数量化分析は速度理論とは違い非常に解説するのが難しい分野です。数量化分析は、4つに分かれています。数量化Ⅰ類、数量化Ⅱ類、数量化Ⅲ類と数量化Ⅳ類です。現在使用しているのは数量化1(Ⅰ)類ですが、過去クラスター分析、数量化2(Ⅱ)類など色々な手法を使い競馬予想にアプローチしてきましたが、現在ではこの手法(数量化1類)が最善、最強であると感じています。

 

その他の手法としてはニューラルネットワーク理論汎関数の変分法機械学習あるいは一般化線形混合モデル-Multinomial Logit model並びに一般化線形混合モデル-最良線形不偏予測値(Best Linear Unbiased Prediction;BLUP)などが考えられますが、それぞれ長所短所がある事、また完全に理解する為にはさらなる知識と知恵が必要なため今のところ手が出ません。数量化理論は日本人学者・林知己夫先生が1940年代に創出体系化したものですが、数量化のそれぞれの手法は既に存在していた手法の変形(数量化1類はダミー変数を用いた重回帰分析)と考えられ海外では残念な事に余り高い評価は得られませんでした。

 

細かい説明は次項にするとして、まず割と分かり易い笑いながら覚える数量化理論解析、少し難しいのでは数量化Ⅰ類と重回帰分析の関連についての解説さらに高度なものとして柔らかな情報処理のための統計的手法の応用に関する研究あたりが参考になりますので読んでください。それと、数量化分析の中で難しい概念である偏相関につきましてはアイスクリーム統計学にようこそ!が分かり易いかと思います。


ジオターゲティング