単回帰分析計算ツール

単回帰分析とは？

単回帰分析（Simple Linear Regression）は、1つの独立変数（X）と従属変数（Y） の関係を、観測データに直線を当てはめることでモデル化する統計手法です。回帰 方程式は ŷ = b₀ + b₁x の形式をとり、b₀はy切片、b₁は回帰直線の傾きを表します。 この手法は最小二乗法（OLS）を用いてパラメータを推定し、 観測値と予測値の差の二乗和を最小化します。

回帰分析は1880年代にFrancis Galton卿が遺伝的身長に関する 研究で開拓し、子どもの身長が母集団平均に"回帰"する傾向を観察した ことに由来します。その後、Karl Pearsonと Ronald Fisherが現代の回帰分析で使用される推測統計 （F検定、係数に対するt検定）の数学的枠組みを確立しました。今日、単回帰 分析は統計学において最も基本的なツールの一つであり、重回帰分析、分散分析 （ANOVA）、そして多くの機械学習アルゴリズムの基礎となっています。

線形回帰の主要概念

R²（決定係数）の理解

R²は独立変数によって説明される従属変数の分散の割合を表します。0から1 の範囲をとり、0はモデルが変動性を全く説明しないこと、1はすべての変動性を 説明することを意味します。調整済みR²は予測変数の数を考慮し、モデル 間の比較に特に有用です。

注：これらの基準は一般的なガイドラインです。物理学や工学の分野ではR² 値が0.90以上であることが一般的です。心理学や社会科学ではR²値が 0.20–0.40でも意味のある水準と見なされることが多いです。

単回帰分析の仮定

回帰分析の結果を解釈する前に、以下の仮定が満たされているか確認する必要が あります。仮定の違反は、偏った推定値、不正確な標準誤差、無効な推論に つながる可能性があります。

APA形式での回帰分析結果の報告方法

APA第7版のガイドラインに従い、回帰分析の結果には自由度を含むF統計量、 p値、R²、回帰方程式、および個々の係数の統計量を含める必要があります。 以下は使用できるテンプレートです。

注：回帰係数、t値、F値は小数点第2位まで報告します。p値は小数点第3位まで 報告しますが、.001未満の場合は p < .001と表記します。R² と主要係数の95%信頼区間を必ず含めてください。

回帰分析と他の検定：使い分けの指針

よくある間違い

• データ範囲外への外挿： 回帰方程式は観測されたX値の範囲 内でのみ有効です。この範囲を大きく超えたX値に対してYを予測すること （外挿）は、信頼性が低く誤解を招く結果を生む可能性があります。
• 仮定の無視： 回帰分析の結果は、線形性、独立性、正規性、 等分散性の仮定が満たされている場合にのみ信頼できます。モデルを解釈する 前に必ず残差プロットを確認してください。
• 相関と因果の混同： 有意な回帰結果はXがYを引き起こすこと を証明するものではありません。因果的な表現には注意し、交絡変数を考慮して ください。因果関係はランダム化実験のみが確立できます。
• R²の過大解釈： 高いR²が必ずしもモデルが正確 または有用であることを意味するわけではありません。関係が依然として非線形 である可能性や、モデルが外れ値に左右されている可能性があります。逆に、 低いR²がXが重要でないことを意味するわけでもありません。
• p = .000と報告する誤り： 統計ソフトウェアが p = .000と表示することがありますが、これは必ず p < .001と 報告してください。p値は決して正確に0にはなりません。