単回帰分析とは、1つの説明変数から1つの目的変数を予測する最も基本的な統計手法および機械学習モデルです。データ間の関係性を直線で近似し、因果関係や傾向を分析する際によく用いられます。
単回帰分析とは
単回帰分析とは、1つの原因となる変数（説明変数）と、1つの結果となる変数（目的変数）の関係を、1本の直線でモデル化して分析する手法です。
詳しく解説
単回帰分析は、データ間の関係を数学的な直線式（回帰直線）として表現する統計モデルです。最小二乗法を用いて誤差の二乗和が最小になるように係数を求めます。機械学習における教師あり学習の最もシンプルな形態であり、より多くの変数を使う重回帰分析の基礎となります。
具体例・使われ方
例えば、勉強時間（説明変数）からテストの点数（目的変数）を予測したり、住宅の広さ（説明変数）から賃料（目的変数）を予測したりする際に活用されます。
似た用語との違い
注意点
現実のデータは必ずしも直線的な関係にあるとは限らないため、非線形な関係のデータに適用すると予測精度が大きく低下する限界があります。また、相関関係があるからといって必ずしも因果関係があるとは限らない点にも注意が必要です。
この解説は役に立ちましたか？誤りが含まれる場合はご報告いただけますと幸いです。
更新日時: 2026年9月1日 12:11