回帰曲線のエクセルでの作り方は？表示方法も解説！（近似曲線：散布図：数式表示：R2値など）

データ同士の関係を視覚的に把握したいときに役立つのが、エクセルの回帰曲線です。

散布図に近似曲線を追加すると、売上と広告費、気温と販売数、学習時間と得点などの関係を、表だけを見るより直感的に読み取れます。

数式表示やR2値の表示まで行えば、傾向を見える化するだけでなく、予測や分析の根拠を説明しやすくなります。

本記事では、エクセルで回帰曲線を作成する基本手順から、近似曲線の種類、数式とR2値の見方、実務での注意点までをわかりやすく解説します。

エクセルで作る回帰曲線の基本手順

それではまず、回帰曲線をエクセルで作成する方法と、分析時に押さえたい結論を解説していきます。

散布図の作成

回帰曲線を作成する際は、最初に横軸と縦軸の数値データを用意します。

一般的には、原因や説明したい要素を横軸のX、結果として観察する数値を縦軸のYに配置します。

たとえば広告費と売上を調べるなら、広告費をX、売上をYとして2列に入力するとわかりやすいでしょう。

2列の数値範囲を選択したら、挿入タブから散布図を選びます。

ここで選ぶべきグラフは、通常の折れ線グラフではなく、数値を横軸と縦軸の座標として扱える散布図です。

折れ線グラフは入力順を重視するため、数値の間隔が不規則な場合に関係性を正しく表しにくいことがあります。

近似曲線の追加

散布図を作成した後は、グラフ内のデータ点をクリックして系列を選択します。

右クリックで近似曲線の追加を選ぶか、グラフ要素から近似曲線にチェックを入れると設定画面が表示されます。

設定画面では線形、指数、対数、多項式、べき乗、移動平均などを選択できます。

売上や費用のように、Xの増減に対してYがおおむね一定の割合で変わる場合は、まず線形近似を試す方法が基本です。

曲線がデータ点の流れを自然になぞる形になる場合は、多項式近似や指数近似も候補になります。

数式表示とR2値の表示

近似曲線の設定画面では、グラフに数式を表示する、グラフにR2乗値を表示するという項目にチェックを入れられます。

数式を表示すると、たとえばY＝2.3X＋950のような形で、XとYの関係を確認できます。

R2値は決定係数とも呼ばれ、回帰式が実際のデータをどの程度説明できているかを示す目安です。

値は0から1の範囲で示され、1に近いほどデータとの当てはまりがよい傾向にあります。

ただし、R2値が高いからといって因果関係まで証明できるわけではありません。

分析対象の背景や、別の要因の影響もあわせて確認する姿勢が重要です。

散布図と回帰曲線の関係

続いては、散布図と回帰曲線がそれぞれ担う役割を確認していきます。

データ点から読み取れる分布

散布図は、個々の観測値を点として配置するグラフです。

点が右上がりに集まれば正の相関、右下がりに集まれば負の相関がある可能性を考えられます。

一方で点が全体にばらついているなら、2つの数値の関係は弱いかもしれません。

回帰曲線を追加する前に、まず散布図そのものを見て、外れ値や極端な偏りがないか確認しましょう。

数件だけ大きく離れた点がある場合、その値が回帰式を大きく変えることがあります。

入力ミス、集計条件の違い、一時的な特別要因なども考えながら、データの意味を確かめることが大切です。

横軸と縦軸の設定

散布図の作成で意外に多いのが、横軸と縦軸を逆に設定してしまうケースです。

単純な相関を見るだけなら見た目は似ていますが、回帰式を使って予測するなら軸の意味が重要になります。

通常は、説明変数を横軸、目的変数を縦軸に置きます。

分析したい内容	横軸に置く数値	縦軸に置く数値
広告施策の効果	広告費や広告表示回数	売上や問い合わせ数
学習の成果	学習時間や問題演習数	テスト得点
気温と需要	気温や湿度	販売数や来店者数
製造条件の検証	温度や圧力	不良率や加工時間

目的が、広告費から売上を見積もることなら、広告費を横軸にする構成が自然です。

予測したい数値を縦軸に置くという考え方を覚えておくと、グラフ設計で迷いにくくなります。

回帰曲線が示す平均的な傾向

回帰曲線は、すべての点を通過する線ではありません。

データ全体の傾向を最もよく表す位置に引かれる、平均的な流れを示す線です。

実際のデータ点が曲線より上にあれば予測値より高く、下にあれば予測値より低い状態と読み取れます。

この予測値との差は残差と呼ばれます。

残差が一方向に偏る場合は、近似曲線の種類が合っていない、または説明に必要な変数が不足している可能性があります。

近似曲線の種類と選び方

続いては、エクセルで選べる近似曲線の種類と、使い分けの考え方を確認していきます。

線形近似の特徴

線形近似は、直線で傾向を表す最も基本的な回帰曲線です。

データが右上がりまたは右下がりに、おおむね一直線の方向へ分布している場合に向いています。

数式が理解しやすく、報告書やプレゼンテーションでも説明しやすい点が大きな利点です。

たとえばY＝1.8X＋500と表示された場合、Xが1増えるとYは平均で1.8増えると解釈できます。

最初に線形近似を試し、散布図とのずれを観察してから他の式を検討する流れが実用的です。

ただし、現実の現象が明らかに曲線的であれば、直線に無理に当てはめないほうがよいでしょう。

多項式近似と指数近似

売上の伸びが途中から鈍化する、温度が高すぎると不良率が上がるといったデータでは、曲線的な動きが見られます。

このような場合には、多項式近似を使うと山型や谷型の傾向を表現しやすくなります。

多項式近似では次数を設定でき、2次式なら放物線、3次式なら変化の向きが複数回変わる曲線を作成できます。

一方、一定の割合で急増または急減するようなデータには、指数近似が適しています。

たとえば複利による資産の増加、初期段階の利用者数増加、時間経過による減衰などが該当するでしょう。

対数近似とべき乗近似

対数近似は、初めは大きく変化し、その後は変化が緩やかになるデータに向いています。

練習量と習熟度、広告接触回数と認知度などでは、最初の増加が大きく、次第に効果が小さくなる場合があります。

べき乗近似は、面積と長さ、物理量同士の関係など、倍率による変化を扱う際に利用されます。

近似曲線	向いている分布	主な利用場面
線形	直線的な増減	費用と売上、数量と金額
多項式	山型や谷型の変化	温度と品質、需要の増減
指数	急激な増加や減少	成長率、減衰、複利計算
対数	初期変化が大きく後半で緩やか	習熟、認知、飽和傾向
べき乗	比率に応じた曲線的変化	技術データ、物理的関係

どの近似曲線を使う場合でも、数式の複雑さより、データの意味と予測結果の妥当性を優先することが大切です。

数式表示とR2値の読み方

続いては、グラフ上に表示した数式とR2値を、分析にどう活用するか確認していきます。

回帰式の係数

線形近似で表示されるY＝aX＋bという式では、aとbに注目します。

aが正ならXの増加に伴いYも増える傾向があり、負ならXが増えるほどYが減る傾向です。

aの絶対値が大きいほど、Xの変化に対するYの変化量は大きくなります。

ただし、単位が違えば傾きの数値だけを単純比較できません。

広告費を千円単位で入力したのか、円単位で入力したのかによって、係数の見え方も大きく変化します。

R2値の目安

R2値は、回帰式によってYの変動をどの程度説明できるかを示す指標です。

たとえばR2値が0.80なら、Yの変動のうちおよそ80パーセントをその式で説明できると考えます。

一般に1に近いほど当てはまりはよくなりますが、必要な水準は業務やデータの性質によって異なります。

R2値の目安	読み取り方	確認したい点
0.90以上	強い当てはまり	外れ値やデータ範囲を確認
0.70から0.90未満	比較的強い傾向	実務判断に使う条件を整理
0.40から0.70未満	一定の関係がある可能性	追加要因や区分別分析を検討
0.40未満	単一の式では説明しにくい傾向	データ品質と変数選定を見直す

R2値に絶対的な合格ラインはなく、分析の目的に照らして判断する必要があります。

人の行動や市場動向のように多くの要因が関わるデータでは、R2値が中程度でも有用な発見につながることがあります。

R2値だけでは判断できない要素

R2値が高い場合でも、データ数が少なければ偶然の影響を受けているかもしれません。

また、極端な値を含めたことで直線的に見えている可能性もあります。

回帰分析では、散布図の形、外れ値、データ数、測定条件、対象期間を総合的に見ることが欠かせません。

相関が見られても、片方がもう片方を直接引き起こしているとは限りません。

季節、価格改定、キャンペーン、競合状況などの共通要因が、両方の数値に影響している場合もあります。

エクセルでの表示調整と分析精度

続いては、回帰曲線を見やすく表示し、分析精度を高めるための設定を確認していきます。

近似曲線の書式設定

近似曲線を追加した後は、線の色、太さ、種類を調整できます。

データ点と回帰曲線の色が近すぎると判別しづらいため、曲線は少し濃い色や太い線にすると見やすくなります。

複数の系列を比較するグラフでは、系列ごとに異なる色の近似曲線を設定する方法も便利です。

ただし色を増やしすぎると情報が散らかるため、重要な比較対象に絞るとよいでしょう。

数式やR2値のラベルは、データ点と重ならない位置に移動します。

グラフは正確さと同時に、第三者が短時間で理解できる読みやすさも重要です。

小数点と軸の単位

回帰式に表示される係数の桁数が少ないと、計算結果に誤差が出ることがあります。

表示された数式を右クリックして近似曲線ラベルの書式設定を開き、数値の表示形式で小数点以下の桁数を増やせます。

とくに小さな数値を扱う場合は、係数を数桁だけで判断しないことが必要です。

横軸と縦軸の最小値、最大値、目盛間隔も調整すると、データの分布が読み取りやすくなります。

ただし、軸の範囲を狭くしすぎると変化が実際以上に大きく見える場合があります。

外れ値とデータ範囲

外れ値とは、他のデータ点から大きく離れた値のことです。

外れ値には入力ミスもありますが、重要な出来事や例外的な需要を示していることもあります。

そのため、外れ値を見つけたからといって、すぐに削除するのは適切ではありません。

元データを確認し、誤入力なら修正し、正しい観測値なら残したうえで理由を注記する方法が基本です。

分析目的によっては、通常時の傾向と特別な期間を分け、別々に回帰曲線を作成すると有効でしょう。

回帰曲線の精度は、エクセルの機能よりも、元になるデータの質と範囲に大きく左右されます。

実務で役立つ回帰曲線の活用場面

続いては、回帰曲線を実務の予測や改善に生かす代表的な場面を確認していきます。

売上予測と広告効果

広告費と売上の関係を散布図にすると、費用を増やしたときの売上傾向を把握しやすくなります。

線形近似で一定の傾向が見られれば、予算案を検討する材料として回帰式を使えます。

ただし広告費だけで売上が決まるわけではなく、商品価格、季節、在庫、競合施策なども影響します。

そのため、回帰曲線は予算を自動的に決める道具ではなく、検討の出発点として活用するのがよいでしょう。

同じ広告費でも媒体別、商品別、地域別に分けると、より実態に近い傾向を見つけられる場合があります。

品質管理と製造条件

製造業や検査業務では、温度、圧力、加工時間、材料配合といった条件と、品質指標の関係を分析できます。

たとえば加工温度と不良率の散布図を作成すると、適切な温度帯の検討に役立ちます。

山型の傾向が見られるなら、多項式近似を用いて最適条件の候補を考えることも可能です。

ただし回帰式から求めた最適値は、実験や現場検証を通じて確かめる必要があります。

測定条件が変われば曲線も変化するため、定期的にデータを更新する運用が望ましいでしょう。

学習データと業務改善

学習時間と得点、作業時間と処理件数、研修回数とミス件数なども、回帰曲線で確認できるテーマです。

初期段階で大きく改善し、その後は伸びが緩やかになる場合には、対数近似が参考になることがあります。

一方で、個人差が大きいデータを全員分まとめると、特徴が見えにくくなる場合もあります。

経験年数や担当業務などでグループを分けると、より具体的な改善策につながるでしょう。

回帰曲線をエクセルで作成する際のまとめ

回帰曲線をエクセルで作るには、まず横軸と縦軸の意味を整理し、散布図を作成してから近似曲線を追加します。

線形近似は基本となる選択肢であり、データの形に応じて多項式、指数、対数、べき乗近似を検討するとよいでしょう。

数式を表示すれば予測値の計算に利用でき、R2値を表示すればデータへの当てはまりを確認できます。

ただし、R2値だけで分析の良し悪しを決めず、散布図の分布、外れ値、データ数、現場の背景をあわせて判断することが重要です。

グラフの書式や軸の単位も整えれば、回帰曲線は報告資料としてさらに伝わりやすくなります。

エクセルの近似曲線を活用し、日々の数値を根拠ある気づきと次の行動につなげていきましょう。