「気温が分かれば、アイスが何個売れるか予測できる?」。
データから式を作ると、そんな見積もりができます。でも、その式を冬にも使ってよいのでしょうか。
先に結論:関係の強さを求め、予測の式を作り、使える範囲を確かめる
求めるもの | 何が分かるか | 今回の結果 |
|---|---|---|
共分散 | 平均からのずれが同じ向きか、逆向きか。大きさは単位にも左右される | 6.4 |
相関係数 | 直線的な関係の向きと強さ | r=0.8 |
回帰直線 | 気温から販売個数を見積もる式 | 予測値=1.6x+1.6 |
計算は、平均・偏差 → 分散・標準偏差・共分散 → 相関係数・回帰直線の順に進めます。最後に「どの範囲の気温で作った式か」を確認しましょう。計算が正しくても、予測が当たるとは限りません。
アイスを「−6.4個」仕入れる? 計算は合っているのに
12月。購買から「寒い日はアイスを何個仕入れればいい?」と相談されたユウキは、11月のデータから作った式を開きました。
予測売上=1.6×気温+1.6
予想気温−5℃を入れると、答えは−6.4個。
ユウキ「マイナスのアイス……どうやって仕入れるの?」
ハルカ「平均も相関係数も、計算は合ってるんだよね?」
Sandy「式が返事することと、売上をちゃんと見積もれることは別やで」
使ったデータは21〜27℃の5日分。−5℃での売上を観測したものではありません。
観測した気温の範囲を越えて式を延ばすと、売上個数としてあり得ない値が出ています。

式を計算できても、観測範囲外で妥当な売上を予測できるとは限りません。
物語と数値は学習用の架空設定です。前話で扱った「アイスの販売個数と保健室の来室者数」とは別のデータを使い、今回は「気温とアイスの販売個数」を計算します。以下、売上は金額ではなく、売れた個数を指します。
まず平均と偏差を求めよう
気温をx、アイスの売上個数をyとします。同じ行が同じ日の記録です。並べ替えるときも、対応する組を崩してはいけません。
日 | 気温x(℃) | 売上y(個) |
|---|---|---|
1日目 | 21 | 34 |
2日目 | 23 | 42 |
3日目 | 24 | 40 |
4日目 | 25 | 38 |
5日目 | 27 | 46 |
平均は、気温が120÷5=24℃、売上が200÷5=40個です。
偏差=それぞれの値−平均値なので、気温の偏差は−3, −1, 0, 1, 3。売上の偏差は−6, 2, 0, −2, 6になります。
分散は偏差の2乗の平均、標準偏差は分散の0以上の平方根でした。今回は分散も共分散も、データの個数n=5で割って計算します。
計算 | 気温x | 売上y |
|---|---|---|
偏差の2乗の合計 | 9+1+0+1+9=20 | 36+4+0+4+36=80 |
分散 | 20÷5=4 | 80÷5=16 |
標準偏差 | √4=2 | √16=4 |
この「標準偏差2と4」が、相関係数を求めるときに必要になります。
共分散とは? 対応する偏差の積を平均する
共分散は、対応する2つの偏差の積の平均です。今回なら、同じ日の気温の偏差と売上の偏差を掛け、5日分を足して5で割ります。
なぜ偏差どうしを掛けるのでしょうか。
- 両方が平均より上なら、正×正で正。
- 両方が平均より下なら、負×負で正。
- 片方だけが平均より上なら、積は負。
- どちらかの偏差が0なら、積は0。
ここで見ているのは、前日より増えたかどうかではなく、それぞれの平均より上か、下かです。同じ側にある組の積は正、反対側にある組の積は負になります。共分散では、正と負の件数だけでなく、積の大きさも含めて合計します。
5日分の偏差を掛け合わせて、表で確かめましょう。

同じ日の偏差の積を平均します。負の積もそのまま合計に含めます。
気温の偏差 | 売上の偏差 | 偏差の積 |
|---|---|---|
−3 | −6 | 18 |
−1 | 2 | −2 |
0 | 0 | 0 |
1 | −2 | −2 |
3 | 6 | 18 |
積の合計は18−2+0−2+18=32。共分散は32÷5=6.4です。正の値なので、この5日分では「気温が平均より高い日は、販売個数も平均より多い」という向きの傾向が表れています。
ユウキ「じゃあ共分散が大きいほど、関係が強い?」
Sandy「単位を変えただけでも数字が変わるねん。そのまま大きさを比べたらアカンで」
たとえば売上を「個」から「10個を1単位」に変えると、売上の数値も偏差も10分の1になり、共分散は0.64になります。元の関係が変わったわけではありません。共分散の大きさだけで、異なるデータの関係の強さを比べるのは不適切です。
相関係数の求め方:割るのは分散ではなく標準偏差
単位に左右される大きさを調整するため、共分散を2つの標準偏差の積で割ります。
相関係数r=共分散÷(xの標準偏差×yの標準偏差)
今回の値を入れると、次のようになります。

割るのは分散ではなく標準偏差の積。0.8は的中率ではありません。
r=6.4÷(2×4)=0.8
売上の単位を10個単位に変えた場合も、共分散0.64、売上の標準偏差0.4となるので、0.64÷(2×0.4)=0.8。同じ結果になります。
ここで使うのはピアソンの相関係数です。両方の標準偏差が0でないことが条件で、共分散と分散は同じ基準で計算します。片方の変数がすべて同じ値なら、分母が0になり、通常のrは定義できません。
相関係数は−1以上1以下。符号は直線的な関係の向き、絶対値は強さを表します。範囲外になったら計算や定義を確認しましょう。ただし、範囲内に収まっただけで正解とは限りません。
r=0.8は「予測が80%当たる」という意味ではありません。 また、0に近くても曲線的な関係がある場合があります。計算結果と散布図をセットで見ます。
また、気温と販売個数の列を別々に並べ替えると、別の日どうしが組になり、相関係数も変わってしまいます。計算では、同じ日の2つの値を、必ずセットで扱いましょう。
回帰直線と最小二乗法:残差を小さくする
相関係数で関係の向きと強さを求めたら、次は気温xから売上yを見積もる直線を作ります。
予測値=ax+b
aが傾き、bが切片です。相関係数は「関係はどの向きに、どれくらい強いか」、回帰直線は「この気温なら何個くらい売れるか」という、別の問いに答えます。ここでは、切片bもデータから求め、5日分を同じ重みで扱う単回帰直線を作ります。直線を選ぶ方法が、次の最小二乗法です。
残差=実測値−予測値。同じxの位置での縦方向の差です。点から直線へ斜めに下ろした最短距離ではありません。
直線から上にある点は残差が正、下にある点は負になります。

23℃の日の残差は42−38.4=+3.6個です。斜めの最短距離ではありません。
残差をそのまま足すと、正と負が打ち消し合うことがあります。そこで、残差の2乗の合計が最小になるように直線を選ぶのが最小二乗法です。
今回の回帰直線は、xにばらつきがあれば次の式で求められます。
- 傾きa=共分散÷xの分散=6.4÷4=1.6
- 切片b=yの平均−a×xの平均=40−1.6×24=1.6
したがって、予測値=1.6x+1.6です。この直線は、気温の平均と販売個数の平均を組にした点(24, 40)を通ります。実際に24を入れると、1.6×24+1.6=40です。
傾き1.6は、この式では気温が1℃高いと、予測値が1.6個多くなるという意味です。「気温を1℃上げると、必ず1.6個多く売れる」と因果を証明したわけではありません。切片1.6も式の位置を決める値であり、観測していない0℃で実際に1.6個売れると確認したものではありません。
23℃の日なら、予測値は1.6×23+1.6=38.4個。実測値は42個なので、残差は42−38.4=+3.6個です。「予測より3.6個多く売れた」と読めます。
気温 | 実測値 | 予測値 | 残差(実測−予測) |
|---|---|---|---|
21℃ | 34個 | 35.2個 | −1.2個 |
23℃ | 42個 | 38.4個 | +3.6個 |
24℃ | 40個 | 40個 | 0個 |
25℃ | 38個 | 41.6個 | −3.6個 |
27℃ | 46個 | 44.8個 | +1.2個 |
残差の2乗の合計は、1.44+12.96+0+12.96+1.44=28.8です。
「残差の2乗の合計が最小」は、「残差が全部0」とは違います。5点がすべて直線上に乗る必要はありません。
内挿と外挿の違い:29℃も範囲の外
求めた式に29℃を入れると、1.6×29+1.6=48個。一見、使えそうな答えです。
しかし、元の気温は21〜27℃。29℃も観測範囲の外です。
- 内挿:観測したxの範囲内で推定すること。
- 外挿:観測したxの範囲外で推定すること。
今回の22℃には観測点がありませんが、21〜27℃の内側なので内挿です。「その値の点がないから外挿」ではありません。
予測に使う気温 | 観測範囲との関係 | 分類 | 式の予測値 |
|---|---|---|---|
22℃ | 21〜27℃の中 | 内挿 | 36.8個 |
29℃ | 21〜27℃の外 | 外挿 | 48個 |
−5℃ | 21〜27℃の外 | 外挿 | −6.4個 |
内挿と外挿を分けるのは、観測点の有無ではなく、観測したxの範囲です。

内挿・外挿は観測したxの範囲で分けます。内挿にも的中の保証はありません。
冒頭の−5℃を入れると、1.6×(−5)+1.6=−6.4個。計算は正しくても、売上個数の見積もりとしては不適切です。
Sandy「式が壊れたんとちゃう。観測範囲の外でも使えると、確かめずに決めたんが問題や」
ユウキ「48個みたいな普通の答えでも、当たるとは限らないんだね」
内挿でも的中の保証はありません。外挿には特に、追加のデータや仕組みに関する根拠が必要です。相関係数が1に近くても、範囲の外で同じ直線的な関係が続くとは限りません。
なお、予測値が小数であること自体は問題ではありません。平均的な数量の見積もりなら38.4個のような値も使います。今回の−6.4個で問題なのは、売上個数が負になる点です。
仕入れ数を決めるなら、売上予測に加えて在庫や売り切れ、曜日なども確認します。負の予測をただ0に置き換えただけでは、そのモデルが冬に使えると確かめたことにはなりません。
オリジナル練習問題:分母と範囲を確認しよう
以下はこの記事用の学習問題です。実際の共通テスト問題ではありません。
共分散が6、xの標準偏差が2、yの標準偏差が5のとき、相関係数はいくつでしょう。
答えは6÷(2×5)=0.6。 分散4と25を分母に使って6÷100=0.06としないように注意しましょう。
もう1問。今回の回帰直線で26℃を使った推定は、内挿・外挿のどちらでしょう。
答えは内挿。 26℃そのものの観測点はありませんが、21〜27℃の範囲内だからです。推定値は1.6×26+1.6=43.2個。ただし、実際の売上を保証する値ではありません。
まとめ:計算のあとに「どこまで測った?」を聞く
購買には、冬の日の気温と売上も記録してもらうことになりました。新しい式を作る場合も、別の日の実測と比較して確かめます。データを増やせば必ず当たるとは限らず、直線という形が適切かも見直します。
- 共分散は、対応する偏差の積の平均。
- 相関係数は、共分散を2つの標準偏差の積で割る。
- 残差は実測値−予測値という縦の差。最小二乗法では2乗の合計を最小にする。
- 今回の回帰直線の傾きは共分散÷xの分散、切片はyの平均−傾き×xの平均。
- 内挿は観測範囲の中、外挿は外。計算できても予測が当たるとは限らない。
Sandy「『この調子ならこうなる』って予測を見たら、『その調子は、どこまで測って言うてるん?』。計算のあとに、それも確かめてや」
関連学習:第42話|記事原稿|相関と因果・散布図・ヒストグラム
表計算やPythonで同じ値を計算し、散布図と照らし合わせるのもよい練習です。プログラミングスクールSandboxでは、アプリ制作やデータ分析などに取り組めます。
参考資料
- 総務省統計局:複数の変数の関係性を見る — 相関係数の計算と回帰分析。
- NIST:Least Squares — 残差の2乗和、傾き・切片の式。
- NIST:How do we Use the Model Beyond the Data Domain? — 内挿・外挿の区別と、予測を確認する必要性。