単回帰分析計算ツール|回帰式・R²・予測値

2つの数値の列から、最小二乗法で回帰直線 y = a + bx を求め、傾き・切片・決定係数 R² を計算します。予測したい x を入れると予測値も表示します。機械学習の最も基本的なモデルである線形回帰を、手元のデータで確かめられます。

単回帰分析 計算ツール(最小二乗法・回帰式)

x列とy列から最小二乗法で回帰直線 y = a + bx の傾き・切片・決定係数 R² を求め、任意の x での予測値も計算します。

使い方

  1. 「x の列」に説明変数(例:広告費)、「y の列」に目的変数(例:売上)を、同じ順番・同じ個数で入力します。
  2. 予測したい x があれば「予測したい x」に入力します。空欄なら予測は表示しません。
  3. カードで回帰式・傾き・切片・R²・予測値を確認し、表で各データの予測値と残差を確認します。

計算式

傾き b = Sxy ÷ Sxx = Σ(x − x̄)(y − ȳ) ÷ Σ(x − x̄)²
切片 a = ȳ − b x̄
R² = 1 − 残差平方和 ÷ 全平方和 = 1 − Σ(y − ŷ)² ÷ Σ(y − ȳ)²
予測値 ŷ = a + b x₀

x̄, ȳ は平均、ŷ は回帰直線による予測値です。最小二乗法は、残差(実測値と予測値の差)の2乗の合計が最も小さくなる直線を選ぶ方法です。

計算例

サンプルは x「1, 2, 3, 4, 5, 6」、y「3.1, 4.9, 7.2, 8.8, 11.1, 12.9」、予測したい x は7です。

  • x̄ = 3.5、ȳ = 8、Sxx = 17.5、Sxy = 34.6 です。
  • 傾き b = 34.6 ÷ 17.5 = 1.977143、切片 a = 8 − 1.977143 × 3.5 = 1.08 です。
  • 回帰式は y = 1.08 + 1.9771x です。
  • 残差平方和は0.1109、全平方和は68.52なので、R² = 1 − 0.1109 ÷ 68.52 = 0.9984 です。
  • x = 7 の予測値は 1.08 + 1.9771 × 7 = 14.92 です。

結果の見方

傾き b は「x が1増えたとき、y が平均してどれだけ変わるか」を表します。この例では、x が1増えると y は約1.98増えます。切片 a は x = 0 のときの予測値ですが、x = 0 がデータの範囲から遠い場合は、実際の意味を持たないこともあります。

R² は0〜1の値で、1に近いほど直線がデータによく当てはまっています。単回帰では、R² はピアソンの相関係数 r の2乗と一致します。表の残差に、x が大きくなるにつれて符号がそろって偏るなどの規則的なパターンがあれば、直線ではなく曲線の関係かもしれません。

機械学習の線形回帰も、この最小二乗法と同じ考え方です。scikit-learn の LinearRegression に同じデータを入れると、coef_(傾き)と intercept_(切片)がこのツールの結果と一致します。

注意点

  • データの範囲の外(この例では x が1〜6の外)を予測する「外挿」は、関係がその先も直線で続く保証がないため、誤差が大きくなりやすくなります。
  • R² が高くても、因果関係があるとは限りません。
  • 外れ値があると、回帰直線は大きく引っぱられます。散布図で確認しましょう。
  • x がすべて同じ値だと傾きが計算できません。
  • 説明変数が複数ある場合は重回帰分析が必要です。

単回帰(回帰式・R²)のよくある質問

Q. ExcelのSLOPE・INTERCEPT関数と同じ結果になりますか?

A. はい。傾きは SLOPE、切片は INTERCEPT、決定係数は RSQ と同じ値になります。予測値は FORECAST.LINEAR と同じです。

Q. 決定係数R²はどれくらいあればよいですか?

A. 分野によって大きく違います。物理実験では0.9以上が期待される一方、人の行動や経済のデータでは0.3程度でも意味のある関係とされることがあります。

Q. 単回帰と相関係数の関係は?

A. 単回帰の決定係数 R² は、x と y のピアソンの相関係数 r の2乗と一致します。傾きの符号は r の符号と同じです。