回帰直線を重ねた散布図

入門

6.5.3

回帰直線を重ねた散布図

最終更新 2020-02-26 読了時間 1 分
まとめ
  • 散布図に回帰直線と信頼区間を重ねて線形関係を可視化するチャート。
  • sns.lmplot でカテゴリ別の回帰線を自動描画できる。
  • 2変数の線形トレンドやグループ間の傾向差を確認したいときに使う。

seaborn.lmplot を使うと、散布図と回帰直線を同時に描画できます。信頼区間も自動で付与されます。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")
g = sns.lmplot(
    data=tips,
    x="total_bill",
    y="tip",
    hue="time",
    height=4,
    aspect=1.2,
    scatter_kws={"alpha": 0.6, "s": 40},
)
g.fig.suptitle("会計額とチップの関係（回帰線付き）", y=1.04)

plt.show()

信頼区間も自動で付与されますの図

読み方のポイント #

  • 回帰線の傾きで関係性の強弱を判断できる。信頼区間が広い箇所はデータが少ない。
  • カテゴリごとに色分けすることで、グループ間の傾向の違いが分かる。
  • 非線形が疑われる場合は order 引数で多項式回帰を試してみる。

いつ使うか #

  • 適している場面: 2変数間の線形トレンドを視覚的に確認したいとき。回帰直線と信頼区間を同時に見られます。
  • 不向きな場面: 非線形な関係が強いデータに直線を引くとミスリードになるため、まず散布図で形状を確認すべきです。
  • 代替手段: 多項式フィットや LOWESS を重ねれば非線形な傾向も捉えられます。

よくある失敗パターン #

  • 非線形データへの直線フィット: 明らかに曲線的な関係に直線を引くとミスリードになります。残差プロットで直線性を確認してからフィットしてください。
  • 外れ値の影響を無視: 外れ値が回帰直線を大きく引っ張ることがあります。ロバスト回帰や外れ値除外の影響を必ず確認しましょう。