並行傾斜線形回帰のモデル化

Introduction to Regression with statsmodels in Pythonでは、説明変数が1つの線形回帰モデルの当てはめ方を学びました。しかし、説明変数が1つだけでは予測の精度に限界があります。線形回帰を本当に使いこなすには、複数の説明変数を使ったモデルを扱えるようになる必要があります。

数値の説明変数が1つとカテゴリの説明変数が1つある場合は、「並行傾斜（parallel slopes）」線形回帰と呼ばれることがあります。これは予測結果の形状に由来する名称で、詳しくは次の演習で説明します。

ここでは、台湾の不動産データセットに再び取り組みます。各変数の意味を振り返っておきましょう。

変数	意味
dist_to_mrt_station_m	最寄りのMRT駅までの距離（メートル単位）。
n_convenience	徒歩圏内のコンビニエンスストアの数。
house_age_years	住宅の築年数（3つのグループに分類）。
price_twd_msq	単位面積あたりの住宅価格（台湾ドル／平方メートル）。

taiwan_real_estate を使用できます。