医療データを使った演習3：RとJASPを活用し重回帰分析を経験する
重回帰分析は、複数の説明変数（独立変数）から1つの目的変数（従属変数）を予測するための統計手法です。医療分野では、患者の様々な特性から治療効果や予後を予測する際に頻繁に使用されます。
ここで：
医療研究では、どの因子が患者の状態に最も影響を与えるかを特定するために重回帰分析が活用されます。例えば、「どの生活習慣因子が最も血圧に影響するか」「どの治療要素が在院日数の短縮に寄与するか」などの問いに答えるために用いられます。
今回の演習では、2型糖尿病患者の血糖コントロール（HbA1c値）に影響する因子を分析します。データセットには以下の変数が含まれています：
| 変数名 | 説明 | 単位/種類 |
|---|---|---|
| ID | 患者ID（匿名化） | - |
| 性別 | 患者の性別 | 1=男性, 2=女性 |
| 年齢 | 患者の年齢 | 歳 |
| BMI | Body Mass Index | kg/m² |
| 罹病期間 | 糖尿病と診断されてからの期間 | 年 |
| 運動量 | 週あたりの運動時間 | 時間/週 |
| 食事遵守 | 食事療法の遵守度（自己評価） | 1-10のスケール（10が最も遵守） |
| 睡眠時間 | 平均睡眠時間 | 時間/日 |
| ストレス | ストレスレベル（自己評価） | 1-10のスケール（10が最も高い） |
| 服薬数 | 服用している薬剤の種類数 | 種類 |
| HbA1c | ヘモグロビンA1c値（目的変数） | % |
分析の目的：どの因子が糖尿病患者のHbA1c値に最も影響するかを特定し、効果的な介入点を見つけ出すこと。
JASPを起動し、CSVファイル（diabetes_analysis.csv）を読み込みます。
File → Open → [ファイルの場所を指定] → Open
データテーブルが表示されたら、各変数の測定レベルを確認します。
目的変数（HbA1c）と連続変数（年齢、BMI、運動量など）は「連続変数」、カテゴリ変数（性別）は「名義変数」として設定されていることを確認します。
回帰分析メニューを選択します。
Regression → Linear Regression
変数を指定します。
分析オプションを設定します。
「Run」ボタンをクリックして分析を実行します。
まず確認すべきは、モデル全体の適合度です：
各説明変数の係数を確認します：
例えば、「運動量」の係数が-0.15（p<0.01）であれば、「週に1時間運動時間が増えると、HbA1cが0.15%低下する傾向がある（統計的に有意）」と解釈できます。
説明変数間に強い相関がある場合、推定が不安定になる可能性があります：
残差プロットを確認し、以下の点をチェックします：