Making Software ―エビデンスが変えるソフトウェア開発

144

9

章 欠陥数予測の自動化

もいいとか、注意深くチェックしなくてもいいと言っているわけではありません。単に、リストの先頭

20%

のファイルに余分の注意を払うことは、それに見合う価値がありそうだ、と言っているのです。

私たちが使用する予測モデルは、負の二項分布回帰（

NBR

、

negative binomial regression

）［

McCullagh

and Nelder 1989

］に基づくもので、私たちの目的に照らせばこれが最も効果的な統計アプローチだと

分かりました。私たちは

1

つの形式の

NBR

モデルを開発し、多くのシステムにそのモデルを適用して

よい結果を得ています。

NBR

はよく知られている統計モデリング手法で、線形回帰を拡張したものです。

そしてこれは、試行の結果が非負整数であるような状況（ファイル中の期待される欠陥数はまさにそう

です）をモデル化するのに、とりわけ適しています。

NBR

を使うと、結果（予測される欠陥数）の対数が、

独立変数の線形の組み合わせとしてモデル化されます。つまり、予測される欠陥数は独立変数を掛け合

わせた関数にあてはまると仮定するわけです。

以下の変数が、私たちが予測に用いる「標準モデル」と呼ぶものを構成します。これらの変数は、各ファ

イルについてのモデル式に対する入力であり、式の結果がリリース

N

におけるそのファイルの予測さ

れる欠陥数です。

●

コードの行数で計ったファイルの大きさ（

LOC

）

●

前リリースでそのファイルがシステムに含まれていたか、あるいはこのリリースではじめて加わっ ...