計算ツールズ
統計回帰分析予測最小二乗法R²

単回帰直線 計算ツール｜傾き・切片・決定係数R²・最小二乗法・予測式

単回帰分析の傾きa・切片b・決定係数R²を、xy 8組のデータから最小二乗法で瞬時算出。y = ax + bの回帰式、R²の解釈(0.7以上=強い線形関係)、残差、外れ値の影響、多重回帰との違い、統計的仮説検定(t検定・F検定)まで解説。品質管理・マーケティング・医療統計・気象予測・機械学習の実務で頻用される基本統計手法を、総務省統計局・日本統計学会・R Foundation・NIST/SEMATECHの公的資料に基づき解説します。相関と因果の混同、外挿の罠、Anscombeの数値例に基づく可視化の重要性まで網羅。

最終更新：2026-07-30／監修：計算ツールズ編集部

単回帰直線ツール

単回帰と最小二乗法

y = a·x + b + ε

単回帰分析とは、1つの説明変数x(独立変数)と1つの被説明変数y(従属変数)の関係を、直線 y = ax + b で近似する統計手法です。εは誤差項で、モデルで説明できない要因の総和を表します。最小二乗法(OLS: Ordinary Least Squares)により、各データ点と直線との縦方向の距離(残差)の二乗和を最小化するa, bを求めます。

歴史

最小二乗法は1795年頃にガウスが天体観測の誤差処理のために発明し、1805年にルジャンドルが公表したのが最初とされます。19世紀後半にゴルトンとピアソンが「回帰(regression)」と命名し、統計学の中心的手法となりました。現代の機械学習・データサイエンスの基礎です。

単回帰の基本仮定

  • 線形性: xとyの関係が本当に直線である
  • 独立性: 各観測値が独立
  • 等分散性(ホモスケダスティシティ): 誤差の分散が全xで一定
  • 正規性: 誤差項が正規分布に従う(信頼区間・検定に必要)
  • 外生性: 説明変数と誤差が無相関

これらの仮定が崩れると、推定量の信頼性が低下します。実務では残差プロットで仮定を検証します。

傾き・切片・R²の公式

a = Σ(xᵢ - x̄)(yᵢ - ȳ) / Σ(xᵢ - x̄)² = Sxy / Sxx

b = ȳ − a · x̄

R² = (Σ(xᵢ - x̄)(yᵢ - ȳ))² / (Σ(xᵢ - x̄)² · Σ(yᵢ - ȳ)²) = Sxy² / (Sxx · Syy)

係数の意味

  • 傾き a: xが1単位増加したときのyの平均的な変化量。単位はy/xの単位
  • 切片 b: x=0のときのyの予測値。物理的に意味を持たない場合も多い
  • R² (決定係数): yの全変動のうち、モデル(x)で説明できる割合。0〜1の値で、1に近いほど当てはまりが良い

相関係数 r との関係

R² = r²（単回帰の場合のみ、多重回帰では成立せず）

単回帰の場合、決定係数R²はピアソンの相関係数rの二乗に一致します。相関係数は方向情報(+/−)を持ち、決定係数は説明力の大きさのみを表します。

R²の解釈と目安表

R²の範囲解釈実務での判断
0.90以上極めて強い線形関係物理現象・工学モデル。予測式として実用可能
0.70〜0.90強い線形関係マーケティング・品質管理で優秀な当てはまり
0.50〜0.70中程度の線形関係複数要因の1つとしては有効。他変数も検討
0.30〜0.50弱い線形関係参考程度。多重回帰・非線形モデルを検討
0.30未満ほぼ線形関係なしxでyを説明するのは困難。別のモデルへ

ただし、R²の許容水準は分野で大きく異なります。物理・工学ではR²=0.99以上でも「悪い」と判定されますが、社会科学・行動科学ではR²=0.30程度でも実用的とされます。人間の心理・行動は多数の要因が絡むためです。

調整済み決定係数(Adjusted R²)

多重回帰では説明変数を増やすほどR²は必ず上昇するため、変数の数によるペナルティを加えた調整済みR²を使います。単回帰では自由度補正の影響は小さいため、通常のR²で問題ありません。

統計的有意性とR²の違い

R²は「当てはまりの良さ」、p値は「関係が偶然でない確率」を測ります。R²が低くてもp値が有意になるケース(サンプルサイズが大きい社会科学データ等)、逆にR²が高くてもp値が非有意になるケース(サンプルサイズが小さい)も存在。実務では両方を確認し、効果量(effect size)と有意性を組み合わせて判断します。

残差分析と仮定の検証

残差(residual)とは、実測値yと予測値ŷの差 eᵢ = yᵢ − ŷᵢ です。残差プロット(横軸xまたはŷ、縦軸残差)で以下を確認します。

良い残差の特徴

  • 横軸に沿ってランダムに散らばる(パターンなし)
  • 横軸全体で分散が一定(等分散性)
  • 0を中心に上下対称に分布

問題のあるパターン

  • 湾曲(U字型): 線形性の仮定が破れている。二次項や対数変換を検討
  • ラッパ型(発散): 等分散性の仮定が破れている。重み付き最小二乗法や対数変換を検討
  • 時系列パターン: 自己相関がある。時系列解析(ARIMA等)へ
  • 大きな外れ値: 1点の影響で回帰式が大きく変わる。ロバスト回帰を検討

統計的仮説検定

a = 0(xとyに関係なし)を帰無仮説とするt検定を行います。有意水準5%でp<0.05なら「傾きは0でない」と結論。決定係数R²の有意性検定にはF検定を用います。統計ソフト(R・Python・Excel・JMP)では自動出力されます。

Anscombeの数値例と可視化

1973年、統計学者F.J. Anscombeは「同じ回帰係数・R²でも全く異なるデータ分布」の4つの例を提示しました(Anscombe's Quartet)。すべてのデータセットで以下が一致します。

  • 平均: x̄=9, ȳ=7.5
  • 分散: Var(x)=11, Var(y)=4.12
  • 相関係数: r=0.816
  • 回帰式: y = 0.5x + 3.0
  • 決定係数: R²=0.67

しかし散布図を描くと、①は直線的、②は明らかに曲線、③は1つの外れ値のせいで直線と誤解、④は極端な外れ値1点のみが係数を決定、と全く異なる分布です。

教訓

数値だけで判断せず、必ず散布図を可視化することがAnscombeの数値例の最大の教訓です。統計ソフトの自動出力を鵜呑みにすると、非線形関係や外れ値を見逃します。データサイエンスの実務では、モデルを組む前に必ず可視化探索(EDA: Exploratory Data Analysis)を行うことが標準です。

Datasaurus Dozenへの発展

2017年にAlberto Cairoが公開した「Datasaurus Dozen」は、Anscombeを拡張し13種類のデータセットが同じ平均・分散・相関を持ちながら、恐竜や星形、輪など全く異なる可視化になることを示しました。R・PythonのDatasauRusパッケージで簡単に再現可能。統計初学者への警鐘として、大学のデータサイエンス講義でも定番教材です。

業界・現場での使い方

品質管理・工程解析

工場での温度と歩留まりの関係、原料組成と製品強度の関係を単回帰で定量化。SPC(統計的工程管理)の基礎手法。JIS Z 9020(管理図の一般指針)や実験計画法(DOE)と組み合わせて品質向上に活用します。

マーケティング・売上予測

広告費と売上、来店客数と売上、気温とアイスクリーム売上など、シンプルな関係の初期解析に。GRP(広告出稿量)とブランド認知率の相関、キャンペーン投下額と売上増分など。多重回帰への布石として使います。

医療統計・薬効評価

薬剤投与量と血中濃度、BMIと血圧、年齢と骨密度など。臨床試験ではより高度な生存時間解析・混合モデルが使われますが、探索的段階で単回帰は必須です。医学研究の論文では回帰係数と信頼区間を必ず報告します。

気象・環境科学

気温と発電量、CO2濃度と気温の年次推移、降水量と水位など。長期トレンドの推定に単回帰が使われますが、時系列自己相関を考慮する必要がある点に注意。気象庁の統計データ活用にも登場します。

不動産・住宅価格予測

専有面積と価格、駅からの距離と賃料など。ヘドニック分析の初期段階として単回帰から始め、多重回帰やGeographic Weighted Regression(GWR)へ発展させます。国土交通省の地価公示・不動産取引価格情報も活用対象。

機械学習・ベースライン

単回帰は機械学習の最もシンプルなモデル。より複雑なモデル(ランダムフォレスト、ニューラルネット)と比較するベースラインとして重要。「単回帰以下の精度なら意味がない」という基準になります。scikit-learn・statsmodelsで簡単に実装可能。

教育現場・学習効果測定

学習時間と試験得点、模試偏差値の推移、児童数と学力調査結果など、教育データの初期解析に単回帰を活用。文部科学省の全国学力・学習状況調査、PISA(OECD国際学力調査)の分析でも回帰が用いられます。因果推論(RCT・DiD)への布石として。

金融・信用スコア

年収と貸倒率、企業財務指標と株価、金利と債券価格など。銀行の信用リスクモデル、投資戦略の因子モデル、CAPMの推定など幅広く使用。信用スコアリング(FICOスコア等)の基礎技術で、ロジスティック回帰・GAM等への発展のベース。

よくある間違い・注意点

  • 相関と因果の混同 — 回帰係数aが有意でも「xがyの原因」とは限りません。第三変数(交絡因子)による見せかけの関係、逆因果(y→x)、選択バイアスの可能性を常に検討。因果推論には無作為化比較試験(RCT)や操作変数法が必要です。
  • 外挿(データ範囲外の予測) — 回帰式はデータ収集範囲内でのみ有効。範囲外への予測(extrapolation)は原理的に危険。例: 温度10-30℃で得た式で−20℃を予測してはいけません。
  • 外れ値の影響を軽視 — 単回帰は1点の外れ値で係数が大きく変わります。Cook's D、ハット行列、影響力プロットで外れ値を検出し、除外の是非を検討。ロバスト回帰(Huber回帰・Tukey Biweight)も選択肢。
  • 線形関係を仮定しての適用 — 実際は曲線関係でも直線を当てはめるとR²が低くなります。可視化と残差プロットで非線形性を確認。必要に応じて対数変換、多項式回帰、GAM等を検討。
  • R²だけで判断する — R²が高くても、係数の有意性(p値)、信頼区間、残差の分布まで確認すべき。逆にR²が低くても、目的によっては十分な場合があります(社会科学等)。
  • 時系列データにそのまま適用 — 時系列は独立性の仮定が破れます。自己相関があるとp値・信頼区間が過小評価されます。Durbin-Watson検定で自己相関を確認し、時系列モデル(ARIMA、状態空間モデル)へ移行を。
  • 単回帰と多重回帰の混同 — 単回帰は説明変数1個、多重回帰は複数。実務でxが複数ある場合は多重回帰(MLR)や交互作用項を含めた分析が必要です。
  • Anscombeの数値例を無視した数値のみの判断 — R²=0.67でも4通りの全く異なる分布があります。可視化(散布図)なしに回帰結果を報告してはいけません。
  • 説明変数xの測定誤差を無視 — 通常のOLSはxに測定誤差がないことを仮定します。xに誤差があると係数aが真値より小さく推定される「希薄化バイアス」が発生。医学・社会科学の実データではよく起こるため、測定誤差モデル(EIV)や器具変数法での対応が必要です。
  • Simpson's paradoxを見落とす — グループごとに単回帰すると正の関係、全データを合わせると負の関係(またはその逆)、というパラドックス。第三変数(層別変数)を無視して全体で回帰すると誤った結論に。層別分析やANCOVA、多重回帰で対処します。
  • 統計モデルの検定を報告しない — 学術論文・報告書ではR²だけでなく、係数のt値・p値、95%信頼区間、F統計量、残差の標準偏差(RMSE)、決定係数の調整済み値も併記が標準。数値だけでなく解釈も付加してください。

関連する定理・統計手法

  • ガウス・マルコフ定理 ― 誤差が独立・等分散・平均0のとき、最小二乗推定量が線形不偏推定量の中で最小分散(BLUE)。
  • 中心極限定理 ― サンプルサイズが大きければ、係数推定量の分布が正規分布に近づく。仮説検定・信頼区間の理論的基礎。
  • Anscombe's Quartet(1973) ― 統計指標が同一でも分布が異なる例。データ可視化の重要性を示す古典。
  • JIS Z 8101シリーズ ― 統計用語(JIS Z 8101-1)、統計的手法応用(JIS Z 8101-2)の日本国内標準。
  • JIS Z 9020-2:2016 ― 管理図の一般指針。統計的工程管理での回帰活用。
  • ISO 5725 ― 測定方法及び測定結果の精度(真度及び精度)。回帰と精度評価の国際基準。
  • API MPMS Chapter 21 ― 石油計測のフローデータ処理。回帰分析を用いた校正曲線作成の実務基準。

参考文献・公的資料

単回帰・統計解析を深く学びたい場合は、以下の公的機関・学会・出版社の一次資料を参照してください。

※本ページの計算結果は最小二乗法によるOLS推定量で、正規分布の仮定・独立性・等分散性が満たされる場合に有効です。ビジネス上の意思決定、医学研究、行政統計等、重要な判断に用いる場合は、必ず散布図の可視化と残差分析を行い、統計的仮説検定・信頼区間・診断プロットも合わせて評価してください。専門的な統計解析はR・Python・SAS・JMP等の統計ソフト、または統計コンサルタントの支援を推奨します。

よくある質問（FAQ）

R²=0.5の意味は何か？

yの全変動(分散)の50%をxで説明できることを意味します。残り50%は他の要因(観測されていない変数、誤差)。物理・工学ではR²=0.5は「不十分」、社会科学では「実用的」と分野で解釈が変わります。R²だけでなく、p値・信頼区間・残差分析を合わせて判断してください。

外れ値の影響はどれくらい大きい？

非常に大きい。単回帰は1点の外れ値で傾き・切片が大きく変わることがあります。特に、xの分布の端にある外れ値は影響力が甚大(高レバレッジ点)。Cook's Distanceで検出し、除外の是非を検討。データエラーなら除外、真の値ならロバスト回帰(Huber回帰・LTS)を用います。

多重回帰との違いは？

説明変数の数が違います。単回帰は1個(x)、多重回帰は複数個(x₁, x₂, ..., xₖ)。実務では複数要因が影響するのが普通で、多重回帰の方が現実的。ただし変数選択(AIC/BIC)、多重共線性、交互作用項など考慮事項が増えます。単回帰は各変数の初期スクリーニングに有用です。

切片bが負になるのは異常？

異常ではありません。切片はx=0のときのyの値であり、データ範囲がx=0を含まない場合、切片には物理的意味がないことも多いです。例: 「気温と発電量」で切片が負でも、気温0℃で発電量マイナスと解釈する必要はなし。数学的な回帰直線の位置決めのパラメータと理解します。

データ何組から単回帰は使える？

理論上は2組から傾き・切片は求まりますが、統計的信頼性のためには最低10組以上推奨。信頼区間・仮説検定を行うなら30組以上が望ましく、Cochranの基準では説明変数1個あたり10-20観測が最低ラインとされます。サンプルサイズが小さいと外れ値の影響が甚大に。

R²と相関係数rの関係は？

単回帰の場合、R² = r²(相関係数の二乗)。r=0.8ならR²=0.64、r=0.9ならR²=0.81。相関係数は方向(+/−)を示し、決定係数は説明力の大きさを表します。多重回帰では単純な二乗関係は成立せず、複数変数からの説明力を意味します。

非線形関係のデータに単回帰を適用したら？

R²が低くなり、係数推定量にバイアスが生じます。残差プロットで湾曲パターンが現れます。対処法: ①xまたはyの対数変換、②多項式回帰(y = a + bx + cx²)、③非線形回帰(y = a·exp(bx)等)、④GAM(一般化加法モデル)、⑤機械学習モデル(ランダムフォレスト等)。

時系列データに単回帰は使える？

そのまま使うと自己相関により信頼区間・p値が過小評価されます。Durbin-Watson検定でDW値を確認(2に近いほど自己相関なし)。時系列トレンドの粗い推定なら単回帰でも可、精密な解析には時系列モデル(ARIMA、状態空間モデル、Prophet等)を使います。

Anscombeの数値例(Anscombe's Quartet)とは？

1973年に統計学者F.J. Anscombeが示した「同じ統計値(平均・分散・相関・回帰式・R²)でも全く異なる分布」の4つのデータセット。可視化なしに数値だけで判断する危険性を示す古典的教材です。データサイエンスの原則「まず可視化」の根拠として、統計学・データ分析の教科書に必ず登場します。

回帰と機械学習の違いは？

回帰は解釈可能性と統計的推論(信頼区間・p値)を重視する古典的統計手法。機械学習は予測精度を重視し、複雑な非線形モデル(ニューラルネット・XGBoost等)を用います。単回帰は最もシンプルな機械学習モデルでもあり、複雑モデルのベースラインとして不可欠。実務では両者を使い分けます。

Excel・Google Sheetsで単回帰は計算できる？

可能です。ExcelではLINEST関数、SLOPE関数、INTERCEPT関数、RSQ関数、または「データ分析ツール」の「回帰分析」で係数・R²・p値・信頼区間まで出力。Google SheetsではLINEST関数、SLOPE、INTERCEPT関数が同様に使えます。学習・簡易分析には十分。本格的な統計解析はR・Pythonへ。

ロバスト回帰とは何か？

外れ値に対する頑健性を高めた回帰手法の総称。M推定(Huber・Tukey Biweight)、S推定、LTS(Least Trimmed Squares)、分位点回帰など複数の方法があります。データに外れ値が含まれる、外れ値の除外判断が困難な場合に有効。R言語のMASSパッケージやrobustbaseで実装可能です。