジスティック GLM + 少数特徴量
過分散・クラスタリング	分散補正	準二項 GLM (quasi-binomial), 一般化線形混合モデル (GLMM)

記号	意味	SSDSE-B での例
$x$	説明変数	A1101（人口 × 家計支出）
$y$	目的変数	死亡率・出生率など
$n$	標本数	47（都道府県数）
$\theta$	パラメータ	傾き・切片など
$\varepsilon$	誤差項	モデルで説明しきれない残り

ロジスティック回帰	ロジスティック回帰
プロビット	プロビット
重回帰	重回帰
線形回帰	線形回帰
オッズ比	オッズ比

関係	関連手法	違い・つながり
上位概念	探索的データ分析	ロジスティック回帰・GLM は EDA の中核ツールの 1 つ。
並列	相関係数	関係の強さを単数化したい場合に使う。
並列	回帰分析	条件付き期待値を「直線」で説明したい場合。
発展	機械学習	大量データ／非線形・高次元でロジスティック回帰・GLM を拡張。
補助	仮説検定	「偶然か否か」を $p$ 値で判定。
代替	ベイズ統計	事前情報を取り込むなら。

SSDSE コード	日本語名	単位	ロジスティック回帰・GLM での主な使い方
Code	地域コード	—	JOIN キー
Prefecture	都道府県名	—	カテゴリ軸・ラベル
A1101	総人口	人	説明変数（規模）
A1303	65 歳以上人口	人	高齢化率の分子
A4101	出生数	人	人口動態の説明変数
A4200	死亡率	‰	目的変数の代表
B4101	年平均気温	℃	気候系の説明変数
L3221	消費支出	円	家計の目的変数

用語	目的	入力	出力	強み	弱み
ロジスティック回帰・GLM	2 値（0/1）の結果や、カウント・比率を、線形予測子 + リンク関数で扱う一般化線形モデル。	47 都道府県 × 約 110 変数	図 + 表 + 200 字レポート	直感的、再現容易	小標本（n=47）の制約
相関係数	2 変量の同調を 1 数で要約	x, y の 47 ペア	r ∈ [−1, +1]	シンプル	非線形は捉えられない
線形回帰	条件付き期待値の線形近似	説明変数群	回帰係数・予測値	解釈容易	非線形には弱い
ロジスティック回帰	2 値分類	説明変数群	確率 + 係数	分類問題の標準	線形決定境界
ランダムフォレスト	非線形分類・回帰	大量変数	予測 + 重要度	非線形対応	解釈やや難

用語	ロジスティック回帰・GLM（Logistic Regression & GLM）
カテゴリ	回帰モデル
ひとこと定義	2 値（0/1）の結果や、カウント・比率を、線形予測子 + リンク関数で扱う一般化線形モデル。
SSDSE-B での使い方	SSDSE-B-2026 の 47 都道府県を「人口減少県（1）／そうでない（0）」に二分化し、家計支出（食料・教育など）からロジスティック回帰で予測すると、各係数が「オッズ比」として読めます。
主な道具	pandas / matplotlib / scipy / statsmodels / scikit-learn
最大の注意	n=47 の小標本・単位混在・因果と相関の混同
学習ステップ	読む → 集計 → 描く → 検定 → 報告
代表的な関連用語	相関係数・回帰分析・ヒストグラム・散布図・標準偏差

リンク	切片 β₀	傾き β₁	logit との予測確率の相関
logit（ロジスティック）	+0.0615	-0.6721	—
probit（プロビット）	+0.0340	-0.4146	0.99990
cloglog（補対数対数）	-0.3528	-0.4300	0.99598

📍 あなたが今見ているもの

🔖 🔖 キーワード索引（チップから該当箇所へジャンプ）

💡 30秒で分かる結論

📚 章構成

🤔 1. なぜ GLM が必要か

🏗 2. GLM の枠組み

2.1 主要なリンク関数

2.2 指数型分布族

📈 3. ロジスティック回帰

3.1 実値で計算

3.2 sklearn での実装

🎯 4. オッズと係数解釈

4.1 オッズ・ロジット

4.2 係数のオッズ比解釈

🔧 5. 最尤推定（MLE）

5.1 デビアンス

5.2 AIC / BIC

📊 6. ポアソン回帰

6.1 オフセット項

6.2 過分散と負の二項

📋 7. 順序ロジット・多項ロジット

7.1 順序ロジット（比例オッズモデル）

7.2 多項ロジット

🩺 8. モデル診断

8.1 残差プロット

8.2 多重共線性 (VIF)

8.3 ROC / AUC（ロジスティックの場合）

8.4 Hosmer–Lemeshow 適合度検定

⚠️ 9. よくある落とし穴

🏋️ 10. 練習問題（SSDSE-B-2026）

📝 11. 報告フォーマット

❌ NG例

✅ OK例

🐍 12. ライブラリ早見表

📜 13. GLM の歴史

💼 14. 実務応用

🔖 キーワード索引（深掘り版）

🧮 SSDSE-B 実値計算例：「人口減少県かどうか」を家計支出で予測

📊 ステップ1：ラベル作成と推定

📊 ステップ2：オッズ比の解釈

📊 ステップ3：適合度評価

⚠️ ロジスティック・GLM の落とし穴（深掘り版・6件）

① 係数を「直接の効果」と誤読する

② Complete / Quasi-separation を見逃す

③ ポアソン回帰で過分散を確認しない

④ 「事象が稀」なときの推定不安定

⑤ 連続変数を線形と仮定したまま入れる

⑥ 多重共線性で係数の符号が反転する

🐍 Python 実装バリエーション

① statsmodels（最も統計学的、 p値や信頼区間つき）

② scikit-learn（予測重視、 正則化が前提）

③ ポアソン回帰（カウントデータ）

④ 多項ロジスティック / 順序ロジスティック

⑤ scipy.stats.logistic — 分布関数として

🔗 関連用語（深掘り版・前提/並列/発展）

📚 前提（4個以上）

🔀 並列（4個以上）

🚀 発展（4個以上）

🎨 直感で掴む — ロジスティック GLM

📐 定義・数式 — ロジスティック GLM

🔬 数式を言葉で読み解く — 数式を「言葉」に翻訳

🧮 実値で計算してみる — SSDSE-B-2026

🐍 Python 実装 — ロジスティック GLM

⚠️ よくある落とし穴 — ロジスティック GLM

🌐 関連手法・派生 — ロジスティック GLM の周辺

🔗 関連用語（前提・並列・発展）

📚 関連グループ教材 — 回帰

🖼 補足: ロジスティック GLM を可視化で押さえる

📋 GLM 分布族・リンク関数 早見表

✅ 理解度チェック

📝 補足: ロジスティック回帰の係数解釈 5 パターン

🧾 発表前の最終確認

🧮 数式に値を入れて手で計算する: ロジット関数とリンク

Step 1: logit

Step 2: 逆 (シグモイド)

🐍 Python で再現

📤 実行結果

🌳 手法選択フロー

🔗 隣接手法への橋渡し

🗺 概念マップ

② scikit-learn（予測重視、正則化が前提）

📋 GLM 分布族・リンク関数早見表

🧮 実値で計算してみる── SSDSE-B-2026 でロジスティック回帰・GLM

🔭 3 つの視点でロジスティック回帰・GLM を見る