Excelで重回帰分析を実務で使うための前処理チェックリスト

重回帰分析の精度は前処理で決まる：まず確認すべきデータの全体像
欠損値・外れ値・入力ミスを見つけるExcelチェックポイント
説明変数を整える：単位・尺度・カテゴリデータの扱い方
多重共線性を防ぐ：相関チェックと不要な変数の見極め方
分析前の最終確認：実務で使える前処理チェックリスト

重回帰分析の精度は前処理で決まる：まず確認すべきデータの全体像

Excelで重回帰分析を行うとき、つい「分析ツールを開いて、目的変数と説明変数を指定すれば完了」と考えがちです。しかし実務では、分析結果の精度や信頼性の大半は、分析前のデータ前処理で決まります。

たとえば、売上を予測するために「広告費」「営業訪問数」「Web流入数」などを説明変数として使う場合、元データに抜け漏れや入力ミスがあると、Excelはそのまま計算してしまいます。その結果、見た目はそれっぽい回帰式が出ても、実際の意思決定には使えない数字になる可能性があります。

まず確認したいのは、データの全体像です。具体的には、以下のような観点でチェックします。

分析対象のデータ範囲は正しいか
行数は十分にあるか
目的変数と説明変数の関係は業務上自然か
列名や単位が明確になっているか
期間や対象部署など、データの条件がそろっているか

特に重要なのが、「何を予測・説明したいのか」を明確にすることです。重回帰分析では、予測したい項目を「目的変数」、その要因として使う項目を「説明変数」と呼びます。売上を予測したいのか、解約率を説明したいのか、問い合わせ件数を見積もりたいのかによって、必要なデータは変わります。

Excel上では、まず1行目に項目名を入れ、2行目以降にデータが並ぶ表形式に整えましょう。途中に空白行や合計行、小計行が入っていると、分析時に範囲指定を誤る原因になります。見やすさのために入れた装飾が、分析ではノイズになることもあります。

また、データ件数にも注意が必要です。説明変数が多いのにデータ行数が少ないと、分析結果が不安定になります。実務では最低限、説明変数の数に対して十分なサンプル数があるかを確認しましょう。目安としては、説明変数1つにつき10件以上のデータがあると安心です。

重回帰分析は、Excelでも手軽に実行できます。しかし、元データの状態を確認せずに進めると、結果を読み解く段階で「この数字は本当に信頼できるのか？」と迷うことになります。分析ボタンを押す前に、まずデータの目的・範囲・構造を整理することが、実務で使える分析の第一歩です。

欠損値・外れ値・入力ミスを見つけるExcelチェックポイント

データの全体像を確認したら、次に行うべきは欠損値・外れ値・入力ミスのチェックです。重回帰分析では、1つのセルの異常が回帰係数や予測精度に影響することがあります。特にExcelは、多少データが汚れていても計算自体は進んでしまうため、分析前に人の目と関数で確認することが重要です。

まず確認したいのが欠損値です。欠損値とは、本来入っているべき数値や文字が空白になっている状態を指します。たとえば、売上データの一部に広告費が入力されていない場合、その行を分析に含めるべきか判断が必要です。

Excelでは、空白セルを見つけるために以下の方法が使えます。

フィルターで「空白」を選択する
COUNTBLANK関数で空白セルの数を数える
条件付き書式で空白セルに色を付ける

欠損値を見つけたら、安易に「0」で埋めないようにしましょう。たとえば広告費が空白の場合、「広告費を使っていない」のか「入力し忘れた」のかで意味がまったく違います。前者なら0で問題ありませんが、後者なら元データの確認が必要です。実務では、欠損の理由を確認したうえで、行を除外する・平均値で補完する・担当者に確認するなどの対応を決めます。

次にチェックすべきなのが外れ値です。外れ値とは、ほかのデータと比べて極端に大きい、または小さい値のことです。たとえば通常の月間売上が100万円前後なのに、ある月だけ1億円になっている場合、特別な大型案件なのか、単なる入力ミスなのかを確認する必要があります。

Excelで外れ値を見つけるには、まず各列の最小値・最大値・平均値を確認しましょう。

MIN関数：最小値を確認
MAX関数：最大値を確認
AVERAGE関数：平均値を確認
箱ひげ図や散布図：極端な値を視覚的に確認

特におすすめなのは、説明変数と目的変数の関係を散布図で見ることです。数値だけでは気づきにくい異常値も、グラフにすると一目で発見できます。データが1点だけ大きく離れている場合、その値が分析結果を大きく引っ張っている可能性があります。

最後に、意外と多いのが入力ミスです。単位の桁違い、全角数字、不要なスペース、文字列として保存された数値などは、Excel分析でよくある落とし穴です。たとえば「1000」と入力すべきところを「10000」としていたり、「1,000円」のように文字列が混ざっていたりすると、正しく計算できない場合があります。

入力ミスを防ぐには、フィルターで一覧化したり、昇順・降順に並べ替えたりするのが効果的です。並べ替えるだけでも、極端に大きい値や小さい値、形式が違うデータを見つけやすくなります。また、ISNUMBER関数を使えば、数値として認識されているかを確認できます。

分析前の段階で、欠損値・外れ値・入力ミスを丁寧に確認しておくことで、重回帰分析の結果に対する不安を大きく減らせます。Excelでの前処理は地味な作業ですが、実務で「使える分析」にするための土台です。

説明変数を整える：単位・尺度・カテゴリデータの扱い方

欠損値や外れ値を確認したら、次は説明変数の形を分析しやすい状態に整えることが重要です。重回帰分析では、目的変数に影響しそうな項目を説明変数として使いますが、そのままExcelに入れればよいとは限りません。単位がバラバラだったり、文字データが混ざっていたりすると、結果の解釈が難しくなります。

まず確認したいのが単位の統一です。たとえば広告費の列に「円」と「万円」が混在していると、数値の意味が大きく変わってしまいます。ある行は「100万円」、別の行は「100」と入力されている場合、Excel上では同じ数値でも、実務上の意味はまったく違います。

説明変数に使う列は、以下のように単位を明確にしておきましょう。

広告費：円、万円などをどちらかに統一する
訪問数：月間件数なのか、累計件数なのかをそろえる
Web流入数：セッション数、ユーザー数など定義を統一する
期間：日次、週次、月次など粒度を合わせる

Excelでは、列名に「広告費（万円）」「訪問数（月間）」のように単位を書いておくと、後から見返したときにも迷いにくくなります。実務では、分析結果を上司やチームに共有する場面も多いため、誰が見ても意味が分かる列名にしておくことが大切です。

次に意識したいのが尺度の違いです。説明変数には、「広告費」のように数百万単位のものもあれば、「営業人数」のように1桁〜2桁のものもあります。重回帰分析自体は尺度が違っていても実行できますが、回帰係数を比較するときに注意が必要です。

たとえば、広告費が「1万円増えたとき」と、営業人数が「1人増えたとき」では、1単位の意味が違います。そのため、係数の大きさだけを見て「この変数の影響が大きい」と判断するのは危険です。必要に応じて、平均0・標準偏差1にそろえる標準化を行うと、変数同士の影響度を比較しやすくなります。

Excelで標準化する場合は、以下のような式を使います。

=(対象セル-AVERAGE(列範囲))/STDEV.S(列範囲)

ただし、実務で予測式として使いたい場合は、標準化すると解釈がやや難しくなることもあります。影響度を比較したいのか、現場で使いやすい予測式を作りたいのか、目的に応じて使い分けましょう。

また、カテゴリデータの扱いにも注意が必要です。カテゴリデータとは、「地域」「商品カテゴリ」「担当部署」「キャンペーン有無」のように、数値ではなく分類を表すデータです。Excelの重回帰分析では、基本的に数値データを使うため、文字のままでは分析に入れられません。

カテゴリデータは、ダミー変数に変換します。たとえば「キャンペーン有無」であれば、実施ありを「1」、実施なしを「0」とします。「地域」が「東京・大阪・名古屋」の3種類ある場合は、それぞれの地域ごとに列を作り、該当する場合は1、該当しない場合は0を入力します。

地域	東京	大阪	名古屋
東京	1	0	0
大阪	0	1	0

ただし、カテゴリが3種類ある場合に3列すべてを説明変数に入れると、分析上の問題が起きることがあります。実務では、基準となるカテゴリを1つ決めて、その列は入れないのが一般的です。たとえば「名古屋」を基準にするなら、「東京」「大阪」の2列だけを使います。

説明変数を整える作業は、少し面倒に感じるかもしれません。しかし、単位・尺度・カテゴリの扱いをそろえておくことで、重回帰分析の結果を正しく読み取りやすくなります。Excelで分析する前に、各説明変数が「そのまま使える形になっているか」を一列ずつ確認しておきましょう。

多重共線性を防ぐ：相関チェックと不要な変数の見極め方

説明変数を整えたら、次に確認したいのが多重共線性です。多重共線性とは、説明変数同士の相関が強すぎる状態を指します。簡単に言えば、「似たような情報を持つ変数を、重回帰分析にいくつも入れてしまっている状態」です。

たとえば、売上を予測する分析で「Web流入数」と「ページビュー数」を両方入れるケースを考えてみましょう。どちらもWebサイトのアクセス量を表す指標なので、かなり似た動きをする可能性があります。このような変数を同時に入れると、Excelの分析結果で係数が不自然になったり、重要そうな変数のP値が悪く見えたりすることがあります。

多重共線性が起きると、以下のような問題が発生しやすくなります。

回帰係数のプラス・マイナスが直感と逆になる
係数の値が不安定になり、データを少し変えるだけで結果が大きく変わる
どの説明変数が本当に効いているのか判断しにくくなる
予測精度は高そうに見えても、実務で説明しづらいモデルになる

Excelで最初に行うべきチェックは、説明変数同士の相関係数を見ることです。相関係数は、2つの変数がどれくらい同じ動きをしているかを示す数値で、-1から1の範囲を取ります。1に近いほど同じ方向に動き、-1に近いほど逆方向に動きます。

Excelでは、CORREL関数を使って相関係数を確認できます。

=CORREL(変数Aの範囲, 変数Bの範囲)

説明変数が多い場合は、「データ」タブの「データ分析」から相関を選び、相関行列を作ると効率的です。相関行列を見て、0.8以上または-0.8以下の組み合わせがあれば、かなり強い関係があると考えて注意しましょう。

ただし、相関が高いからといって必ず削除する必要はありません。大切なのは、業務上どちらの変数を残すべきかを判断することです。たとえば「広告費」と「広告表示回数」の相関が高い場合、予算管理に使いたいなら広告費、施策の反応量を見たいなら表示回数を残す、といった考え方ができます。

不要な変数を見極めるときは、次の観点で比較すると判断しやすくなります。

目的変数との関係がより強いのはどちらか
現場で改善アクションにつなげやすいのはどちらか
データの取得が安定しているのはどちらか
上司や関係者に説明しやすい指標はどちらか

また、カテゴリデータをダミー変数化した場合も注意が必要です。前章で触れたように、すべてのカテゴリ列を分析に入れると、変数同士が完全に連動してしまいます。基準カテゴリを1つ外すことで、多重共線性を避けやすくなります。

重回帰分析では、「説明変数は多いほどよい」と考えがちですが、実務では逆効果になることもあります。似た変数を詰め込みすぎるよりも、意味が明確で、行動につながる変数に絞ったほうが、使いやすい分析になります。

Excelで分析を実行する前に、説明変数同士の相関を確認し、似た情報を持つ変数が重複していないかをチェックしましょう。多重共線性を防ぐことは、結果を正しく読み取り、現場で納得感のある意思決定につなげるための重要な前処理です。

分析前の最終確認：実務で使える前処理チェックリスト

ここまで確認してきた前処理が終わったら、いよいよExcelで重回帰分析を実行する前の最終チェックです。実務では、分析結果そのものよりも「その結果を上司や関係者に説明できるか」が重要になります。あとから「データ範囲が違っていた」「変数の意味が曖昧だった」とならないよう、最後にチェックリスト形式で確認しておきましょう。

確認項目	チェック内容
分析目的	何を予測・説明したいのかが明確になっているか
データ範囲	対象期間、部署、商品などの条件がそろっているか
表の形式	1行目に列名、2行目以降にデータが並んでいるか
欠損値	空白セルの理由を確認し、対応方針を決めているか
外れ値	極端な値が入力ミスなのか、実態のあるデータなのか確認したか
単位・尺度	円・万円、日次・月次などの単位が統一されているか
カテゴリデータ	必要に応じてダミー変数に変換し、基準カテゴリを外しているか
多重共線性	説明変数同士の相関が高すぎないか確認したか