Search

要因分析

Why? KPIの違いを生み出す要因を理解する。 要因分析機能により、知りたいKPIに影響を与える重要な要因を簡単に把握することができます。
メニューに戻る

1.要因分析とは?

要因分析は数値型のKPIを登録しなければ利用できません。数値型のKPIをまだ登録されていない場合は、KPIsの管理に移動して登録してみてください!
要因分析機能は、ユーザーが選択したKPIに対して重要度の高い要因(変数)を見つける回帰分析機能です。
HEARTCOUNTの回帰分析について詳しく見る

2.要因分析の使用方法

要因分析の基本的な画面構成についての説明です。
以下の画面の各項目は、次のような機能を持っています。
① フィルタ
ダッシュボードのフィルターと同じ機能です。目的の変数だけを選択したり、除外して要因分析結果を見ることができます。フィルター右側の「変数の数」ボタンをクリックすると、派生(自動生成された)変数を除外または含めて分析を行うことができます。
派生(自動生成された)変数とは、数値型変数をカテゴリに自動加工して非線形的なパターンを発見するHEARTCOUNTの差別化機能です。 この機能についてより詳しい説明を見るには、こちらをクリックしてください。
② 変数数選択&自動再生
[全て見る]は単回帰と重回帰分析を統合した結果を見ることができます。 単純回帰は[1変数]、重回帰分析の結果は[2変数]をクリックして変数数別に詳しく見ることができます。
因子分析した結果をAdjusted $R^2$の順序で動画で自動説明してくれる機能です。どの変数がKPIの差をどれだけ(%)説明できるかを教えてくれて、それによる視覚化を自動的に見せてくれます。
再生ボタンをクリックすると、以下のような映像が表示されます。
③ 決定係数
決定係数は選択したKPIの差(変化量)のうち、その変数で説明できる割合を示す統計値です。例えば、下の画像のように選択したKPI、つまり[従業員満足度]を最もよく説明するのはR2R^2が0.803で最も高い[チーム区分]と[退職区分]変数であり、[従業員満足度]の差(変化量)のうち80%を[チーム区分]と[退職区分]で説明できることを意味します。
④ 調整済み決定係数
調整済み決定係数とは、修正された決定係数を意味し、分析に使用されたレコードと変数数などを反映して R2R^2 値を調整した値です。 独立変数の数が増加するにつれて無条件に増加する決定係数の問題を補完するための測定値です。
変数が二つある要因分析機能を利用する場合、決定係数の値だけを解釈するのではなく、Adjusted R2R^2 を一緒に確認することをお勧めします。
⑤ 優位確立(p値)
P-Valueは、当該分析結果が偶然による結果である確率を示します。 通常、P-Value値が0.05以下であれば「統計的に有意な関係である」と判断します。一方、P-Value値が0.05を超えると、偶然に起こる確率が高いということで解釈され、「統計的に有意ではない」と判断することができます。
⑥ レコード数
分析に使用されたレコード数。 (関連する値がないレコードを除いた数字)
⑦ スマートリンク
スマートリンクを使用して、その変数のドリルダウン要因分析に移動することができます。
⑧ 視覚化画面&コントロールウィンドウ
要因説明で一番上に位置する結果を視覚化して表示する視覚化画面です。散布図、棒グラフなどを通じて視覚的に結果を確認することができます。視覚化画面はここを、コントロールウィンドウはここをクリックして詳しい説明を確認してください。
メニューに戻る