ExcelのSTEYX関数とは？回帰直線の「予測のばらつき」を求める関数

「広告費から売上を予測したいけど、その予測ってどれくらい当たるの？」
「散布図に近似直線を引いたとき、ばらつきの大きさを数字で表したい」

こんな場面で出番になるのがSTEYX関数です。

この記事ではSTEYX関数の使い方を、SLOPEやINTERCEPT、RSQといった回帰関連の関数と絡めながら解説します。読み終えるころには「予測の精度を数値で語れる」ようになっていますよ。

読み方と語源（Standard Error of Y given X）

STEYX関数の読み方は「スタンダード・エラー・ワイ・エックス」または「ステイ・ワイ・エックス」です。STEYXは「Standard Error of Y given X」の略で、「Xが与えられたときのYの標準誤差」という意味があります。

回帰分析では、X（説明変数）からY（目的変数）を予測する直線を引きますよね。その直線がどれくらい実測値からズレているかを数値化したのが、回帰の標準誤差（残差標準偏差）です。

STEYX関数はこの標準誤差を一発で計算してくれる関数で、Excel 2003以降のすべてのバージョンで使えます。Microsoft 365でもそのまま動きます。

「回帰の標準誤差」とは何か

ざっくり言うと、回帰直線を使って予測したときの「ハズレ幅の目安」です。

たとえば広告費から売上を予測したとします。回帰直線が「売上 = 2 × 広告費 + 50」だった場合、広告費が10のときの予測売上は70です。でも実測値は68だったり75だったりとブレますよね。このブレの大きさを統計的にまとめた数字が、回帰の標準誤差です。

標準誤差が小さいほど予測精度が高く、大きいほど予測のハズレ幅が大きい、ということになります。「この回帰直線、ぶっちゃけどれくらい使えるの？」を数値で答えてくれる便利な指標なんです。

STEYX関数の書き方（構文と引数）

基本構文

まずは基本の書き方を確認しましょう。引数は2つで、どちらも必須です。

=STEYX(known_y's, known_x's)

引数の順番は「Yが先、Xが後」です。SLOPE関数やINTERCEPT関数と同じ順番なので、回帰系の関数はセットで覚えておくと迷いませんよ。

引数を入れる順番に注意

ここは間違えやすいので念押ししておきます。STEYX関数の引数は「Y, X」の順です。「X, Y」と入れ替えると、まったく別の値が返ってきてしまいます。

=STEYX(売上範囲, 広告費範囲)   # 正しい：Yが先
=STEYX(広告費範囲, 売上範囲)   # 間違い：XとYが逆

「予測したいもの（Y）が先、予測の元（X）が後」と覚えておけば大丈夫です。Excelの関数ヒントにも known_y's, known_x's と表示されるので、そこも確認しながら入力してみてください。

STEYX関数の基本的な使い方

数値例で動かしてみる

実際に手を動かして使ってみましょう。次のような広告費と売上のデータがあるとします（単位は万円）。

このデータがA2:B6に入っているとして、広告費がX、売上がYだとします。STEYX関数で回帰の標準誤差を求める数式はこうなります。

=STEYX(B2:B6, A2:A6)

結果は約3.05です。これは「回帰直線で予測した売上は、実測値から平均しておよそ±3.05万円ズレる」という意味になります。

結果の意味を読み解く

回帰の標準誤差が3.05ということは、おおよそ次のように解釈できます。

• 予測売上に対して、実測値の約68%が±3.05の範囲に収まる
• 予測売上に対して、実測値の約95%が±6.10（標準誤差の2倍）の範囲に収まる

この「68%」「95%」は、残差が正規分布に従うと仮定したときの目安です。データのばらつき具合を直感的に把握する指標として使われます。

「3.05って大きいの？小さいの？」と思いますよね。この判断はYの値の大きさとセットで考えるのがコツです。今回の売上は70〜115の範囲なので、ばらつき3.05はかなり小さい部類で、回帰直線の精度はそこそこ高い、という見方ができます。

計算の中身（参考）

STEYX関数の内部では、次の式で計算されています。難しければ読み飛ばしてOKです。

標準誤差 = √( Σ(実測Y - 予測Y)² / (n - 2) )

実測Y - 予測Y は残差（ズレ）と呼ばれる値です。この残差の二乗平均を取って、自由度（n-2）で割って、最後に平方根を取ります。

「自由度 n-2」というのが特徴で、回帰直線は「傾き」と「切片」の2つのパラメータを推定するため、データ点の数nから2を引いた値で割るんです。STEDEV.S関数（n-1で割る）とは少し違うので、回帰専用の指標として覚えておくといいですね。

STEYXとSLOPE・INTERCEPT・RSQ・FORECASTの関係

回帰分析でよく使う関数たちを、STEYXとセットで整理しておきましょう。

回帰分析で一緒に使う関数たち

引数の順番は全部「Y, X」で揃っているので、まとめて覚えてしまうのが楽です。詳しい使い方はSLOPE関数の記事やINTERCEPT関数の記事も参考にしてください。

「予測直線を引く → 精度を測る」の流れ

実務では、これらの関数を組み合わせて「予測 → 精度評価」までセットでやることが多いです。

傾き    : =SLOPE(B2:B6, A2:A6)
切片    : =INTERCEPT(B2:B6, A2:A6)
R²      : =RSQ(B2:B6, A2:A6)
予測値  : =FORECAST.LINEAR(35, B2:B6, A2:A6)
標準誤差: =STEYX(B2:B6, A2:A6)

R²（決定係数）は「データのばらつきのうち、回帰直線で説明できた割合」を表す0〜1の値で、1に近いほど当てはまりがいいことを示します。詳しくはRSQ関数の記事を参考にしてください。

R²と標準誤差はどちらも回帰直線の評価指標ですが、見方が違います。R²は「全体的な当てはまりの良さ」を割合で示し、STEYXは「実際のズレの大きさ」を元の単位（今回なら万円）で示してくれます。両方セットで見ると、回帰モデルの精度をしっかり評価できますよ。

FORECAST.LINEARと組み合わせて予測区間を作る

FORECAST.LINEARで予測値を出して、STEYXで標準誤差を出せば、ざっくりした予測区間も作れます。

予測値 ± 2 × 標準誤差   # 約95%の予測区間

たとえば広告費35のときの予測売上が127、標準誤差が3.05なら、「約95%の確率で売上は120.9〜133.1の範囲」と見積もれます。「予測値だけ出されてもどれくらい信頼できるか分からない」という上司への報告がラクになりますよ。詳しい予測の出し方はFORECAST.LINEAR関数の記事もあわせて読んでみてください。

よくあるエラーと対処法

#N/Aエラー：YとXの個数が違う

STEYX関数で一番見かけるのが#N/Aエラーです。原因はだいたいこれです。

• known_y’s と known_x’s のデータ個数が違う

たとえばYは10件、Xは9件だと、データペアが作れずエラーになります。

=STEYX(B2:B11, A2:A10)   # Yは10件、Xは9件 → #N/Aエラー
=STEYX(B2:B11, A2:A11)   # 個数を揃えるとOK

「あれ、なぜか#N/Aが出る」というときは、まず範囲の行数を確認してみてください。コピペで範囲を作ったときに、片方だけずれてしまうことがよくあります。

#DIV/0!エラー：データが少なすぎる、Xがすべて同じ

データ点が2件しかなかったり、Xの値がすべて同じだったりすると、#DIV/0!エラーになります。

known_y's: {70}, known_x's: {10}        → #DIV/0!（データが1件のみ）
known_y's: {70, 80, 90}, known_x's: {10, 10, 10}  → #DIV/0!（Xがすべて同じ）

回帰直線を引くにはXに変動が必要で、しかも「自由度 n-2」で割る計算式の都合上、データは最低3件以上ないと意味のある値が出せません。ばらつきがゼロのデータには回帰の概念が成立しないんですね。

#VALUE!エラー：引数に文字列が混ざっている

引数の範囲に文字列や論理値が混ざっていると#VALUE!エラーになります。

=STEYX(B2:B6, A2:A6)

A列やB列に「データなし」「-」のような文字列が入っているとエラーになるので、空欄にしておくか、IFERROR関数でフィルターしましょう。

エラーを事前にトラップしたい場合は、IFERROR関数で囲むのもアリです。

=IFERROR(STEYX(B2:B6, A2:A6), "データを確認してください")

データ入力者にも親切なメッセージが出せるので、共有ファイルではこの書き方がおすすめです。

まとめ

STEYX関数は、回帰直線の「予測のばらつき」を一発で計算してくれる関数です。

ポイントを整理しておきましょう。

• 構文は =STEYX(known_y's, known_x's) で、Yが先、Xが後の順
• 結果は「予測値が実測値から平均してどれくらいズレるか」を、元の単位で示す
• 自由度は n-2 で、回帰直線専用の標準偏差として計算される
• SLOPE・INTERCEPT・RSQ・FORECAST.LINEAR とセットで使うと、回帰分析がぐっと深まる
• データ件数の不一致（#N/A）、データ不足（#DIV/0!）、文字列混入（#VALUE!）に注意

回帰直線の精度を数値で語れるようになると、レポートの説得力がぐっと上がります。FORECAST.LINEARで予測値を出すついでに、STEYX関数で「±どれくらいブレるか」もセットで報告すると、相手に親切な分析資料に仕上がりますよ。

ExcelのLINEST関数を使えば、最小二乗法による線形回帰の傾き・切片だけでなく、決定係数R²やF統計量まで一括で取得できます。この記事では基本構文から統計情報の読み解き方、FORECAST.LINEAR関数と組み合わせた予測の手順まで丁寧に解説しますよ。

LINEST関数とは？どんなときに使う関数か

LINEST関数は「リネスト」と読みます。LINear + ESTimate（線形推定）が語源です。

LINEST関数は、既存のデータに y = mx + b という線形回帰モデルをあてはめ、傾き（m）と切片（b）を返す関数です。mはxが1増えたときにyがいくつ変化するかを表し、bはx=0のときのyの値を意味しています。

たとえば広告費と売上の関係を調べたとき、m=2.5と出たら「広告費を1万円増やすごとに売上が2.5万円増える」という関係がわかります。bは広告費ゼロのときのベース売上ですね。

LINEST関数は予測値そのものではなく「回帰モデルの中身」を返す関数です。予測値がほしい場合はFORECAST.LINEAR関数やTREND関数と組み合わせて使います。

SLOPE関数・INTERCEPT関数との違い

傾きだけならSLOPE関数、切片だけならINTERCEPT関数でも求められます。ただし、これらの関数では回帰モデルの精度（R²やF値）はわかりません。

LINEST関数は「傾き・切片・統計情報」をまとめて返せる点が最大の強みです。回帰分析の結果を一括で確認したいときに使ってください。

LINEST関数の構文と4つの引数

基本構文

=LINEST(既知のy, [既知のx], [定数], [補正])

LINEST関数は配列数式として動作します。Excel 2021・Microsoft 365では、結果が複数セルに自動展開（スピル）されます。Excel 2019以前は、Ctrl + Shift + Enter での確定が必要です。

引数の一覧

引数①：既知のy（必須）

回帰の対象となるyの値を指定します。売上や来客数など、分析したいデータの列です。

引数②：既知のx（省略可）

yに対応するxの値を指定します。年度や月番号、広告費のような説明変数が入ります。

省略すると {1, 2, 3, …} という連番が自動で割り当てられます。時系列データが等間隔に並んでいるなら省略してもOKですよ。

引数③：定数（省略可）

切片bの扱いを指定します。

ほとんどの場合はTRUE（または省略）で問題ありません。原点を通る回帰を求めたい特殊なケースでFALSEを使います。

引数④：補正（省略可）

統計情報を追加出力するかどうかを指定します。

TRUEにすると決定係数R²やF統計量など、モデルの精度を評価するための情報も一緒に得られます。最初はTRUEで出力して、モデルの信頼性を確認するのがおすすめです。

基本的な使い方（傾きと切片を求める）

まずはシンプルな例で、傾きと切片を求めてみましょう。

次のサンプルデータを用意してください。

D2セルに次の数式を入力してください。

=LINEST(B2:B6, A2:A6)

D2に傾き（約27）、E2に切片（約78）が返されます。Microsoft 365ではスピルで2つのセルに展開されますよ。

この結果は「月が1つ進むごとに売上が約27万円増える」「1ヶ月目の開始時点のベース売上が約78万円」という意味です。回帰式 y = 27x + 78 が得られたことになります。

ここで注意したいポイントがあります。 LINEST関数は傾き→切片の順で「右から左」に値を返します。D2がm（傾き）、E2がb（切片）です。SLOPE関数やINTERCEPT関数と結果を比べて確認してみるとわかりやすいですよ。

=SLOPE(B2:B6, A2:A6)   → D2の値と一致
=INTERCEPT(B2:B6, A2:A6) → E2の値と一致

補正=TRUEで返される5行2列の統計情報を読み解く

LINEST関数の真価は、補正をTRUEにしたときに発揮されます。5行×2列（計10個）の値が返されるのでちょっと多く見えますが、それぞれの意味を整理すれば難しくありません。

D2セルに次の数式を入力してください。

=LINEST(B2:B6, A2:A6, TRUE, TRUE)

Microsoft 365ではD2:E6に5行2列の結果がスピルします。Excel 2019以前では、D2:E6を選択した状態で数式を入力し、Ctrl + Shift + Enter で確定してください。

1行目：傾きm・切片b（回帰式の本体）

回帰式 y = mx + b の心臓部です。傾き27は「月1つあたり売上が27万円増加」、切片78は「0ヶ月目のベース売上が78万円」を意味します。

2行目：各係数の標準誤差

係数の「ブレ幅」を示す値です。標準誤差が小さいほど、その係数の推定が安定していることを意味します。

3行目：決定係数R²とyの標準誤差

R²（決定係数）は最重要の指標です。 0～1の範囲で、1に近いほどモデルがデータにフィットしていることを示します。別途RSQ関数で求めることもできますよ。

4行目：F統計量と自由度

F値が大きいほど「回帰モデルが偶然でなく統計的に意味がある」ことを示します。学術論文でなければ、R²だけ確認すれば実務上は十分ですよ。

5行目：回帰平方和と残差平方和

回帰平方和はモデルが説明できた変動量、残差平方和は説明しきれなかった変動量です。ssreg / (ssreg + ssresid) = R² という関係がありますよ。

実践的な使い方：LINEST + FORECAST.LINEARで売上予測

LINEST関数で回帰モデルの精度を確認し、FORECAST.LINEAR関数で予測値を出す。この2ステップが実務での定番ワークフローです。

Step1：LINESTでR²を確認する

先ほどのサンプルデータを使い、補正=TRUEで統計情報を出力します。

=LINEST(B2:B6, A2:A6, TRUE, TRUE)

3行目左側のR²を確認してください。0.9以上であれば、線形モデルがデータにフィットしているので予測に進めます。

Step2：FORECAST.LINEARで将来の売上を予測する

R²が十分に高ければ、FORECAST.LINEAR関数で予測を出します。8セルに「6」（6ヶ月目）を入力しておき、B8セルに次の数式を入力してください。

=FORECAST.LINEAR(A8, B2:B6, A2:A6)

6ヶ月目の予測売上が返されます。FORECAST.LINEAR関数は内部でLINESTと同じ最小二乗法の計算を行い、新しいxに対するy値を直接返してくれますよ。

手動で計算したい場合は、LINESTから得た傾きmと切片bを使って次の式でも同じ結果になります。

=D2 * A8 + E2

D2がm（傾き）、E2がb（切片）の場合です。FORECAST.LINEAR関数のほうが手軽ですが、式の仕組みを理解するために一度は手計算も試してみてください。

複数の将来値をまとめて予測する（TREND関数）

複数のxに対する予測値を一括で得たい場合は、TREND関数が便利です。

A8セルに「6」、A9セルに「7」、A10セルに「8」と入力しておき、B8セルに次の数式を入力してください。

=TREND(B2:B6, A2:A6, A8:A10)

6～8ヶ月目の予測値がスピルで3セルに展開されます。TREND関数はLINESTの線形回帰モデルで予測値をまとめて返してくれるので、複数期間の予測に向いていますよ。

よくあるエラーと対処法

#VALUE!エラー：配列数式の入力ミス

Excel 2019以前で Ctrl + Shift + Enter を押さずにEnterだけで確定すると、正しい結果が得られません。補正=TRUEの場合は傾き（m）しか返されず、残りのセルに #VALUE! が出ることがあります。

対処法: 出力先セル範囲（補正=TRUEなら5行2列）を選択し、数式を入力してから Ctrl + Shift + Enter で確定してください。数式バーに {=LINEST(…)} と中かっこが表示されれば成功です。

Microsoft 365やExcel 2021なら自動スピルに対応しているので、この問題は起きません。

#REF!エラー：配列サイズの不一致

既知のyと既知のxの配列サイズが一致していないと #REF! エラーが出ます。

対処法: yのデータが5行なら、xも5行に揃えてください。空白セルが混じっていないかも確認しましょう。

#N/A エラー：データが不足している

xの値がすべて同じ場合（変動がない場合）、傾きを計算できず #N/A エラーになることがあります。

対処法: xの値に変動があるか確認してください。すべて同じ値では回帰直線を引くことができません。

エラーの一覧と対処法はExcelのエラー値一覧も参考にしてくださいね。

似た関数との違い・使い分け

回帰分析に関連する関数は複数あります。迷ったときはこの表を参考にしてください。

ポイントは2つの軸で整理することです。

• 知りたいもの: 回帰係数と統計量 → LINEST / LOGEST、予測値 → TREND / GROWTH、個別の値 → SLOPE / INTERCEPT / RSQ
• データの形状: 直線的 → LINEST系、カーブ → LOGEST系

LINEST関数は「回帰モデルの全体像を確認するための関数」と覚えておけば、他の関数との使い分けで迷うことはありません。

よくある質問

Q. 複数の説明変数（重回帰）を扱えますか？

はい、できます。単回帰では既知のxに1列のデータを渡しますが、重回帰では複数列を渡すだけで対応できます。たとえば広告費（B列）と気温（C列）の2変数で売上を分析したい場合は =LINEST(D2:D10, B2:C10, TRUE, TRUE) のように隣接する2列をxとして指定します。出力は変数の数＋1列に広がり、各変数の偏回帰係数と統計量がまとめて返されます。

Q. Google スプレッドシートでも同じように使えますか？

はい、構文・動作はほぼ同じです。スプレッドシート版はスピル（自動展開）が標準対応なので、Ctrl + Shift + Enter は不要です。スプレッドシートでのLINEST関数の詳細はスプレッドシートのLINEST関数の使い方をご覧ください。

Q. Excel 2019・2016などMicrosoft 365以前のバージョンでも使えますか？

LINEST関数自体は古いバージョンでも使えますが、補正=TRUEのときは5行×2列の出力範囲をあらかじめ選択した上で Ctrl + Shift + Enter で確定する必要があります。数式バーに {=LINEST(...)} のように中かっこが付いていれば配列数式として入力できています。Microsoft 365・Excel 2021以降ではスピルが使えるため、出力先セルを1つ選ぶだけで自動展開されます。

まとめ

ExcelのLINEST関数は、最小二乗法で線形回帰モデル（y = mx + b）の傾き・切片と統計情報を求める関数です。

この記事のポイントをおさらいしておきましょう。

• LINEST関数は「傾きm」と「切片b」を返す。予測値がほしいときはFORECAST.LINEAR関数やTREND関数を使う
• 引数「補正」をTRUEにすると、5行2列の統計情報（R²・F値など）も取得できる
• R²（決定係数）が0.9以上ならモデルの当てはまりが良好。予測に活用できる
• 配列数式として入力する（Microsoft 365ではスピル対応）
• SLOPE関数・INTERCEPT関数は個別の値を返すだけ。統計情報まで欲しいならLINEST関数を使う
• カーブするデータにはLOGEST関数、直線的なデータにはLINEST関数を使い分ける

売上予測や広告効果の分析に、ぜひ活用してみてください。Excel関数の一覧はこちらから確認できます。

ExcelのFORECAST.LINEAR関数を使えば、既知のデータから線形回帰で将来の値を予測できます。この記事では基本構文から引数の意味、旧FORECAST関数との違い、LINEST関数と組み合わせた精度確認つきの予測手順まで丁寧に解説しますよ。

FORECAST.LINEAR関数とは？どんなときに使う関数か

FORECAST.LINEAR関数は「フォーキャスト・リニア」と読みます。FORECAST（予測）+ LINEAR（線形）が語源です。

FORECAST.LINEAR関数は、既知のxとyのデータをもとに線形回帰（y = mx + b）を行い、新しいxに対するyの予測値を返す関数です。内部ではLINESTと同じ最小二乗法で傾きmと切片bを計算し、指定したxを回帰式に代入して結果を出してくれます。

たとえば1月から5月までの売上データがあるとき、「6月の売上はいくらになるか」をFORECAST.LINEAR関数で予測できます。結果は1つの数値として返されるので、追加の計算は不要ですよ。

旧FORECAST関数との違い

Excel 2016以降、旧FORECAST関数はFORECAST.LINEAR関数に名称が変わりました。機能はまったく同じです。旧FORECAST関数は互換性のために残されていますが、新しいブックではFORECAST.LINEARを使ってください。

将来のバージョンで旧FORECAST関数が廃止される可能性もあるため、今のうちにFORECAST.LINEARに移行しておくのがおすすめです。

FORECAST.LINEAR関数の書き方（構文と引数）

基本構文

=FORECAST.LINEAR(x, 既知のy, 既知のx)

引数の順番に注意してください。予測したいxの値を最初に指定し、その後に既知のデータを渡します。LINEST関数やTREND関数とは引数の順番が異なるので、混同しないようにしましょう。

引数の一覧

3つの引数はすべて必須です。省略可能な引数はありません。

引数1：x（必須）

予測したいポイントのx値を指定します。たとえば1月～5月のデータで6月を予測するなら、xに「6」を指定します。

数値を直接入力しても、セル参照でもOKです。

引数2：既知のy（必須）

回帰の対象となるyの値を指定します。売上金額や来客数など、予測したい指標のデータ列です。

引数3：既知のx（必須）

yに対応するxの値を指定します。月番号や年度のように、時間軸や説明変数となるデータ列です。

既知のyと既知のxのデータ数は一致させてください。行数が異なると #N/A エラーになります。

基本的な使い方（1つの将来値を予測する）

まずはシンプルな例で、6ヶ月目の売上を予測してみましょう。

次のサンプルデータを用意してください。

A8セルに「6」と入力し、B8セルに次の数式を入力してください。

=FORECAST.LINEAR(A8, B2:B6, A2:A6)

結果は約240が返されます。「6ヶ月目の売上は約240万円」という予測ですね。

この予測値は、内部で計算される回帰式 y = 27x + 78 にx=6を代入した値と一致します。LINEST関数で傾きと切片を確認して、手計算と比べてみると理解が深まりますよ。

=LINEST(B2:B6, A2:A6)  → 傾き約27、切片約78

27 * 6 + 78 = 240 と、FORECAST.LINEARの結果が一致するはずです。

実践的な使い方：LINEST関数と組み合わせた精度確認つき予測

FORECAST.LINEAR関数は便利ですが、予測値だけでは「その予測がどれくらい信頼できるか」がわかりません。実務ではLINEST関数でモデルの精度を確認してからFORECAST.LINEARで予測するのが定番の手順です。

Step1：LINESTでR2（決定係数）を確認する

D2セルに次の数式を入力してください。

=LINEST(B2:B6, A2:A6, TRUE, TRUE)

5行2列の統計情報がスピルで出力されます。3行目左側の値がR2（決定係数）です。

R2が0.9以上であれば、線形モデルがデータにフィットしているので安心してFORECAST.LINEARの予測値を使えます。

Step2：FORECAST.LINEARで予測する

R2が十分に高いことを確認したら、FORECAST.LINEARで予測を出しましょう。

=FORECAST.LINEAR(6, B2:B6, A2:A6)

この2ステップの手順を習慣にしておくと、「予測の根拠はR2が0.99だったので信頼性が高い」と上司に説明できますよ。

複数の将来値を予測する場合はTREND関数

FORECAST.LINEAR関数は1つのxに対して1つの予測値を返します。複数のxをまとめて予測したい場合はTREND関数を使ってください。

=TREND(B2:B6, A2:A6, {6,7,8})

6～8ヶ月目の予測値が一括で返されます。FORECAST.LINEARを1つずつ入力するよりも効率的ですね。

よくあるエラーと対処法

#N/Aエラー：データ数の不一致

既知のyと既知のxの行数が一致していないと #N/A エラーが発生します。

対処法: yが5行ならxも5行に揃えてください。途中に空白セルが混じっていないかも確認しましょう。

#N/Aエラー：xの変動がない

既知のxの値がすべて同じ場合、傾きを計算できないため #N/A エラーになります。

対処法: xの値に変動があるか確認してください。すべて同じ値では回帰直線を引くことができません。

#VALUE!エラー：引数に文字列が含まれている

引数にテキストや論理値が含まれていると #VALUE! エラーが出ます。

対処法: 3つの引数がすべて数値であることを確認してください。日付はExcel内部で数値として扱われるので問題ありませんが、「1月」のような文字列はNGです。

エラーの一覧と対処法はExcelのエラー値一覧も参考にしてくださいね。

似た関数との違い・使い分け

予測や回帰分析に関連する関数は複数あります。迷ったときはこの表を参考にしてください。

ポイントは次の2つで整理することです。

• 知りたいもの: 予測値 → FORECAST.LINEAR / TREND、回帰モデルの中身 → LINEST
• データの特徴: 直線的なトレンド → FORECAST.LINEAR、季節変動あり → FORECAST.ETS

「予測値がほしい」ならFORECAST.LINEAR、「回帰モデルの精度まで確認したい」ならLINEST関数と覚えておけば迷いません。

まとめ

ExcelのFORECAST.LINEAR関数は、既知のデータから線形回帰で将来値を予測する関数です。

この記事のポイントをおさらいしておきましょう。

• FORECAST.LINEAR関数は、指定したxに対するyの予測値を1つ返す。構文は =FORECAST.LINEAR(x, 既知のy, 既知のx)
• 旧FORECAST関数の後継。機能は同じだが、新しいブックではFORECAST.LINEARを使う
• 引数の順番に注意。予測したいxを最初に指定する（LINEST・TRENDとは逆）
• 予測の信頼性を確認するには、LINEST関数でR2（決定係数）をチェックしてから使う
• 複数のxを一括予測するならTREND関数が便利
• 季節変動があるデータにはFORECAST.ETS関数を使い分ける

売上予測や来客数の見込み計算に、ぜひ活用してみてください。Excel関数の一覧はこちらから確認できます。

RSQ関数とは？決定係数R²をサクッと求める関数

「広告費を増やしたら売上は本当に伸びるの？」

こんなふうに、2つのデータの関連度を数値で確認したい場面ってありますよね。なんとなく相関がありそう…では説得力に欠けます。

そんなときに使えるのがスプレッドシートのRSQ関数です。決定係数R²（アールスクエア）という指標を一発で求められます。この記事では、RSQ関数の基本から実践的な活用法までわかりやすく解説していきます。

スプレッドシートのRSQ関数とは？決定係数R²を求める関数

RSQ関数は「R Squared（Rの二乗）」の略です。2組のデータから決定係数R²を計算します。

決定係数R²とは、ざっくり言うと「データのバラつきのうち、どれだけを回帰直線（予測の線）で説明できるか」を示す指標です。値は0から1の範囲で返されます。

• 1に近い → データが回帰直線にピッタリ沿っている（予測精度が高い）
• 0に近い → データがバラバラで回帰直線では説明できない

たとえばR²=0.85なら、「データの変動の85%をこのモデルで説明できる」という意味になります。R²が高いほど、予測の根拠として使いやすくなりますよ。

RSQ関数の構文と引数

基本構文はこちらです。

=RSQ(data_y, data_x)

ここで注意したいのが引数の順番です。 data_y（結果）が先、data_x（原因）が後になります。CORREL関数やSLOPE関数と同じ順番ですね。

戻り値の範囲：0〜1の意味

RSQ関数の戻り値は必ず0以上1以下になります。マイナスになることはありません。

これは、相関係数（2変数の直線的な関連の強さを−1〜1で表す数値）を二乗しているためです。相関係数が−0.8でも、RSQ関数の結果は0.64になります。つまり、RSQ関数は正の相関・負の相関を区別しません。相関の「方向」ではなく「強さ」だけを見る指標です。方向も知りたい場合は、CORREL関数と組み合わせて使いましょう。

RSQ関数の基本的な使い方

実際に使ってみましょう。広告費と売上のサンプルデータで試します。

A2:A7に広告費、B2:B7に売上が入っているとします。

数式の入力例

売上が広告費によってどれだけ説明できるかを求めます。

=RSQ(B2:B7, A2:A7)

結果は約0.974になります。R²=0.974ということは、売上の変動の約97%が広告費で説明できるという意味です。かなり強い関連性ですね。

引数の順番に注意：data_yが先

RSQ関数では引数の順番を入れ替えても結果は変わりません。数学的にR²は対称だからです。

=RSQ(B2:B7, A2:A7)  → 約0.974
=RSQ(A2:A7, B2:B7)  → 約0.974（同じ結果）

ただし、SLOPE関数やFORECAST関数と一緒に使う場面が多いはずです。これらは引数の順番で結果が変わります。混乱を防ぐために、常にdata_yを第1引数にする習慣をつけておくと安心ですよ。

R²の値の読み方と判断基準

「R²がいくつなら合格ライン？」という疑問を持つ方は多いと思います。ここでは目安をまとめます。

R²値の目安表

ただし、この目安は分野によって異なります。工学や物理では0.9以上が求められることが多いです。一方、マーケティングや社会科学では0.3〜0.5でも「有意な関係」として扱われることがあります。

「高いR²=良いモデル」の落とし穴

R²が高いからといって安心はできません。注意すべきケースがあります。

• データが2点だけ → R²は必ず1.0になります。2点なら直線が必ず通るからです。これは過適合と呼ばれる状態で、「サンプルに対してのみ精度が高く見える」という問題があります
• 外れ値の影響 → 1つの極端なデータがR²を大きく変えることがあります
• 見せかけの相関 → 時系列データでは、両方が増加トレンドにあるだけで高いR²が出ることがあります

R²だけを見て「このモデルは正しい」と判断するのは危険です。必ずデータの中身も確認してくださいね。

CORREL²=RSQの関係を理解する

RSQ関数の計算結果は、実はCORREL関数の結果を二乗したものと同じになります。

=RSQ(B2:B7, A2:A7)          → 約0.974
=CORREL(B2:B7, A2:A7)^2     → 約0.974（同じ結果）

CORREL関数との比較で直感的に理解する

CORREL関数は相関係数r（−1〜1の範囲）を返します。RSQ関数はそれを二乗したR²（0〜1の範囲）を返します。

使い分けのポイントはシンプルです。「正の相関か負の相関かを知りたい」ならCORREL関数、「予測モデルの当てはまり度合いを知りたい」ならRSQ関数を使いましょう。

PEARSON関数との違い

スプレッドシートにはPEARSON関数もあります。PEARSON関数はCORREL関数とまったく同じ結果を返します。

=CORREL(B2:B7, A2:A7)   → 同じ値
=PEARSON(B2:B7, A2:A7)  → 同じ値

つまり、以下の3つはすべて同じ結果になります。

=RSQ(B2:B7, A2:A7)
=CORREL(B2:B7, A2:A7)^2
=PEARSON(B2:B7, A2:A7)^2

PEARSON関数は「ピアソンの積率相関係数」の正式名称に由来しています。CORREL関数の別名と考えてOKです。

RSQとSTEYXで回帰精度を2軸評価する

R²は「モデルがどれだけ説明できているか」を示す指標です。でも、実際の予測がどれくらいズレるかはR²だけではわかりません。

ここで役立つのがSTEYX関数です。STEYX関数は回帰の標準誤差（残差の標準偏差）を返します。残差とは、実際のデータと予測値のズレのことです。

R²が高くても誤差が大きいケースがある

たとえば、年間売上が数億円規模のデータでR²=0.95が出たとします。一見すごく良い結果です。しかし、STEYXが5,000万円だったらどうでしょう。

予測のズレが5,000万円もあるなら、実務ではちょっと使いにくいですよね。R²はあくまで「割合」を見ているので、データのスケールが大きいと誤差の絶対額も大きくなりがちです。

2軸評価の具体的な手順

R²とSTEYXを組み合わせて、4つのパターンで判断できます。

実際の数式は以下のように並べて入力します。

=RSQ(B2:B7, A2:A7)     → 約0.974（説明力：非常に高い）
=STEYX(B2:B7, A2:A7)   → 約12.8（予測誤差：約13万円）

R²=0.974でSTEYX=約12.8なら、パターンAに該当します。広告費から売上を予測するモデルとして、十分に信頼できる結果です。

SLOPE・FORECAST・RSQを組み合わせた実践例

ここからは、複数の関数を組み合わせた実践的な使い方を見ていきましょう。

予測値を出してから精度確認するワークフロー

よくあるワークフローは「予測 → 精度確認」の流れです。

ステップ1：回帰直線の傾きと切片を求める

=SLOPE(B2:B7, A2:A7)      → 約7.43（傾き）
=INTERCEPT(B2:B7, A2:A7)  → 約42.86（切片）

SLOPE関数で傾き、INTERCEPT関数で切片を取得します。

ステップ2：新しい広告費に対する売上を予測する

広告費40万円のときの売上予測をFORECAST関数で求めます。

=FORECAST(40, B2:B7, A2:A7)  → 約340.0（万円）

ステップ3：予測の精度を確認する

=RSQ(B2:B7, A2:A7)    → 約0.974（説明力）
=STEYX(B2:B7, A2:A7)  → 約12.8（標準誤差）

R²=0.974でSTEYX関数の誤差も許容範囲なので、「広告費40万円なら売上は約340万円」という予測は信頼性が高いと判断できます。

回帰分析ミニパネルの作り方

上記の関数をまとめて並べると、ちょっとした回帰分析パネルが作れます。

D8に広告費を入れれば、D9に予測売上がすぐ出ます。D4とD5で精度もひと目で確認できるので、社内向けの簡易分析ツールとしておすすめですよ。

LINEST関数との使い分け

RSQ関数は手軽に決定係数を求められる便利な関数です。ただし、説明変数（原因側）が1つの単回帰分析にしか使えません。

複数の要因を同時に分析する重回帰分析では、LINEST関数を使う必要があります。

たとえば「広告費だけでなく、気温や曜日も売上に影響しているのでは？」と考えたときは、LINEST関数の出番です。LINEST関数の第4引数をTRUEにすると、重回帰のR²を含む統計情報を一括で取得できます。

まずはRSQ関数で単回帰の当てはまりを確認する。それで説明力が足りなければLINEST関数で重回帰に進む。この流れが実務ではスムーズです。

よくあるエラーと対処法

RSQ関数を使っていると、いくつかのエラーが出ることがあります。あらかじめ原因を知っておくと、すぐに対処できますよ。

#DIV/0!（ゼロ除算エラー）

以下のいずれかの場合に発生します。

• x値（data_x）がすべて同じ値のとき → 分散がゼロになり計算不能
• データが1件以下のとき → 相関係数を計算できない

対処法：データが最低2件以上あること、x値に変動があることを確認してください。

#N/A（データ不一致エラー）

data_yとdata_xの要素数が異なる場合に発生します。

=RSQ(B2:B7, A2:A6)  → #N/A（data_yは6件、data_xは5件）

対処法：両方の範囲が同じ行数・列数になっているか確認しましょう。

#VALUE!（値エラー）

引数の範囲に数値に変換できない文字列が含まれている場合に発生します。セルに「−」や「N/A」などのテキストが入っていないか確認してください。

R²=1.0が返ってきた場合

エラーではありませんが、データが2点のみのとき、R²は必ず1.0になります。2点であれば直線は必ず通るためです。これは過適合（訓練データにだけ過剰に適合した状態）なので、予測モデルとしては使えません。データを追加してから再度確認してみてください。

スプレッドシートのグラフと組み合わせてR²を視覚化する

散布図グラフを作成し、近似曲線を追加するとR²値をグラフ上に表示できます。RSQ関数の数値確認と合わせて活用しましょう。

散布図にR²を表示する手順

1. データ範囲（広告費と売上）を選択して散布図を挿入する
2. グラフ内のデータ点を右クリックし「近似曲線を追加」を選ぶ
3. 右ペインの「ラベル」で「R²を表示する」にチェックを入れる

グラフ上に R² = 0.974 のような値が自動表示されます。この値はRSQ関数の計算結果と一致します。プレゼン資料や報告書にそのままグラフを貼り付けられるので、視覚的な説得力が高まりますよ。

Excelのグラフとの違い

ExcelでもR²の表示方法は同じです。散布図の近似曲線オプションで「R-2 乗値を表示する」にチェックを入れます。スプレッドシートとExcelで同じデータを分析しても、近似曲線の種類（線形・指数・多項式）が同一なら同じR²値が表示されます。

複数の説明変数を比較してR²が高い組み合わせを探す

売上予測で「広告費・来店客数・気温・曜日区分」など複数の候補変数がある場合、それぞれのR²を一覧で比較すると最も予測力の高い変数を選べます。

R²比較テーブルの作り方

E列に候補変数の名前を、F列にRSQ関数の計算式を並べます。目的変数（売上）がA列、説明変数の候補がB〜D列にあるとします。

F列を降順に並べ替えると、R²が最も高い変数（予測に最も効く変数）が一目でわかります。

MAX関数で最大R²を自動ハイライトする

F列の最大値を条件付き書式で強調すると、最適な変数をひと目で把握できます。

1. F2:F4を選択し「表示形式 → 条件付き書式」を開く
2. 「カスタム数式」に =F2=MAX($F$2:$F$4) と入力する
3. 背景色を黄色などに設定する

最大R²のセルだけが色付きになるため、変数の数が増えても比較しやすくなります。

この方法はあくまで単回帰ベースの比較です。変数同士に相関がある場合（多重共線性）は見かけのR²が高くなりやすいため、CORREL関数で変数間の相関も確認しておくとより安全です。

RSQ関数のよくある質問（FAQ）

Q1. RSQ関数はExcelでも使える？

はい。Excelでも =RSQ(data_y, data_x) の構文でまったく同じように動作します。引数の順番・戻り値の範囲・エラーの挙動もスプレッドシートと共通です。

Q2. R²が負になることはある？

RSQ関数が返す値は0以上1以下なので、負にはなりません。相関係数（CORRELの結果）は−1〜1の範囲を取りますが、RSQはそれを二乗した値のため常に0以上です。

なお、重回帰分析のソフトウェアによっては「修正済みR²（Adjusted R²）」という指標が負になることがあります。これは説明変数が多すぎる場合に発生しますが、スプレッドシートのRSQ関数は単回帰の決定係数を返すため、この問題は起きません。

Q3. CORRELとRSQはどちらを使うべき？

目的で使い分けます。

• 正の相関か負の相関かを確認したい → CORREL（−1〜1で方向がわかる）
• 予測モデルの当てはまり度合いを数値化したい → RSQ（0〜1で強さがわかる）

「この2変数に関係がある」と言いたいときはCORRELの絶対値、「このモデルで予測精度はどれくらいか」と言いたいときはRSQを使う、というのが実務上のすみ分けです。

Q4. 時系列データ（月次売上など）にRSQを使うとき注意することは？

時系列データでは、両方の変数が増加トレンドを持っているだけで高いR²が出る「見せかけの相関」が起きやすいです。たとえば「年月」と「売上」は自然増加のため、内容に関係なく高いR²になることがあります。

時系列分析では、階差（前期との差分）を取ってからRSQを計算するか、専用の時系列手法（移動平均・指数平滑法など）を使うのが適切です。RSQ関数が高いからといって、時系列間の因果関係を断定するのは避けてください。

まとめ

スプレッドシートのRSQ関数は、決定係数R²を手軽に求められる関数です。

ポイントをおさらいしておきましょう。

• 構文は=RSQ(data_y, data_x)。結果側のデータが第1引数
• 戻り値は0〜1。1に近いほど予測モデルの説明力が高い
• CORREL関数の二乗と同じ結果になる。方向ではなく強さだけを見る指標
• R²だけで判断しない。STEYX関数と組み合わせた2軸評価がおすすめ
• 重回帰分析にはLINEST関数を使う。RSQ関数は単回帰専用

まずは身近な2つのデータでRSQ関数を試してみてください。「なんとなくの感覚」が数値で裏付けられると、データ分析がぐっと楽しくなりますよ。

スプレッドシートでSLOPE関数やFORECAST関数を使って予測値を出したものの、精度が気になることはありませんか。「当たるかどうかは運次第」では、仕事で使うにはちょっと心もとないですよね。

そこで活躍するのが STEYX関数 です。この記事では、スプレッドシートのSTEYX関数の基本構文から標準誤差の読み取り方、関連関数との連携まで解説していきます。

スプレッドシートのSTEYX関数とは？

STEYX関数（読み方: エスティーワイエックス）は、回帰直線に対する標準誤差を返す統計関数です。「STEYX」は「Standard Error of Y for eXpected」の略です。「予測されるyの標準誤差」という意味ですね。

標準誤差とは、回帰直線の予測値と実際のデータがどれくらいズレているかを示す指標です。値が小さいほど予測の精度が高いことを意味します。

たとえば、広告費から売上を予測する回帰直線があるとします。STEYXの値が「10」なら、予測値から上下約10万円の範囲に実際の売上が収まりやすい、というイメージです。

STEYX関数にできることをまとめると、次のとおりです。

• 回帰直線の予測精度を数値で確認できる
• 複数の予測モデルを比較して、より精度の高いほうを選べる
• RSQ関数（決定係数）と組み合わせて予測の信頼性を総合判断できる
• FORECAST関数の予測値にどの程度の誤差があるか把握できる

NOTE

STEYX関数はGoogleスプレッドシートの全バージョンで使えます。Excelにも同名の関数があり、動作は同じです。

STEYX関数の書き方（構文と引数）

基本構文

=STEYX(データ_y, データ_x)

カッコの中に、標準誤差を求めたい2つのデータ範囲を指定します。

引数の説明

SLOPE関数やINTERCEPT関数と同じく、yを先、xを後 に指定します。「結果（y）が先、原因（x）が後」と覚えてください。

WARNING

データ_yとデータ_xのデータ数は同じにしてください。データ数が異なると #N/A エラーになります。また、データ数が3未満の場合は #DIV/0! エラーが返ります。

TIP

範囲内の文字列・TRUE/FALSE・空白セルは自動的に無視されます。ただし、数値としての「0」は計算の対象になりますよ。

STEYX関数の基本的な使い方

実際にSTEYX関数を使ってみましょう。

あるお店で6か月分の「広告費（万円）」と「売上（万円）」を記録したとします。

標準誤差を求める

=STEYX(C2:C7, B2:B7)

結果は約 11.55 になります。

この「11.55」は、回帰直線の予測値と実際の売上が平均で約11.55万円ズレていることを表しています。売上の平均値（約297万円）に対して約4%の誤差なので、かなり精度の高い予測だと判断できますよ。

標準誤差の読み取り方

STEYX関数の結果は常に0以上の値になります。値の大きさで予測精度を判断しましょう。

TIP

標準誤差の絶対値だけで判断するのは危険です。売上が数千万円のデータで誤差10万円なら小さいですが、売上が50万円のデータで誤差10万円なら大きいですよね。yの平均値に対する割合で評価するのがポイントです。

STEYX関数の実務活用例

予測モデルの比較に使う

2つの予測モデルがあるとき、どちらがより正確かを比較できます。たとえば「広告費→売上」と「来客数→売上」の精度を見てみましょう。

=STEYX(C2:C7, B2:B7)  → 約11.55（広告費モデル）
=STEYX(C2:C7, D2:D7)  → 結果を比較

値が小さいほうのモデルが売上予測に適しています。こうした比較は、予算配分の根拠としても説得力がありますよ。

SLOPE・INTERCEPTと組み合わせて予測範囲を示す

SLOPE関数とINTERCEPT関数で回帰式を作り、STEYXで予測の誤差幅を添えると、説得力のある報告になります。

=SLOPE(C2:C7, B2:B7)      → 12（傾き）
=INTERCEPT(C2:C7, B2:B7)  → 約26.67（切片）
=STEYX(C2:C7, B2:B7)      → 約11.55（標準誤差）

この結果から「広告費40万円のとき、売上は約507万円（誤差 ±約12万円）」と報告できます。予測値だけでなく誤差の幅も示すことで、相手に判断材料を正しく渡せますよね。

NOTE

より厳密には、標準誤差の約2倍（95%信頼区間）を使います。上の例なら「507 ± 約23万円」が95%の確率で収まる範囲です。ビジネスの報告では、この範囲を添えるのがおすすめです。

よくあるエラーと対処法

TIP

データの中に空白セルや文字列が混ざっていてもエラーにはなりません。自動的に無視されます。ただし、無視された結果としてデータ数が3未満になると #DIV/0! エラーになるので注意してくださいね。

似た関数との違い・使い分け

回帰分析に関連する関数は複数あります。それぞれ役割が違うので、目的に応じて使い分けましょう。

STEYX関数とSTDEV関数は「ばらつきを測る」点では似ていますが、測る対象が異なります。STDEVはデータ全体のばらつき、STEYXは回帰直線からのばらつき（残差）です。

回帰分析の流れとしては、まずCORREL関数やPEARSON関数で相関を確認します。次にSLOPE・INTERCEPTで回帰式を作り、STEYXで精度を確認するのがおすすめですよ。

まとめ

STEYX関数は、回帰直線の予測精度を数値で確認できる関数です。

• 構文: =STEYX(データ_y, データ_x) でyを先、xを後に指定
• 戻り値: 標準誤差（値が小さいほど予測精度が高い）
• 活用: 予測モデルの比較、SLOPE・INTERCEPTと組み合わせた予測範囲の提示
• 注意: データ数は最低3つ必要。絶対値ではなくyの平均に対する割合で評価する

FORECAST関数で予測値を出したら、STEYX関数で精度もセットで確認してみてください。予測の信頼性を示せると、報告の説得力がぐっと上がりますよ。

こんなふうに感じたことはありませんか？ 統計関数を1つずつ入力していると、数式が増えて管理も大変ですよね。

そんなときに使えるのがスプレッドシートのLINEST関数です。この記事では基本の書き方から統計量の読み方、実務での活用例まで丁寧に解説します。

LINEST関数とは？（SLOPE等の上位互換）

LINEST関数（読み方: リネスト関数）は、線形回帰の結果を配列でまとめて返す統計関数です。「LINEST」は英語の「LINear ESTimation（線形推定）」の略が由来です。

線形回帰とは、散布図に描かれた点に最もフィットする直線（y = mx + b）を求める手法のことです。LINEST関数はこの直線の傾き（m）や切片（b）だけでなく、R²やF統計量などの統計指標も一括で返してくれます。

つまり、次の関数を1つずつ入力する必要がなくなります。

• SLOPE関数（傾き）
• INTERCEPT関数（切片）
• RSQ関数（決定係数R²）
• STEYX関数（推定標準誤差）

LINEST関数1つで、これら4つの関数の結果を含む統計量をまとめて取得できます。「統計量をフルセットでほしい」ときの上位互換として覚えておくと便利ですよ。

NOTE

LINEST関数はGoogleスプレッドシートの全バージョンで使えます。Excelにも同名の関数がありますが、ExcelではCtrl+Shift+Enterの配列入力が必要です。Googleスプレッドシートでは通常のEnterで自動的にスピル（隣接セルに展開）されます。

LINEST関数の基本構文と引数

基本構文

=LINEST(既知のy, [既知のx], [切片計算], [統計情報])

カッコの中に、従属変数のデータと、必要に応じて独立変数のデータ・オプションを指定します。

引数の説明

必須の引数は「既知のy」だけです。ただし、実務では「既知のx」も指定するのが一般的です。

TIP

4番目の引数「統計情報」をTRUEにすると、5行分の統計量マトリックスが出力されます。回帰分析をしっかり行うときはTRUEがおすすめです。

最小構成と推奨構成

=LINEST(B2:B13)

これが最小構成です。傾きと切片だけが1行×2列で返ります。

=LINEST(B2:B13, A2:A13, TRUE, TRUE)

こちらが推奨構成です。統計量フルセットが5行×2列で返ります。回帰分析に使うならこの書き方を基本にしてみてください。

WARNING

4番目の引数をTRUEにしたとき、結果は5行×2列に展開されます。出力先の下方向に5行・右方向に2列分の空きスペースを確保してください。既にデータがあると #REF! エラーになります。

verbose=TRUEで取得できる統計量の読み方

統計情報（verbose）をTRUEにすると、5行×2列の統計量マトリックスが返ります。単回帰（独立変数が1つ）の場合のレイアウトは次のとおりです。

それぞれの意味を順番に見ていきましょう。

1行目: 傾きと切片

回帰直線 y = mx + b のmとbにあたる値です。傾きは「xが1増えるとyがどれだけ変わるか」を示します。切片は「x=0のときのyの値」です。

2行目: 標準誤差

傾きと切片がどれくらい信頼できるかを表す指標です。値が小さいほど推定の精度が高いことを意味します。「標準誤差 < 傾き」であれば、その傾きは統計的にある程度信頼できると判断できます。

3行目: R²と推定標準誤差

R²（決定係数）は、データのばらつきのうち回帰直線で説明できる割合です。0〜1の範囲をとり、1に近いほどモデルの当てはまりがよいことを示します。推定標準誤差は実際の値と予測値のずれの大きさです。

4行目: F統計量と自由度

F統計量は「回帰モデル全体が意味のあるものか」を検定する指標です。値が大きいほど統計的に有意であることを示します。自由度は回帰の計算に使われたデータ点数に関連する値です。

5行目: 回帰平方和と残差平方和

回帰平方和（SSR）は回帰直線で説明できたばらつき、残差平方和（SSE）は説明できなかったばらつきです。R²は SSR ÷ (SSR + SSE) で計算されます。

ちょっと項目が多く見えますが、実務でまず注目すべきは1行目（傾き・切片）と3行目（R²）の3つです。ここを押さえておけば十分活用できますよ。

SLOPE・INTERCEPT・RSQとの違いと使い分け

LINEST関数の各値は、個別の統計関数と対応しています。INDEXを使えば特定の値だけ取り出すことも可能です。

個別関数との対応表

どちらを使うべき？

結論として、次のように使い分けるのがおすすめです。

• 傾きだけ・切片だけが必要 → SLOPE関数やINTERCEPT関数を単体で使う方がシンプル
• R²や標準誤差も含めて総合的に見たい → LINEST関数1つで一括取得する方が効率的
• 予測値を求めたい → FORECAST関数やTREND関数を使う

個別関数は「ピンポイントで1つの値がほしいとき」に向いています。LINEST関数は「回帰分析レポートを作るとき」のように複数の統計量を並べたい場面で活躍します。用途に合わせて選んでみてください。

実践例：月次売上データで回帰分析

ここでは、12か月分の売上データを使ってLINEST関数を実際に動かしてみましょう。

サンプルデータ

A2:A13に月番号、B2:B13に売上が入っている想定です。

統計量フルセットを取得する

D2セルに次の数式を入力します。

=LINEST(B2:B13, A2:A13, TRUE, TRUE)

D2:E6の範囲に5行×2列の結果が展開されます。このデータの場合、おおよそ次のような値が返ります。

結果を読み解く

• 傾き11.65: 1か月あたり約11.65万円ずつ売上が増加
• 切片110.45: 月=0の理論値。直線の始点にあたる
• R²=0.993: データの99.3%を直線で説明できており、非常に当てはまりがよい

R²が0.99以上なので、この売上データは月数にほぼ比例して増えていることがわかります。

特定の値だけ取り出す

傾きだけをセルに表示したい場合はINDEXと組み合わせます。

=INDEX(LINEST(B2:B13, A2:A13, TRUE, TRUE), 1, 1)

INDEXの第2引数に行番号、第3引数に列番号を指定します。5行×2列のうち任意の値を1つだけ取り出せますよ。レポートの特定セルに値を埋め込みたいときに便利です。

よくあるエラーと対処法

LINEST関数で発生しやすいエラーと、その解決方法をまとめます。

#REF! エラー

原因1: yとxのデータ数が一致していない

既知のyと既知のxの行数（データの個数）が異なると #REF! になります。

=LINEST(B2:B13, A2:A10, TRUE, TRUE)

この例ではyが12行、xが9行でずれています。範囲を揃えてください。

原因2: 出力先にスペースが足りない

4番目の引数をTRUEにした場合、5行×2列分の空きが必要です。出力先の下方向や右方向に既存データがあると #REF! になります。空きスペースを確保してから再入力してください。

#VALUE! エラー

原因: データ範囲に空白セルや文字列が混入している

LINEST関数は数値データを前提としています。途中に空白や「N/A」のような文字列があるとエラーになります。

=LINEST(B2:B13, A2:A13, TRUE, TRUE)

B2:B13の中に空白や文字列がないか確認しましょう。空白セルを0で埋めるか、該当行を除外してデータ範囲を調整してください。

結果が1行しか出ない

4番目の引数（統計情報）をFALSEにしている、または省略しているケースです。統計量フルセットがほしい場合は、必ず4番目の引数をTRUEに設定してみてください。

=LINEST(B2:B13, A2:A13, TRUE, TRUE)

最後の引数がTRUEになっているか確認しましょう。

切片を0固定にしたときのR²に注意

3番目の引数（切片計算）をFALSEにすると、切片が0に固定されます。この場合、R²の計算式が通常と変わるため、TRUEのときのR²とは直接比較できません。

切片固定は「物理的に原点を通るはずのモデル」でのみ使うのがよいです。一般的な業務データでは、切片計算=TRUE（既定値）のまま使うのが安全ですよ。

まとめ

スプレッドシートのLINEST関数について、基本の使い方から統計量の読み方、エラー対処法まで解説しました。ポイントを振り返っておきましょう。

• LINEST関数は線形回帰の統計量を一括取得できる関数
• 4番目の引数をTRUEにすると、5行×2列の統計量マトリックスが返る
• 1行目（傾き・切片）と3行目（R²）を押さえるのが実務の基本
• 傾きだけなど単一の値がほしいときはSLOPE関数やRSQ関数が手軽
• 予測値を求めたいときはFORECAST関数やTREND関数と組み合わせる

回帰分析のレポートを作る場面では、LINEST関数1つで必要な数値が揃うのでとても効率的です。ぜひ活用してみてください。

SLOPE関数は2つのデータ系列（xとy）から、最小二乗法で導かれる回帰直線 y = ax + b のうち 傾き a を返します。「xが1増えるとyがどれだけ変わるか」を一発で計算してくれるので、トレンドの定量化や、売上・コストの予測モデルに欠かせません。

この記事では、SLOPE関数の基本構文・引数のクセ・INTERCEPTやTRENDなど関連関数との使い分け、実務でそのまま使える応用例、よくあるエラーの直し方、そしてFAQまで一気通貫で解説します。「Excelで回帰分析」という言葉に身構えてしまう方も、最後まで読めば自分の業務データにすぐ当てはめられるようになります。

SLOPE関数とは？

読み方と語源

「スロープ関数」と読みます。SLOPE は英語で「傾き」「斜面」を意味する単語で、まさに回帰直線の傾き（y/x 方向の変化率）を返す関数です。

できること

2つのデータ系列（x：原因の変数、y：結果の変数）を渡すと、最小二乗法で誤差が最小になるように引いた回帰直線の傾きを返します。

回帰直線は次の式で表されます。

y = a * x + b

このうち SLOPE関数は a（傾き） を計算します。切片 b は INTERCEPT関数で求めます。両方を組み合わせれば、xに新しい値を入れたときのyの予測値を1セルの数式で算出できるようになります。

代表的なユースケースは次のとおりです。

• 売上と広告費の関係を「広告費1万円あたり○万円増える」と定量化する
• 気温と電気使用量の相関を見て、季節需要を数値で押さえる
• 時系列データの増加・減少ペースを数値化して、ダッシュボードに載せる
• コストと生産量の関係から、変動費の係数を割り出す

「散布図に近似直線を引いて雰囲気で見る」段階から一歩進めて、数式に落とし込むためのとっかかりとして覚えておくと便利です。

SLOPE関数の書き方

基本構文

=SLOPE( 既知のy, 既知のx )

ポイントは yが先、xが後 の順番です。「結果（y）を、原因（x）でどれだけ説明できるか」を計算しているので、原因と結果の向きを取り違えると意味のない数値が出てきます。

引数の説明

引数のクセと注意点

• 両方の引数のデータ個数が 同じ数 である必要があります。行数がずれていると #N/A エラーになります。
• 文字列・論理値・空白セルは無視されます。両方の範囲のうち、対応するペアがどちらも数値のときだけ計算に使われます。
• 数値の 0 はちゃんと計算に含まれます。「0は無視されそう」というイメージで除外しないように注意してください。
• xの値が全部同じ（例：すべて10）だと、分散が0になるので #DIV/0! エラーが出ます。SLOPE は「xが変わったときにyがどれだけ変わるか」を計算しているので、xに変化がないと意味をなしません。
• 範囲には縦方向（列）でも横方向（行）でも指定できますが、yとxは 同じ向き に揃えるとミスを防げます。

基本的な使い方

実際の数字で SLOPE がどう動くかを確認してみましょう。

例1：売上と広告費の回帰直線の傾きを求める

このデータに対して、次の数式を入力します。

=SLOPE(B2:B6, A2:A6)

結果は 約 6.4 になります。これは「広告費が1万円増えると、売上が約6.4万円増える」ことを意味します。広告投資の費用対効果（ROAS）を語るときに、感覚ではなく数字で説明できるのが SLOPE の強みです。

傾きの値は、必ず「yの変化量 ÷ xの変化量」というスケール感覚と一緒に確認するクセをつけると、桁違いのミスを防げます。元データの広告費が5万円刻みで増えているのに対し、売上は30万円ずつ増えているため、傾きとしては 30/5 ≒ 6 付近に落ち着く、と読めていれば計算結果に納得感が持てるはずです。

例2：月次売上の時系列トレンドを求める

月を 1〜12 の連番で表し、売上との傾きを求めると、月あたりの平均増加額がわかります。

=SLOPE(B2:B13, A2:A13)

• 傾きが正：売上は 増加トレンド
• 傾きが負：売上は 減少トレンド
• 傾きがほぼ0：横ばい

「先月より落ちた・上がった」という瞬間値ではなく、12か月間ならしてどう動いたか を1つの数値で語れるのが、時系列分析でのSLOPEの便利なところです。

例3：気温と来店客数の関係

=SLOPE(B2:B6, A2:A6)

結果は約 4 になり、「気温が1℃上がると、来店客数が約4人増える」と読めます。アイスや飲料の販売予測、エアコンの稼働計画など、季節要因の影響を数式で扱えるようになります。

INTERCEPT関数との組み合わせで予測式を作る

SLOPE関数は傾き（a）だけを返しますが、切片（b）は INTERCEPT関数 で求めます。両方そろうと、xに新しい値を入れたときの y の予測値が計算できる「予測式」が完成します。

a = SLOPE(B2:B10, A2:A10)
b = INTERCEPT(B2:B10, A2:A10)

→ y = a * x + b

予測値を1セルにまとめてしまうなら、こう書くとシンプルです。

=SLOPE(B2:B10, A2:A10) * 新しいx + INTERCEPT(B2:B10, A2:A10)

たとえば広告費を 35 万円にしたときの売上予測なら、次のようになります。

=SLOPE(B2:B6, A2:A6) * 35 + INTERCEPT(B2:B6, A2:A6)

「傾きと切片を別セルで持つ」「予測値だけ別シートで動的に変える」という設計にしておくと、後から数字をいじっても自動で予測が更新されるダッシュボードを作れます。

実務での活用例

活用例1：売上予測モデルの構築

過去の月別売上から傾きと切片を求め、来月以降の売上を予測する基本パターンです。

A列: 月番号（1, 2, 3...12）
B列: 実績売上

傾き = SLOPE(B2:B13, A2:A13)
切片 = INTERCEPT(B2:B13, A2:A13)
来月（13月目）の予測 = 傾き * 13 + 切片

実際には季節要因や販促タイミングが効くため、これだけで決算予測ができるわけではありません。ただ、「素のトレンドだけだといくらか」 をベースラインとして持っておくと、施策の効果を切り分けやすくなります。

活用例2：コストドライバー分析（変動費と固定費の分離）

「総コスト = 変動費単価 × 生産量 + 固定費」という考え方は、SLOPE と INTERCEPT にそのまま対応します。

A列: 生産量
B列: 総コスト

変動費単価 = SLOPE(B2:B13, A2:A13)
固定費    = INTERCEPT(B2:B13, A2:A13)

複数の費用項目について SLOPE を計算して並べると、「どの費用が一番生産量に比例するか」が見え、原価管理やキャパシティ計画の議論にそのまま使えます。

活用例3：散布図とSLOPEの併用

ExcelやGoogleスプレッドシートのグラフ機能で散布図を作り、近似曲線（線形）を追加すると、グラフ上にも回帰直線が引けます。一方、SLOPE と INTERCEPT で 数式として 傾き・切片を持っておくと、

• 数値で根拠資料に書ける
• 別のセルから参照して条件付き書式や予測表に連動できる
• 異なる期間・店舗のSLOPEを並べて比較できる

という強みがあります。「グラフはプレゼン用、数式は資料の裏付け用」と役割を分けると、説明資料の説得力がぐっと上がります。

活用例4：KPIダッシュボードでのトレンド表示

ダッシュボードに「直近12週のSLOPE」のような列を作っておくと、

• 数値が増加トレンドの店舗は緑
• 横ばいは黄
• 減少傾向は赤

といった条件付き書式と組み合わせて、変化のスピードベースのアラートが作れます。「先週比だけ」では見落とす中期トレンドを拾えるようになります。

関連関数との使い分け

SLOPE のまわりには似た用途の関数がいくつかあります。違いを表で押さえておきましょう。

使い分けの目安：

• 傾きだけ知りたい → SLOPE
• 予測値も欲しい → SLOPE + INTERCEPT か TREND / FORECAST.LINEAR
• 詳細な統計量（R²・標準誤差・F値）が必要 → LINEST
• 当てはまりの良さを別に確認したい → RSQ
• 直線ではなく曲線（指数的）で予測したい → GROWTH

SLOPE は「軽くてシンプル」が長所です。本格的な回帰分析が必要になったら LINEST や分析ツールアドインに乗り換える、というのが現実的なステップアップ経路です。

よくあるエラーと対処法

特に 「yとxの順番を取り違える」 は、SLOPE関数で最も多いミスです。=SLOPE(売上, 広告費) のように、求めたい変化対象（y）を先に書く、と覚えておきましょう。

SLOPE関数を使う前のデータ準備のコツ

回帰分析の結果は、入力データの素直さに大きく依存します。SLOPE を使う前に、次の点をチェックしておくと精度が上がります。

• 外れ値を確認する：1点だけ極端な値があると、傾きが大きく引っ張られます。グラフで散布図を描いて、明らかにおかしい点を除外できないか検討します。
• 対象期間をそろえる：x（例：月）とy（例：売上）の期間が一致しているか、欠損月がないかを確認します。
• 0や空白の扱いを決める：「営業日数0の月」など特殊な期間は、計算に含めるか別途集計するかを決めておきます。
• 単位を統一する：千円と万円が混在していると、傾きの解釈がぶれます。
• 線形に近いか散布図で確認する：曲がっているデータに無理やり直線を当てると、SLOPE の値は出ても意味が薄くなります。

「数式は短いが、前処理で勝負が決まる」――これは SLOPE に限らず、回帰分析全般に共通する大原則です。

よくある質問（FAQ）

Q1. SLOPE関数の結果がマイナスになりました。これは異常ですか？

異常ではありません。マイナスは「xが増えるとyが減る（負の相関）」を示しています。たとえば「気温が下がるとアイスの売上が減る」を逆から見れば「気温が上がるとアイスの売上が増える（正）」、「割引率が高いほど在庫が早く減る」は負の傾きになることもあります。符号は相関の向きを表しているだけ で、エラーではありません。

Q2. SLOPEとTREND関数の違いは何ですか？

SLOPEは 傾きという1つの数値 を返すのに対し、TRENDは 既存データのxに対する予測y値（配列） を返します。「変化率を1つだけ把握したい」ならSLOPE、「予測値を表で並べたい」ならTREND、と使い分けます。実務では、SLOPE+INTERCEPTで予測式を組むより、TRENDで配列をまとめて出した方が早いケースも多いです。

Q3. SLOPEとFORECAST.LINEARはどう使い分ければよいですか？

両者は計算ロジックが同じ最小二乗法ですが、返す値が違います。SLOPEは「傾き」、FORECAST.LINEARは「特定のxに対する予測y」 を返します。「来月の売上を1点だけ予測したい」ならFORECAST.LINEAR、「変化率そのものをKPIにしたい」ならSLOPE、と覚えておくと迷いません。

Q4. データが少なくても使えますか？最低何点必要ですか？

数学的には2点あれば直線は引けますが、それでは「ただの2点を結ぶ線」になり、回帰分析としての意味はほぼありません。実務的には 最低でも5〜10点、できれば12〜24点 はほしいところです。月次なら1〜2年、週次なら半年〜1年が目安です。点数が少ないと、外れ値1つで傾きが大きくブレます。

Q5. SLOPEで求めた傾きが「信頼できる」かどうかは判断できますか？

SLOPE単体では信頼性まではわかりません。RSQ関数で決定係数 R² を求め、1に近いほど「直線で説明できている」ことを確認します。R²が小さい（例えば 0.3 未満）場合は、そもそも線形回帰では説明しきれないデータかもしれません。LINEST関数で標準誤差を取り、誤差幅も合わせて評価するとより堅牢です。

Q6. SLOPEはGoogleスプレッドシートでも同じように使えますか？

はい、同じ構文 =SLOPE(既知のy, 既知のx) でそのまま使えます。挙動も Excel とほぼ同じです。スプレッドシート版を詳しく知りたい方はスプレッドシートのSLOPE関数の使い方も合わせて確認してみてください。

まとめ

最後に、SLOPE関数のポイントを整理します。

• =SLOPE(既知のy, 既知のx) で回帰直線の傾きを計算できる。yが先、xが後 の順番がポイント。
• 傾きが正なら正の相関、負なら負の相関、ほぼ0なら無相関というシンプルな読み方ができる。
• INTERCEPT関数と組み合わせれば、y = ax + b の予測式が完成し、xを変えるだけで予測値が更新される。
• 詳細な統計が必要なら LINEST、複数の予測値が必要なら TREND、1点だけ予測したいなら FORECAST.LINEAR と使い分ける。
• データ準備（外れ値除外・単位統一・期間そろえ）と、決定係数（RSQ）による検証はセットで考える。

「Excelで回帰分析」と聞くと身構えてしまいがちですが、SLOPEがやっているのは「xが1増えるとyがどれだけ変わるか」というシンプルな計算だけです。売上・広告費・コスト・気温・客数――身近な業務データに当てはめてみると、感覚で語っていた話を数値で説明できるようになり、説得力のある資料がぐっと作りやすくなります。

関連記事

• INTERCEPT関数の使い方｜回帰直線の切片を求める
• TREND関数の使い方｜回帰直線で将来の値を予測する
• FORECAST.LINEAR関数の使い方｜線形回帰で予測値を求める
• RSQ関数の使い方｜決定係数（R²）で回帰の精度を確認する
• LINEST関数の使い方｜回帰分析の統計情報をまとめて取得する
• スプレッドシートのSLOPE関数の使い方
• アルファベット順 Excel関数一覧
• 機能別 Excel関数一覧

INTERCEPT関数は統計関数の1つですが、「切片を求める関数」とわかれば難しくありません。売上予測・コスト分析・損益分岐点分析など、現場でよく使う分析に直結する関数です。

「回帰分析という言葉は知っているけど、Excelでどう使うのかわからない」という方も、この記事で具体的な数式と実例を見れば、すぐに自分のシートに取り入れられます。

この記事では、INTERCEPT関数の基本構文から、SLOPE関数と組み合わせた予測モデルの作り方、損益分岐点分析への応用、予測精度の確認方法、よくあるエラー対処まで解説します。

INTERCEPT関数とは？線形回帰の切片を求める統計関数

切片とは何か

INTERCEPT関数（読み方: インターセプト関数）は、既知のxとyのデータから、線形回帰直線の切片（y軸との交点） を求める統計関数です。

中学校で習った直線の式「y = a + bx」を思い出してください。この式の a が切片 で、INTERCEPT関数が返す値です。ちなみに b（傾き）はSLOPE関数で求めます。

「切片」はxが0のときのyの値、つまり「原因（x）がゼロのときの結果（y）」を意味します。

• 広告費（x）がゼロのときの売上（y）= 基礎売上・口コミ売上
• 生産量（x）がゼロのときのコスト（y）= 固定費
• 気温（x）がゼロのときの飲料売上（y）= 最低保証売上

実務での活用場面

• 売上予測: 広告費がゼロでも発生する基礎売上を算出
• コスト分析: 生産量ゼロのときの固定費を推定
• 損益分岐点分析: 変動費と固定費を分離して採算ラインを計算
• 回帰モデルの構築: SLOPE関数と組み合わせて予測式を作成

INTERCEPT関数の構文と引数

基本構文

=INTERCEPT( 既知のy, 既知のx )

構文はシンプルで、引数は2つだけです。

引数指定のルール

• 既知のyと既知のxは 同じ個数 でなければ #N/A エラーが返ります
• 文字列・論理値・空白セルは自動的に無視されます（エラーにはなりません）
• 数値の「0」は計算対象に含まれます
• データが1組しかない場合は #DIV/0! エラーになります

引数の順序に注意

INTERCEPT関数は y（結果）が先、x（原因）が後 の順序です。CORREL関数やSLOPE関数もy→xの順で渡すことに統一されているので、併用するときに混乱しないよう覚えておきましょう。

INTERCEPT関数の基本的な使い方

例1: 広告費と売上から基礎売上を求める

月ごとの広告費（A列）と売上（B列）のデータがあるとします。

広告費がゼロだったときの売上（基礎売上）を知りたい場合、次のように入力します。

=INTERCEPT(B2:B6, A2:A6)    → 約66（万円）

この結果は「広告を一切打たなくても月約66万円の売上が見込める」という意味になります。既存顧客からのリピートや口コミ経由の売上と解釈できます。

同じデータからSLOPEも求めると、回帰直線の式が完成します。

=SLOPE(B2:B6, A2:A6)    → 約5.4（広告費1万円増加ごとに売上約5.4万円増）

つまりこのデータの回帰直線式は「売上 = 66 + 5.4 × 広告費」となります。

例2: 生産量とコストから固定費を求める

生産量（C列）と総コスト（D列）のデータがある場合、同じ要領で固定費を推定できます。

=INTERCEPT(D2:D6, C2:C6)    → 約35（万円）

生産量がゼロでも35万円のコストが発生する、つまり 固定費は約35万円 と推定できます。変動費と固定費を分離できるので、原価企画や値付けの根拠づくりに使えます。

SLOPE関数との組み合わせで予測モデルを作る

INTERCEPT関数の真価は、SLOPE関数と組み合わせたときに発揮されます。2つを組み合わせれば、任意のxに対するyを予測する式が作れます。

予測式の作り方

予測値 y = INTERCEPT(y範囲, x範囲) + SLOPE(y範囲, x範囲) × 新しいx

例えば、広告費を40万円にしたときの売上予測は次のように書けます。

=INTERCEPT(B2:B6, A2:A6) + SLOPE(B2:B6, A2:A6) * 40

結果は約282万円。「広告費40万円 → 売上約282万円」という意思決定に使える数字が一発で出ます。

別セルに切片・傾きを格納する方法

予測を何度も計算する場合は、切片と傾きを別セルに格納しておくと管理しやすくなります。

F2セルをF3〜F6にコピーすれば、各月の予測値が一覧表示されます。実績との差分（残差）を隣列で計算すれば、モデルの精度を視覚的に確認できます。

FORECAST.LINEARとの使い分け

予測値だけが欲しい場合はFORECAST.LINEAR関数を使うと1行で済みます。

=FORECAST.LINEAR(新しいx, y範囲, x範囲)

使い分けの目安は以下の通りです。

損益分岐点分析への応用

変動費と固定費の分離

総コスト = 固定費 + 変動費 × 生産量 という式において、INTERCEPT関数で固定費（切片）、SLOPE関数で変動費率（傾き）を同時に求められます。

固定費   =INTERCEPT(総コスト範囲, 生産量範囲)
変動費率 =SLOPE(総コスト範囲, 生産量範囲)

損益分岐点の計算

売上単価・変動費率・固定費が判明したら、損益分岐点（BEP）の生産量を求められます。

損益分岐点生産量 = 固定費 ÷ (売上単価 - 変動費率)

ExcelのセルでINTERCEPT関数の結果を使って損益分岐点を計算するシートを作っておくと、数量の変動に対して自動でBEPが更新されるため、意思決定の速度が上がります。

実際のシート構成例

B11の売上単価を変えるだけでB12が自動更新されるので、「単価をいくらに設定すれば黒字になるか」をリアルタイムでシミュレーションできます。

予測の信頼性を確認する：RSQ・CORREL関数

INTERCEPT関数で切片を求めても、そもそも xとyに線形の関係があるか を確認しないと予測はあてになりません。次の関数を必ず併用しましょう。

RSQ関数（決定係数 R²）

=RSQ(y範囲, x範囲)

決定係数は0〜1の範囲で返されます。1に近いほど回帰直線のデータへの当てはまりが良い（説明力が高い）ことを意味します。

CORREL関数（相関係数）

=CORREL(y範囲, x範囲)

−1〜1の範囲で返されます。1に近いと強い正の相関、−1に近いと強い負の相関、0に近いと相関が弱いことを示します。

RSQが0.7を下回る場合は、散布図を描いて関係性を目視確認してください。曲線的な関係や外れ値がないかを確認してから回帰分析を進めるのが安全です。

よくあるエラーと対処法

外れ値による切片のズレに注意

線形回帰は外れ値の影響を強く受けます。たとえば特定の月だけ異常な売上（キャンペーン特需など）があると、切片が大きくズレてしまいます。

対処法は以下の2つです。

1. 散布図で外れ値を目視確認してから分析を始める
2. 外れ値を除いたデータ範囲で数式を入力する（例: キャンペーン月をデータから除外）

「異常値は除外して分析する」という前処理の判断こそが、精度の高い予測モデルを作るうえで最も重要なステップです。

LINEST関数との違い

INTERCEPT関数と類似した機能を持つ関数に LINEST関数 があります。使い分けの目安をまとめました。

LINEST関数はより多くの情報を返しますが、スピル形式の配列として展開されるため扱いがやや複雑です。「切片だけ使いたい」「傾きだけ使いたい」というケースはINTERCEPT・SLOPEのほうがシンプルです。

よくある質問（FAQ）

Q. データは何件以上あれば信頼できますか？

統計的には最低でも30件以上が推奨されますが、月次データなら12か月（1年分）、週次データなら52週（1年分）を目安にすると現実的です。データが少ないほどR²の値が高く出やすく「見かけ上の精度」になりやすいため注意してください。

Q. 負の切片が出たときはどう解釈すればいい？

理論上ありえる値でも、実務上ありえない値（例: 売上がマイナス）が出ることがあります。これは外挿（データ範囲外への予測）の限界です。切片の解釈は「データの範囲内での傾向を延長した理論値」として捉え、現実との整合性を確認してから使うようにしましょう。

Q. ExcelのグラフでINTERCEPTの値を確認できますか？

はい。散布図を作成して近似曲線（線形）を追加し、「グラフに数式を表示する」オプションをオンにすると、y = ax + b の形式で切片（b）と傾き（a）が表示されます。INTERCEPT関数とSLOPE関数で求めた値と一致するので、確認用に使えます。

まとめ：INTERCEPT関数は予測分析の第一歩

INTERCEPT関数のポイントをまとめます。

• 構文: =INTERCEPT(既知のy, 既知のx) ― 引数2つ、y→xの順
• 返す値: 線形回帰直線の切片（xが0のときのy）
• 実務活用: 基礎売上の推定、固定費の把握、損益分岐点分析
• 組み合わせ: SLOPE（傾き）・RSQ（決定係数）・CORREL（相関係数）とセットで使う
• 予測式: =INTERCEPT(y,x) + SLOPE(y,x) * 新しいx で任意の予測値が出る
• 注意: 外れ値で切片がズレる。事前に散布図と決定係数を確認する

回帰分析は難しそうに見えますが、INTERCEPT関数を入口にすれば誰でも扱えます。まずは手元の月次データで試してみてください。切片と傾きを別セルに出しておくと、予測式を誰でも確認できる「見える化されたモデル」になり、会議での説明もスムーズになりますよ。

関連記事

• SLOPE関数の使い方｜回帰直線の傾きを求める
• アルファベット順 Excel関数一覧
• 機能別 Excel関数一覧
• Excel関数の読み方一覧

RSQ関数は「ピアソンの積率相関係数の2乗」、つまり統計で言う 決定係数（R²） を返す関数です。回帰分析でモデルの当てはまりの良さを評価する指標として広く使われており、0〜1の値で「xがyの変動をどれだけ説明できているか」を表します。この記事では、RSQ関数の構文から実務での使いどころ、よく似たCORREL関数との違い、エラーが出たときの対処までをまとめて解説します。

RSQ関数とは？決定係数R²を一発で計算する統計関数

RSQ関数（読み方: アール・スクエア関数）は、指定した2つのデータ系列から決定係数 R² を求めるExcelの統計関数です。「R Squared（Rの2乗）」が名前の由来で、回帰分析の世界ではモデルの精度を測る代表的な指標として使われています。

決定係数 R² の意味はシンプルで、「xの変動によって、yの変動がどれだけ説明できるか」を0〜1の比率で表したものです。

• R² = 1 に近い: xとyの関係が強く、回帰直線がデータによく当てはまっている
• R² = 0 に近い: xとyにほとんど関係がなく、回帰直線で説明できない

例えばR²が0.85なら、「yの変動のうち約85%はxの変動で説明できる」と解釈できます。広告費（x）と売上（y）を分析してR²が0.9なら、「広告費の増減で売上の9割を説明できている、かなり精度の高いモデル」と判断できるわけです。

RSQ関数の構文と引数

RSQ関数の構文は次のとおりです。

=RSQ(既知のy, 既知のx)

引数は2つで、どちらも必須です。

注意したいポイントは次の3つです。

1. 「既知のy」と「既知のx」のデータ個数は必ず同じにする必要があります。件数がズレていると #N/A エラーになります
2. セル範囲に 文字列・論理値・空白セル が含まれる場合、その行は無視されます（数値の0は計算対象）
3. データが 1組しかない場合や、すべて同じ値 の場合は #DIV/0! エラーになります

RSQ関数の使い方：具体例で流れをつかむ

例1：広告費と売上の関係を評価する

A列に月次の広告費（既知のx）、B列に売上（既知のy）が入っているとします。

=RSQ(B2:B13, A2:A13)

結果が 0.87 なら、「広告費で売上の約87%を説明できる」という意味になります。経営会議で「広告予算を増やすべきか」を判断する際の、客観的な材料として使えます。

例2：気温とドリンク販売数の関係

C列に気温、D列にドリンクの販売数を入力し、

=RSQ(D2:D31, C2:C31)

このように書けば、30日分のデータから気温と販売数の決定係数が求められます。R²が0.92なら「気温で売れ行きの9割が説明できる」ので、天気予報から発注数を決めるルール作りに活かせます。

例3：勉強時間とテスト点数

=RSQ(テスト点数範囲, 勉強時間範囲)

教育データの分析にもそのまま使えます。要は 「結果の列, 原因の列」 の順で指定するだけなので、覚えてしまえば迷いません。

実務での活用シーン：どこでRSQが効いてくるか

RSQ関数は「なんとなく関係がありそう」を 数値で裏付けたい すべての場面で活躍します。代表的な使いどころを挙げておきます。

• マーケティング効果測定: 広告費 vs 売上、SNS投稿数 vs アクセス数など、施策と成果の関連度を数値化する
• 需要予測のベースづくり: 気温・曜日・価格などの変数が、販売数をどれだけ説明できるかを確認し、予測モデルに採用する変数を選ぶ
• 人事・生産性分析: 労働時間 vs 成果物、研修時間 vs 評価スコアなど、施策のROIを可視化する
• 品質管理: 設備の稼働条件 vs 不良率の関係を評価し、管理すべきパラメータを特定する
• 回帰直線の信頼性評価: SLOPE関数やINTERCEPT関数で作った回帰直線が、どれだけ信頼できるかの「お墨付き」として使う

R²が0.7以上あれば比較的強い関係、0.4〜0.7は中程度、0.4未満は弱い関係と言われますが、分野によって基準は異なります。社内レポートに載せる際は、R²の値と合わせて 「何件のデータから計算したか」 を必ず添えるようにしましょう。データが少ないと R² は偶然高く出やすいからです。

CORREL関数・PEARSON関数との違い

RSQとよく混同されるのが CORREL関数 と PEARSON関数です。関係を整理しておきます。

数学的には RSQ = CORREL^2 の関係があります。つまり、CORRELの結果を2乗すればRSQと同じ値になります。

使い分けのコツはこうです。

• 「増えると増える」「増えると減る」 という方向性を知りたい → CORRELまたはPEARSON
• 「回帰モデルの当てはまり具合」 を評価したい → RSQ

プレゼン資料で「広告費と売上には正の相関がある（r=0.93）」と示した上で、「回帰モデルで売上の86%を説明できる（R²=0.86）」と補強する、という使い方がもっともわかりやすいと思います。関連する統計関数として、回帰直線の傾きを求める SLOPE関数、切片を求める INTERCEPT関数、予測値を返す FORECAST関数 も合わせて覚えておくと、回帰分析がExcelだけで一通り完結します。

よくあるエラーと対処法

RSQ関数でつまずきやすいエラーは主に3種類です。

#N/A エラー

「既知のy」と「既知のx」のデータ件数が揃っていないときに発生します。範囲選択をミスしていないか、片方だけに空白行が混ざっていないかを確認しましょう。

=RSQ(B2:B13, A2:A12)   → #N/A（件数が12と11で不一致）

#DIV/0! エラー

データが1組しかない、または「既知のx」「既知のy」のすべてが同じ値のときに発生します。分散が0になるため計算できない状態です。データを追加するか、そもそも変動のない指標をxに使っていないかを見直します。

#VALUE! エラー

範囲内にエラー値や、数値に変換できない文字列が含まれているときに発生します。元データを開き、#N/A や「計測不能」などの文字列が混ざっていないかチェックしてください。IFERRORで事前に除外するか、該当行を削除してから計算するのが確実です。

よくある質問

R²が高ければ必ず良いモデルと言えますか？

必ずしもそうとは言えません。R²は「xがyの変動をどれだけ説明できるか」を示しますが、「因果関係がある」ことを証明するものではありません。たとえばアイスの販売数と水難事故の件数は、どちらも気温に引っ張られて高いR²を示しますが、直接の因果関係はありません。また、変数を増やすほどR²は上昇しやすいため過学習に注意が必要です。R²はあくまで「モデルの当てはまりの良さ」を測る指標として、分析判断の材料のひとつに活用しましょう。

RSQ関数とCORREL関数は何が違いますか？

CORREL関数は相関係数 r（-1〜+1）を返し、関係の「向き（正負）と強さ」を表します。RSQ関数はその2乗である決定係数 R²（0〜1）を返し、「xがyの変動をどれだけ説明できるか」という説明力を表します。数学的には RSQ = CORREL^2 の関係があります。「増えると増える・減る」という方向を知りたいならCORREL、「回帰モデルの精度」を評価したいならRSQと使い分けましょう。

データ件数が少ない場合にR²を使う際の注意点はありますか？

データが少ないとR²は偶然高い値を示しやすいため、解釈に注意が必要です。目安として10件以下のデータでR²が高くても、統計的な信頼性は低いと考えてください。分析レポートに載せる際は「N=何件のデータで計算したか」を必ず添えるようにしましょう。より信頼性の高い分析には30件以上のデータを確保することが推奨されます。

RSQ関数で複数の変数（重回帰分析）は計算できますか？

RSQ関数は変数が2つの単回帰分析のみに対応しています。複数の変数を使った重回帰分析でR²を求めるには、Excelの「データ分析」アドインを使うか、LINEST関数を配列数式として入力する方法があります。「データ」タブ→「データ分析」→「回帰分析」を選ぶと、R²を含む詳細な統計結果を一括で確認できます。

まとめ：RSQ関数は「数字で語る」ための基礎体力

RSQ関数は、2つのデータの関係を 決定係数 R² という1つの数値に落とし込んでくれる、とても実用的な統計関数です。構文もシンプルで、=RSQ(結果, 原因) の順に範囲を指定するだけ。それだけで「このデータ、どれくらい信頼できる関係なの？」という問いに客観的な答えを返せます。

• 構文は =RSQ(既知のy, 既知のx) の2引数
• 返り値は0〜1の決定係数。1に近いほど回帰モデルの精度が高い
• CORRELは「関係の向き」、RSQは「説明力」を表す。両方を併記するのがおすすめ
• 件数ズレは #N/A、分散ゼロは #DIV/0! で止まる
• 広告効果・需要予測・品質管理などあらゆるビジネス分析に使える

「なんとなく」から「数字で語る」へ。RSQ関数を使いこなせるようになると、Excelだけでも十分に説得力のある分析レポートが作れるようになります。まずは手元にある2列のデータで、一度R²を計算してみてください。