ポアソン回帰は（カウントデータ）G検定対策を理解するための用語です。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk metrics

G検定トップ ＞ ポアソン回帰とは？（カウントデータ）G検定対策

まず結論

  • ポアソン回帰（Poisson Regression）は、「一定時間・一定区間で発生する回数（カウントデータ）」を予測するための回帰手法です。
  • G検定では「どのような対象に使えるか／使えないか」を問われます。

直感的な説明

  • ポアソン回帰が得意なのは、

    • 交通事故の発生件数
    • 不良品の発生個数
    • 病気の発症件数 のような「めったに起こらない出来事の回数」です。

  • 一方で、

    • サイコロの出目 のように「あらかじめ確率が決まっている離散値」は向いていません。

定義・仕組み

  • ポアソン回帰は、目的変数がポアソン分布に従うと仮定します。
  • 特徴量の線形結合を 対数リンク関数（log） で結び、 予測される値は 必ず0以上 になります。
  • そのため「回数」「件数」の予測に適しています。

いつ使う？（得意・不得意）

得意なケース

  • 交通事故の発生件数
  • 不良品の発生個数
  • 病気の発症件数

不得意なケース

  • 割合・確率（0〜1）を直接予測する問題
  • サイコロの出目のように、 発生確率が均等で事前に決まっている事象

G検定ひっかけポイント

  • 最大のひっかけ

    • 「サイコロを振ったときの出目の予測」→ ❌

  • 正しい理解

    • ポアソン回帰は「発生回数」を扱う

  • よくある混同

    • ロジスティック回帰：確率・割合
    • ポアソン回帰：件数・回数

  • 選択肢で

    • 「発生件数」→ ⭕
    • 「出目の予測」→ ❌

まとめ（試験直前用）

  • ポアソン回帰はカウントデータ用
  • 目的変数は0以上の整数
  • 件数・回数がキーワード
  • サイコロの出目は対象外

🔗 関連記事

🏠 G検トップに戻る