決定係数と重相関係数の違いを図解付きで理解する：R²とRの意味を正しく使い分けるコツ

---

決定係数と重相関係数の違いを徹底解説

決定係数と重相関係数は、データの関係性を表すときに使う指標です。決定係数はデータの分散のうちいくらを説明できるかを示し、式では R^2 と書かれることが多いです。0から1の値を取り、1に近いほど従属変数の分散を上手く説明していると判断されます。一方、重相関係数は説明変数の線形結合と従属変数の間の相関の強さを表すもので、Rと呼ばれます。Rは0から1の範囲を取り、R^2と深い関係がありますが意味は別物です。R^2は分散の説明割合を示すのに対し、Rは直線的な結びつきの強さを示します。ここでのポイントは、同じデータを扱うときも指標の意味を混同しないことです。特に複数の説明変数を使うとき、R^2は説明変数の数に応じて必ず大きくなりがちで、誤解を招くことがあります。

この点を理解するだけで、データの読み方がずいぶん明確になります。

この2つの指標を正しく使い分けるコツは、目的に合わせた解釈を意識することです。決定係数は「どれだけ説明できているか」を、重相関係数は「全体の関係の強さ」を表すと考えると分かりやすいです。R^2が高くても、必ずしも意味のあるモデルとは限りません。複数の説明変数を追加したときには、調整済み決定係数を併用してモデルの妥当性を評価しましょう。数式だけでなく、データの背景や現象の性質を考えることが重要です。

実務での使い方と注意点

実務ではまずデータの性質を確認し、決定係数だけで結論を出さないことが基本です。サンプル数が少ないと R^2 は高く出やすく、逆に大きなデータセットでは過剰に説明されたと感じることがあります。その対策として 調整済み決定係数 を使い、説明変数の数を加味します。

さらに 重相関係数の解釈では、個々の説明変数の寄与を正しく判断するには 部分回帰 や 標準化回帰係数、多重共線性診断 などを用いましょう。データに非線形な関係がある場合は 非線形モデル や 交互作用項 の検討も必要です。

以下は指標の要点を手早く見られる表です。表を見れば、両者の違いを一度に把握できます。

e>指標定義値の範囲解釈のポイント決定係数R^2説明変数が従属変数の分散をどれだけ説明するか0 から 1高いほど良いが説明変数が多すぎると現実的でないことがある重相関係数R従属変数と説明変数の線形結合との相関0 から 1大きさは強い関係を示すが寄与の分解には別の手法が必要

結論として、決定係数と重相関係数は同じデータを分析しても別の情報を提供します。分析の目的に合わせて、両方を適切に解釈・併用することが、信頼できる結論へとつながります。

ピックアップ解説

ねえ、決定係数って結局どういう意味？私たちはデータの関係を図で表したいときにこれを使うんだけど、端的に言うと決定係数はデータの説明力を示す数字だよ。R^2と呼ばれて0から1の間をとる。0ならまったく説明できない、1ならほぼ完璧に説明できる、という感覚。だけど現実にはサンプルが少ないと過大評価になりやすい。だから決してR^2だけを頼りにしない。説明変数を増やすとR^2は必ず上がってしまう性質があるから、調整済み決定係数を使って調整するのが鉄板。僕はこの感覚を友達に伝えるとき、"R^2だけ見ちゃダメ"と伝えることが多い。例えば社会科学のデータでは、複数の説明変数が似た情報を持っていると寄与が分かりづらくなる。そんなときは少数精鋭の変数を選ぶか、標準化回帰係数を見てみると良い。

---