第4章 情報通信ネットワークとデータの活用
回帰直線と予測(傾き・切片・残差・外挿)
散布図の点の間に「一番合う直線」を1本引くと、まだ起きていないことを数で予測できます。この直線が回帰直線です。傾きと切片の読み方、残差と最小二乗法の考え方、予測してよい範囲、表計算ソフトウェアでの求め方まで、図と動く散布図で確かめます。
説明
1. 散布図に「一番合う直線」を引く
「散布図と相関」の単元で使った、売店の最高気温とアイスの数のデータです。強い正の相関(r = 0.93)がありました。明日の予想最高気温が 33℃ なら、アイスを何個用意すればよいでしょう。
点の並びに一番合う直線を1本引くと、気温から売上を予測できます。この直線を回帰直線(かいきちょくせん)といいます。このデータの回帰直線は y = 4x − 60(x は気温、y はアイスの数)で、x に 33 を入れると 4 × 33 − 60 = 72 個と予測できます。
このように、ある量(x)で別の量(y)を説明する式を求め、予測などに使う分析を回帰分析といいます。x が1つだけのものを単回帰分析ともいいます。

2. 傾きと切片を読む
回帰直線は、数学の一次関数と同じ y = ax + b の形です。
- 傾き a:x が 1 増えると、y がいくつ増えるか(の見込み)。ここでは 4 なので、「気温が 1℃ 上がるごとに、アイスが約 4 個多く売れる」と読みます。傾きがマイナスなら、x が増えると y は減ります。
- 切片 b:x が 0 のときの y の値。ここでは −60 です。
ただし、気温 0℃ で −60 個売れる、ということはありません。データがあるのは 23〜34℃ だけなので、切片はグラフの位置を決めるための数で、そのままの意味をもたないことがよくあります。傾きは「x が 1 増えたときの変化」として読むのが基本です。
3. 残差と最小二乗法:「一番合う」の決め方
「一番合う」をどう決めるのでしょう。勉強時間と小テストの5人のデータで考えます。各点の実際の y と、直線から求めた y(予測値)との差を残差(ざんさ)といいます。
残差 = 実際の値 − 直線から求めた値
点が直線より上なら残差はプラス、下ならマイナスです。プラスとマイナスが打ち消し合わないように、残差を2乗して合計し、その合計が一番小さくなる直線を選びます。この決め方を最小二乗法(さいしょうにじょうほう)といいます。図の正方形の面積が残差の2乗で、その合計が最小になるように直線の位置と傾きが決まっています。
| 直線 | 5人の残差 | 残差の2乗の合計 |
|---|---|---|
| y = 0.9x + 3.3(回帰直線) | −0.2, −0.1, 1.0, −0.9, 0.2 | 1.90 |
| y = x + 3 | 0, 0, 1, −1, 0 | 2.00 |
| y = 1.2x + 2.4 | 0.4, 0.2, 1.0, −1.2, −0.4 | 2.80 |
ほかの直線では、残差の2乗の合計が回帰直線の 1.90 より大きくなります。なお、予測に使う量 x を説明変数、予測したい量 y を目的変数といいます(独立変数・従属変数と呼ぶ本もあります)。
4. 回帰直線の式を求める
最小二乗法で決まる直線の傾きと切片は、次の式で求められます(式が出てくる理由は数学の内容なので、ここでは使い方を覚えます)。
傾き a = 共分散 ÷ x の分散
切片 b = y の平均 − a × x の平均
5人のデータでは、共分散 1.8、x の分散 2 なので a = 1.8 ÷ 2 = 0.9。b = 6 − 0.9 × 3 = 3.3。回帰直線は y = 0.9x + 3.3 です(共分散の求め方は「散布図と相関」の単元)。
切片の式から分かるように、回帰直線は必ず平均の点(x の平均, y の平均)を通ります。また、傾きは「相関係数 × y の標準偏差 ÷ x の標準偏差」とも書けるので、傾きの符号(+・−)は相関係数の符号と同じになります。
5. 予測してよい範囲:外挿に注意
勉強時間 2.5 時間の人の点数を予測すると、0.9 × 2.5 + 3.3 = 5.55 点。データのある 1〜5 時間の範囲の中なので、外挿にはなりません(予測にどこまで使えるかは、点が直線にどれだけ当てはまっているかや、残差の大きさも見て判断します)。
では 10 時間なら? 0.9 × 10 + 3.3 = 12.3 点。10 点満点のテストなのに、満点を超えてしまいました。データの範囲の外に直線を伸ばして予測することを外挿(がいそう)といいます。範囲の外でも同じ直線の関係が続くとは限らないので、外挿は大きく外れることがあります。
予測に使うときは、①データの範囲の中か、②予測した値が現実にあり得るか(マイナスの個数、満点超え など)を必ず確かめましょう。
回帰直線は「データのある範囲で、おおよそこうなる」という見込み。どこまでも正しい公式ではありません。
6. 残差を読む・当てはまりのよさ
残差を見ると、普段の傾向からのずれが分かります。売店のデータでは、28℃ の日は予測 52 個に対して 60 個売れ、残差は +8(予測より多い)。25℃ の日は予測 40 個に対して 32 個で、残差は −8(予測より少ない)。残差の大きい日を調べると、「部活の大会があった」「雨が降った」など、気温以外の理由が見つかることがあります。
点が直線の近くに集まっている(相関が強い)ほど、y の散らばりに比べて残差は小さくなり、予測は当たりやすくなります。この当てはまりのよさを表す数を決定係数(R²、0〜1)といい、x が1つの回帰直線では相関係数の2乗と同じ値です。このデータでは 0.93² ≒ 0.86 です。相関が弱いデータ(r = 0.3 など)では、y の散らばりに比べて残差の割合が大きくなり、x から y を予測する力は弱くなります。どこまでの外れなら使えるかは、残差の大きさと、目的に必要な正確さで判断します。
7. 表計算ソフトウェアで求める
実際の分析では、回帰直線は表計算ソフトウェアで求めます。B列に気温(x)、C列にアイスの数(y)を入れたとき、次の関数が使えます。
- 傾き:
=SLOPE(C2:C11, B2:B11)切片:=INTERCEPT(C2:C11, B2:B11) - 予測:
=FORECAST.LINEAR(33, C2:C11, B2:B11)(ソフトによっては FORECAST) - 相関係数:
=CORREL(B2:B11, C2:C11)決定係数:=RSQ(C2:C11, B2:B11)
SLOPE・INTERCEPT・FORECAST はy の範囲が先、x の範囲が後です。逆にすると別の値になるので注意しましょう。また、散布図を作って「近似曲線(線形近似)」を追加し、「数式を表示する」「R-2 乗値を表示する」を選ぶと、グラフに回帰直線と式、決定係数が出ます。
ひとことで言うと回帰直線 y=ax+b で予測する。傾きは1当たりの増え方。範囲外の予測は危うい。
例題
例題1 回帰直線の式から予測する
ある学校の売店で、最高気温 x(℃)とスポーツドリンクの売上 y(本)のデータから、回帰直線 y = 3.2x − 40 が得られました(データの気温は 22〜33℃)。①傾き 3.2 はどんな意味ですか。②最高気温 30℃ の日の売上は何本と予測できますか。
- ① 傾きは「x が 1 増えると y がいくつ増えるか」。気温が 1℃ 上がるごとに、売上が約 3.2 本増える見込み、という意味です。
- ② x に 30 を入れます。3.2 × 30 − 40 = 96 − 40 = 56 本。
- 30℃ はデータの範囲(22〜33℃)の中なので、外挿にはなりません。点が直線の近くに集まっている(相関が強い)ので、予測の目安として使えます。
例題2 データから回帰直線を求める
5日間の最高気温 x(℃)と、部活の後に売れた麦茶の数 y(杯)です(「散布図と相関」の例題2と同じデータ)。回帰直線を求め、27℃ の日の数を予測しましょう。
| 日 | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|
| 気温 x | 22 | 24 | 26 | 28 | 30 |
| 麦茶 y | 32 | 29 | 38 | 35 | 41 |
- 平均は x が 26、y が 35。偏差の積の合計は 48 で、共分散は 48 ÷ 5 = 9.6。
- x の分散は(16+4+0+4+16)÷ 5 = 8。傾きは 9.6 ÷ 8 = 1.2。
- 切片は 35 − 1.2 × 26 = 35 − 31.2 = 3.8。回帰直線は y = 1.2x + 3.8。
- 27℃ の予測は 1.2 × 27 + 3.8 = 32.4 + 3.8 = 36.2 杯。
- 確かめ:x の平均 26 を入れると 1.2 × 26 + 3.8 = 35 で、y の平均になります(平均の点を通る)。
練習
さわってみよう
点を動かして、回帰直線を見る
点を指(マウス)で動かすと、回帰直線と式がその場で変わります(スクロールはグラフの外で)。まず「残差」を押して、縦の線(残差)を出しましょう。1つの点を大きく上に動かすと、直線はどう動くでしょうか。「外れ値を1つ足す」も試してみましょう。
外れ値1つで、直線の傾きも大きく変わりました。最小二乗法は残差を2乗するので、大きく離れた点に強く引っぱられます。相関が弱いデータでは、y の散らばりに比べて残差(縦の線)が長く、x から予測する力が弱いことも分かります。
やってみよう(共通テスト形式)
このサイトで作った問題です(過去の試験問題ではありません)。
高校の学食では、暑い日に冷たいうどんの注文が増え、売り切れたり余ったりして困っていた。生徒会の K さんは、天気予報の最高気温から注文数を予測しようと考え、6月から7月の12日分のデータを集めた。
| 日 | 最高気温(℃) | 注文(杯) |
|---|---|---|
| A | 26 | 30 |
| B | 32 | 63 |
| C | 24 | 22 |
| D | 30 | 55 |
| E | 28 | 49 |
| F | 25 | 20 |
| G | 31 | 55 |
| H | 27 | 40 |
| I | 33 | 64 |
| J | 26 | 28 |
| K | 30 | 43 |
| L | 29 | 36 |
K さんは表計算ソフトウェアで散布図を作り、回帰直線を求めた。回帰直線の式は y = 5x − 100(x は最高気温、y は注文数)だった。
この単元が出た過去問の解説
ちょっと寄り道:豆知識・こぼれ話
試験に出るとはかぎりませんが、知っていると情報がもっと面白くなる話です。
「回帰」は、背の高さの研究から生まれた言葉
回帰(regression)という言葉を使い始めたのは、イギリスのフランシス・ゴルトンです。彼は親と子の身長を調べ、背がとても高い親の子は、平均すると親ほどは高くなく、全体の平均のほうに近づくことに気づきました。とても低い親の子も、同じように平均に近づきます。1886年の論文で、彼はこれを「平凡(普通)への回帰」と呼びました。今は「平均への回帰」といいます。この研究で使われた、散布図に直線を当てはめる方法が、のちに「回帰直線」と呼ばれるようになりました。
参考:F. Galton, “Regression Towards Mediocrity in Hereditary Stature”, Journal of the Anthropological Institute, 15 (1886)
最小二乗法は、見失った星を見つけ出した
1801年1月1日、イタリアの天文学者ピアッツィが新しい天体(今の準惑星ケレス)を見つけましたが、数週間で太陽の方向に近づいて見えなくなりました。わずかな観測データから、どこにまた現れるかを計算したのが、24歳のドイツの数学者ガウスです。その予測した位置の近くで、同じ年の12月の終わりにケレスが再び見つかりました。ガウスは1809年の本で、観測のずれの2乗の合計を最小にする方法(最小二乗法)を説明し、1795年ごろから使っていたと書いています。ただ、この方法を先に本で発表したのはフランスのルジャンドル(1805年)で、どちらが先かで争いになりました。
参考:Encyclopaedia Britannica「Carl Friedrich Gauss」「Ceres」「least squares method」、A.-M. Legendre『Nouvelles méthodes pour la détermination des orbites des comètes』(1805)、C. F. Gauss『Theoria motus』(1809)
わからなかったら、ここへもどる
- 散布図と相関・相関係数(疑似相関に注意)
- 中学数学「一次関数」(傾き・切片)準備中
あわせて読む
次はこれ
先生・おうちの方へ
つまずきやすい所:①傾きと切片の意味の取り違え(切片を「x が 1 のとき」と読む など)。②残差の符号(実際 − 予測)を逆にする。③データの範囲の外まで回帰直線で予測してしまう(外挿)。④表計算の SLOPE・INTERCEPT 関数の引数の順番(y の範囲が先)。
共通テストとのつながり:第4問では、回帰直線の式に値を入れて予測する、回帰直線より上(下)にある点を選ぶ、残差に注目して特徴のあるデータを探す、といった観点が出ています。このページの問題・場面・数値はすべてこのサイトで作ったものです。
計算について:傾き=共分散÷xの分散(n で割る分散・共分散。n−1 で割っても比なので同じ値)。図・問題のデータは、回帰直線の傾き・切片が小数第1位までのきりのよい数になるように作った架空のものです。すべて Python の fractions で確かめています(verify/c4-kaiki.py)。決定係数は単回帰では相関係数の2乗に等しくなります。
授業で使うとき:「さわってみよう」で「残差」を表示し、1点を大きく動かすと、最小二乗法が外れ値に引っぱられやすいことが見られます。「相関が弱いデータ」で、回帰直線を引いても予測に向かないことを話題にできます。
学習指導要領:情報Ⅰ (4)ア(ウ)・イ(ウ) / 参考:高等学校学習指導要領(平成30年告示)解説 情報編 情報Ⅰ (4)ア(ウ)・イ(ウ)(データの関係性を数式の形で表す単回帰分析、回帰直線を考えデータの変化を予測する)、文部科学省「高等学校情報科『情報Ⅰ』教員研修用教材」第4章 学習22(単回帰分析を用いた値の推測、残差、最小二乗法、決定係数)