ホーム 芸能ニュース・ゴシップ 統計学の基礎からExcel実践までの決定版!単回帰分析とは何か、回帰直線や決定係数の見方を徹底解説

統計学の基礎からExcel実践までの決定版!単回帰分析とは何か、回帰直線や決定係数の見方を徹底解説

神野 慎也 神野 慎也 • 更新: • 公開: • 読了約 8 分
目次

ビジネスシーンやデータ分析の現場において、データに基づいた正確な予測や傾向の把握は欠かせないスキルとなっています。その最も基本となる手法が単回帰分析です。この記事では、単回帰分析の基本的な仕組みから、実際の計算、Excelを活用した実践的な手順まで、分かりやすく丁寧に解説します。

データサイエンスの入門として、あるいは業務での数字の説得力を高めるために、分析手法の基礎をしっかりと固めたい方に最適な実践的ガイドです。

単回帰分析とは何か?統計学における基本概念と目的

単回帰分析とは

単回帰分析(たんかいきぶんせき)とは、2つの変数の関係性を数式で表し、一方が変化したときにもう一方がどう変化するかを予測・分析するための統計手法です。統計学の分野において、データ分析の第一歩として非常に広く活用されています。

分析を行う際には、原因や手がかりとなるデータを説明変数(独立変数)、予測したい結果や知りたい数値を目的変数(従属変数)と呼びます。例えば、「広告宣伝費(説明変数)」から「売上高(目的変数)」を予測したり、「気温(説明変数)」から「アイスクリームの販売数(目的変数)」を予測したりする場合に用いられます。

データ全体を視覚化する散布図と相関係数の関係

分析を進める前に、まずは収集したデータをグラフ化することが極めて重要です。ここで役立つのが散布図です。縦軸と横軸にそれぞれの変数をプロットすることで、2つのデータ間にどのような関係性があるのかを視覚的に把握できます。

散布図を描くことで、右肩上がりの直線的な関係(正の相関)があるのか、あるいは右肩下がりの関係(負の相関)があるのかが一目でわかります。この関係性の強さや方向を数値で表したものが相関係数です。相関係数はマイナス1から1までの値をとり、1やマイナス1に近づくほど強い相関関係があることを示します。ただし、相関係数が高いからといって、必ずしも一方がもう一方の原因(因果関係)であるとは限らない点には注意が必要です。

回帰直線の求め方と最小二乗法の仕組み

散布図上にプロットされたデータの間を通る、最も実態をよく表した直線を回帰直線と呼びます。この直線は、「y = ax + b」(aは傾き、b切片)という一次方程式で表され、これこそが未来を予測するための予測モデルの基本となります。

では、どのようにして最適な回帰直線を見つけるのでしょうか。ここで使われるのが最小二乗法という数学的手法です。各データ点と回帰直線上の予測値との差(残差)を二乗し、その総和が最も小さくなるように直線の傾きと切片を算出します。これにより、データの傾向を最も無理なく、客観的に表現できる直線を引くことが可能になります。

用語・概念 概要・役割 主な指標や計算のポイント
説明変数 予測や分析の手がかりとなるデータ(原因側) 独立変数とも呼ばれ、横軸(X軸)に配置する
目的変数 予測したい結果のデータ(結果側) 従属変数とも呼ばれ、縦軸(Y軸)に配置する
回帰直線 データの傾向を示す直線(予測モデル) 一次方程式「y = ax + b」で表現される
最小二乗法 最適な直線を引くための数学的手法 データと直線の誤差(残差)の二乗和を最小化する

決定係数とは?予測モデルの精度を見極める見方

回帰直線や予測モデルを作成しただけでは、そのモデルがどの程度信頼できるのかは分かりません。そこで重要になるのが決定係数(R2乗値)です。決定係数は、作成した回帰直線が実際のデータ全体をどのくらい説明できているかを示す指標です。

決定係数の値は0から1(または0パーセントから100パーセント)の間で表され、1に近づくほど予測モデルの精度が高く、データへの適合度が高いことを意味します。例えば、決定係数が0.85であれば、目的変数の変動の85パーセントが説明変数によって説明できると解釈できます。分析結果の妥当性を評価する際には、必ず確認すべき重要な数値です。

Excelを活用した実践的な分析手順と計算式

実際のビジネスや研究では、手計算で最小二乗法を解くのではなく、表計算ソフトであるエクセル 予測機能や関数が広く活用されています。Excelを使用すれば、膨大なデータから瞬時に回帰直線や決定係数を算出できます。

具体的な手順としては、まずA列に説明変数、B列に目的変数を入力し、データを範囲選択して散布図を作成します。続いて、グラフ上のプロットを右クリックして「近似曲線の追加」を選択し、「線形近似」を指定するとともに、「グラフに数式を表示する」および「グラフにR2乗値を表示する」にチェックを入れます。これだけで、回帰方程式と決定係数が瞬時にグラフ上に表示されます。

また、数式や関数を用いて厳密に計算したい場合は、傾きを求める「SLOPE関数」、切片を求める「INTERCEPT関数」、決定係数を求める「RSQ関数」をそれぞれのセルに入力することで、数値をダイレクトに算出することが可能です。

単回帰分析から重回帰分析へのステップアップ

単回帰分析は1つの説明変数から目的変数を予測する非常に優れた手法ですが、現実の世界では、1つの要因だけで結果が決まることは稀です。例えば、売上を予測する場合、広告費だけでなく、店舗の立地、競合の動向、季節要因など、複数の変数が影響を与えます。

このように、複数の説明変数を用いて目的変数を予測・分析する手法が重回帰分析です。単回帰分析で基本となる「変数」「回帰直線」「最小二乗法」「決定係数」の概念をしっかりと理解しておくことで、より複雑で実用的な重回帰分析へのステップアップがスムーズになります。

【単回帰分析とは】に関するよくある質問(FAQ)

Q1:単回帰分析と重回帰分析の最大の違いは何ですか?
A1:単回帰分析は「説明変数が1つ」であるのに対し、重回帰分析は「説明変数が2つ以上」である点が最大の違いです。より現実に近い複雑な要因を考慮した予測を行いたい場合は重回帰分析が用いられます。

Q2:決定係数が低い場合、分析結果は使えないのでしょうか?
A2:決定係数が低い(例:0.2未満など)場合、その説明変数だけでは目的変数を十分に予測できていないことを意味します。別の説明変数を検討するか、非線形の関係を疑うなど、モデルの再検討が必要です。

Q3:Excelの分析ツールアドインを使うにはどうすればよいですか?
A3:Excelの「ファイル」メニューから「オプション」、「アドイン」へと進み、「分析ツール」を有効にすることで、より詳細な回帰分析レポートを出力できるようになります。

ここまで、単回帰分析の基本概念から、散布図や相関係数の見方、最小二乗法による回帰直線の求め方、そしてExcelを活用した実践的な手順まで詳しく解説してきました。

統計学の基本である単回帰分析をマスターすることは、ビジネス上の意思決定やデータドリブンなアプローチを実践する上で強力な武器となります。まずは身近なデータを使ってExcelで散布図を描き、予測モデルを組み立てる体験から始めてみてはいかがでしょうか。

同じカテゴリの記事

神野 慎也

スポーツと芸能が交差する話題を担当。大会公式記録と所属先の発表を突き合わせ、数字は必ず出典付きで扱います。

おすすめの関連記事