<aside> <img src="/icons/playback-play-button_blue.svg" alt="/icons/playback-play-button_blue.svg" width="40px" /> 講義を観よう
<aside> <img src="/icons/book_blue.svg" alt="/icons/book_blue.svg" width="40px" /> ポイント
回帰モデルは、アウトカムとその確率的変動を説明する共変量との関連を調べるための統計手法です
線型モデル（古典的な回帰分析）では、アウトカムyの変動のうち直線で説明できない部分を、期待値ゼロの誤差εで表します。これは、アウトカムyと説明変数xの関係に、y=β0 +β1x+εという一次関数を当てはめることを意味します
データから回帰係数を推定するためには、すべての残差を2乗した合計（残差平方和）を最小にする最小2乗法が用いられます
【メモ】回帰モデルの種類
よく用いられる回帰モデルは、線型モデル（連続データ）、ロジスティック回帰（2値データ）、Poisson回帰（計数データ）、Cox回帰（生存時間データ）、変量効果モデル（反復測定データ）の5つです。これらの回帰モデルは、データの型と「比のモデルかどうか」が主な違いです。ロジスティック回帰、Poisson回帰、Cox回帰は比のモデルで、回帰係数の指数をとることで、それぞれオッズ比、発生率比、ハザード比が計算されます。
</aside>
<aside> <img src="/icons/help-alternate_blue.svg" alt="/icons/help-alternate_blue.svg" width="40px" /> 理解を確認するためのクイズ
講義で扱った糸球体濾過率データは、31人の患者の糸球体濾過率とクレアチニンを測定したものでした。この研究デザインとして正しいのは次のうちどれでしょうか。