ExcelのFORECAST.ETS.CONFINT関数とは？予測の「ブレ幅」を求める関数

「来月の売上をETSで予測したけど、どれくらい誤差があるのか知りたい」
「予測値だけじゃなく、上振れ・下振れの幅もグラフで示したい」

こんな場面で活躍するのがFORECAST.ETS.CONFINT関数です。

この記事ではFORECAST.ETS.CONFINT関数の使い方を、FORECAST.ETS関数との組み合わせや具体的な数値例を交えて解説します。信頼区間の意味から、confidence_levelの調整、よくあるエラーまでまとめて押さえていきましょう。

読み方と語源（ETS=指数三重平滑、CONFINT=信頼区間）

FORECAST.ETS.CONFINT関数の読み方は「フォーキャスト・イーティーエス・コンフィント」です。語源を分解するとわかりやすくなります。

• FORECAST: Forecast（予測）
• ETS: Exponential Triple Smoothing（指数三重平滑法）
• CONFINT: Confidence Interval（信頼区間）

ETS（指数三重平滑法）は、季節変動・トレンド・ノイズを分離して予測するアルゴリズムで、FORECAST.ETS関数の中身でも使われています。CONFINTはその予測値に対する「信頼区間の幅」を返してくれる関数です。

対応バージョンはExcel 2016以降で、Microsoft 365でも問題なく使えます。

信頼区間とは何か（予測値±この値が予測の幅）

そもそも「信頼区間」って何でしょうか。一言でいうと、予測値が収まる可能性が高い範囲の幅のことです。

たとえばFORECAST.ETSで「来月の売上は1,000万円」と予測されたとしても、実際の売上が1,000万円ぴったりになることはまずありませんよね。実績は900万円かもしれないし、1,100万円かもしれません。

信頼区間は「予測値の上下にどれくらいブレる可能性があるか」を統計的に算出した値です。

予測値の上限 = FORECAST.ETS の結果 + FORECAST.ETS.CONFINT の結果
予測値の下限 = FORECAST.ETS の結果 - FORECAST.ETS.CONFINT の結果

デフォルトの95%信頼区間なら、「真の値が予測値±CONFINTの範囲に収まる確率が95%」という意味になります。予測グラフに上下の帯を描くときに、まさにこの値が使われています。

FORECAST.ETS.CONFINT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6つあり、後半の3つは省略可能です。

=FORECAST.ETS.CONFINT(target_date, values, timeline, [confidence_level], [seasonality], [data_completion], [aggregation])

target_date には予測対象の日付（例: 2026-05-01）、values には売上などの数値、timeline にはそれに対応する日付列を指定します。

confidence_levelの意味（既定95%）

confidence_levelはどの程度の確からしさで予測区間を求めるかを表す引数です。

0.95 → 95%信頼区間（既定値、もっとも一般的）
0.90 → 90%信頼区間（区間が狭くなる）
0.99 → 99%信頼区間（区間が広くなる）

数値が大きくなるほど、「真の値がこの範囲に収まる確率」が高くなる代わりに、区間の幅も広くなります。逆に小さくすると、幅は狭くなりますが外れる確率も上がります。

ビジネス用途では既定値の0.95（95%）で十分なケースがほとんどです。「もっと厳しめに見積もりたい」なら0.99、「ざっくりでいいから幅を狭くしたい」なら0.90、と覚えておけばOKです。

FORECAST.ETS.CONFINT関数の基本的な使い方

月次売上データで予測区間を求める

実際にFORECAST.ETS.CONFINT関数を使ってみましょう。次のような月次売上データがあるとします。

2026-01-01の売上を予測し、その信頼区間を求める数式はこうなります。

=FORECAST.ETS.CONFINT(DATE(2026,1,1), B2:B13, A2:A13)

たとえば結果が25だったとします。これは「予測値±25の範囲に95%の確率で収まる」という意味です。

合わせてFORECAST.ETS関数で予測値そのものも出してみましょう。

=FORECAST.ETS(DATE(2026,1,1), B2:B13, A2:A13)
→ 245（予測値）

つまり2026年1月の売上は「245 ± 25」、つまり220〜270の範囲に95%の確率で収まると読み取れます。

confidence_levelを変えて区間を広げ・狭める

同じデータで信頼水準を変えて比べてみましょう。

=FORECAST.ETS.CONFINT(DATE(2026,1,1), B2:B13, A2:A13, 0.90)
→ 約21（90%信頼区間、区間が狭い）

=FORECAST.ETS.CONFINT(DATE(2026,1,1), B2:B13, A2:A13, 0.95)
→ 約25（95%信頼区間、既定値）

=FORECAST.ETS.CONFINT(DATE(2026,1,1), B2:B13, A2:A13, 0.99)
→ 約33（99%信頼区間、区間が広い）

信頼水準を上げるほど区間幅が広くなるのがわかりますね。「外したくない」場面では99%、「予測幅をシャープに見せたい」プレゼン資料では90%、と使い分けてみてください。

FORECAST.ETSと組み合わせて予測グラフの「上限・下限」を作る

FORECAST.ETS.CONFINT関数の真価は、FORECAST.ETS関数と組み合わせて予測の上限・下限を作るところにあります。

上限と下限を別セルで計算する

予測値・上限・下限を3列に分けて出すレイアウトが定番です。仮にC列を予測値、D列を上限、E列を下限にしましょう。

C列（予測値） =FORECAST.ETS(対象日付, B2:B13, A2:A13)
D列（上限）   =FORECAST.ETS(対象日付, B2:B13, A2:A13) + FORECAST.ETS.CONFINT(対象日付, B2:B13, A2:A13)
E列（下限）   =FORECAST.ETS(対象日付, B2:B13, A2:A13) - FORECAST.ETS.CONFINT(対象日付, B2:B13, A2:A13)

これで「予測値245、上限270、下限220」のような3つの数字が並びます。グラフにすると、折れ線の上下に予測幅の帯が描けるイメージですね。

予測シート機能でも内部的に使われている

実はExcelの「予測シート」機能（データタブ → 予測シート）を使うと、内部でFORECAST.ETSとFORECAST.ETS.CONFINTが自動的に組み合わされてグラフが生成されます。

予測シートの「信頼区間」の数値を変えると、CONFINTのconfidence_level引数が変わる仕組みです。手動で数式を組まなくても同じ計算ができるので、ざっくり試したいときは予測シート機能から始めてみるのもおすすめですよ。

ちなみに予測値そのものを出したいときはFORECAST.ETS関数、季節性の周期を確認したいときはFORECAST.ETS.SEASONALITY関数、予測の精度や統計指標を見たいときはFORECAST.ETS.STAT関数が使えます。

FORECAST.LINEARとの違い

線形回帰で予測するFORECAST.LINEAR関数にはCONFINTのような信頼区間関数がありません。違いを整理しておきましょう。

「直線的に伸びるデータ」ならFORECAST.LINEARで十分ですが、「季節変動があるデータの予測幅まで知りたい」ならFORECAST.ETSとFORECAST.ETS.CONFINTのコンビが必須です。

売上のような季節性のあるデータは、ほぼETS系の関数を使う場面ですね。

よくあるエラーと対処法

#N/A エラー：timelineの日付が等間隔でない

FORECAST.ETS.CONFINT関数で一番多いのが#N/Aエラーです。原因のほとんどは「timelineの日付が等間隔になっていない」こと。

2025-01-01, 2025-02-01, 2025-03-01 ... → OK（毎月1日で等間隔）
2025-01-01, 2025-02-15, 2025-03-10 ... → #N/A エラー

ETSアルゴリズムは「等間隔な時系列データ」を前提に動いています。日付がバラバラだと周期を検出できず、エラーになります。

「営業日だけのデータで等間隔じゃない」みたいなときは、いったん月次や週次に集計してからETS関数にかけるのがおすすめです。

#VALUE! エラー：confidence_levelが範囲外

confidence_levelに0以下、1以上、または数値以外を指定すると#VALUE!エラーになります。

=FORECAST.ETS.CONFINT(対象日付, B2:B13, A2:A13, 0)    → #VALUE!エラー
=FORECAST.ETS.CONFINT(対象日付, B2:B13, A2:A13, 1)    → #VALUE!エラー
=FORECAST.ETS.CONFINT(対象日付, B2:B13, A2:A13, 1.5)  → #VALUE!エラー
=FORECAST.ETS.CONFINT(対象日付, B2:B13, A2:A13, 0.95) → OK

「95%信頼区間」のつもりで95と入力しちゃうミスもありがち。confidence_levelは小数で「0.95」と入れる点に注意してください。

#NUM! エラー：データ件数が少ない

データ件数が極端に少ない（目安として2周期分以下）と、ETSアルゴリズムが季節性を検出できず#NUM!エラーになることがあります。

月次データなら最低でも2年分（24件）、できれば3年分以上あると安定して計算できます。データが足りないときは、季節性を無視してFORECAST.LINEAR関数で線形予測するのも一つの選択肢ですね。

IFERROR関数でエラーを拾う

エラーをきれいに表示したいなら、IFERROR関数で囲む方法がおすすめです。

=IFERROR(FORECAST.ETS.CONFINT(対象日付, B2:B13, A2:A13), "予測区間を計算できません")

これなら、データ不足や日付の不整合があった場合でもエラー表示にならず、わかりやすいメッセージが出せます。

まとめ

FORECAST.ETS.CONFINT関数は、FORECAST.ETS関数の予測値に対する信頼区間の幅を求める関数です。

ポイントを整理しておきましょう。

• 構文は =FORECAST.ETS.CONFINT(target_date, values, timeline, [confidence_level], ...)
• 既定の信頼水準は0.95（95%信頼区間）。引数で0.90や0.99に変更可能
• 「予測値±CONFINTの結果」で予測の上限・下限を表現できる
• FORECAST.ETS関数とセットで使うのが基本パターン
• timelineが等間隔でないと#N/Aエラーになるので要注意

予測値だけだと「結局どれくらい外れる可能性があるの？」がわかりませんが、CONFINTを併用すれば予測の確からしさまで一緒に提示できます。経営会議や売上予測レポートで説得力がぐっと上がるので、ぜひFORECAST.ETSとセットで使ってみてくださいね。

ExcelのFORECAST.ETS.SEASONALITY関数とは？周期を自動検出する関数

「売上に季節性があると言われるけど、実際に何ヶ月周期で繰り返しているのか確認したい」
「FORECAST.ETSで予測する前に、データの周期を一度チェックしておきたい」

こんな場面で活躍するのがFORECAST.ETS.SEASONALITY関数です。

この記事ではFORECAST.ETS.SEASONALITY関数の使い方を、月次売上データの実例とともに解説します。
FORECAST.ETSとの連携、返り値の意味、よくあるエラーまでまとめて押さえていきましょう。

読み方と語源（ETS=指数三重平滑、SEASONALITY=季節性）

FORECAST.ETS.SEASONALITY関数の読み方は「フォーキャスト・イーティーエス・シーズナリティ」です。
語源を分解するとイメージしやすくなります。

• FORECAST: Forecast（予測）
• ETS: Exponential Triple Smoothing（指数三重平滑法）
• SEASONALITY: Seasonality（季節性・周期性）

ETS（指数三重平滑法）は、データを「水準・トレンド・季節性」の3要素に分けて予測するアルゴリズムです。
FORECAST.ETS関数の内部でも使われています。

SEASONALITYはそのうち「季節性」の周期長だけを取り出して教えてくれる関数です。

対応バージョンはExcel 2016以降で、Microsoft 365でも問題なく使えます。

季節性とは何か（売上が周期的に増減するパターン）

そもそも「季節性」とは何でしょうか。
一言でいうと、一定の周期で繰り返されるデータの増減パターンのことです。

身近な例を挙げてみます。

• 月次売上: 12月が毎年高く、2月が毎年低い → 12ヶ月周期
• 日次受注数: 平日は多く土日は少ない → 7日周期
• 時間帯別アクセス数: 朝と夜にピークが来る → 24時間周期

FORECAST.ETS.SEASONALITY関数は、こうした周期の長さをデータポイントの個数で返してくれます。
月次売上で「12」が返れば年周期、日次データで「7」が返れば週周期です。

FORECAST.ETS.SEASONALITY関数の構文と引数

FORECAST.ETS.SEASONALITY関数の構文は以下のとおりです。

=FORECAST.ETS.SEASONALITY(values, timeline, [data_completion], [aggregation])

引数は4つで、最初の2つが必須、後ろ2つは省略可能です。

values（履歴データ）

予測の元となる過去の数値データを指定します。
月次売上、週次トラフィック、日次受注数など、時系列に並んだ数値が対象です。

空白セルやテキストが混ざっているとエラーの原因になります。
事前に数値だけが入っているか確認してください。

timeline（日付列）

valuesと対になる日付・時刻・数値の範囲を指定します。
重要なのは等間隔であることです。

月次なら毎月1日、日次なら毎日連続している必要があります。

不揃いな間隔があると周期が検出できず、#NUM!や#N/Aエラーになります。

data_completion（欠損値の扱い）

データに欠損がある場合の扱いを数値で指定します。

• 0: 欠損は欠損のまま扱う（周期検出が難しくなる）
• 1: 前後の値から補完する（既定値・推奨）

通常は省略するか1を指定すれば問題ありません。

aggregation（重複日付の集計方法）

同じ日付が複数回ある場合の集計方法を指定します。

月次や日次データで日付が重複しないなら、省略して問題ありません。

FORECAST.ETS.SEASONALITY関数の基本的な使い方

実際の使い方を、月次売上データの例で見ていきます。

月次売上データで季節性を検出する例

A列に2024年1月から2026年12月までの月初日付（36ヶ月分）、
B列にそれぞれの売上が入っているとします。

E1セルに以下の数式を入れます。

=FORECAST.ETS.SEASONALITY(B2:B37, A2:A37)

返り値が12であれば、データに12ヶ月（=年）周期の季節性があるという意味です。
毎年同じ月に売上が高く・低くなるパターンが検出されたことになります。

返り値の意味（12=年周期、7=週周期）

返り値はデータポイントの個数で表されます。
データの単位によって意味が変わるので注意してください。

返り値が1の場合は「明確な季節性なし」と判断されたという意味です。
データのばらつき・周期の不明瞭さ・件数不足などが原因として考えられます。

NOTE: 自動検出される周期の上限

FORECAST.ETS.SEASONALITY関数が検出できる最大周期長は、データ全体のおよそ半分までです。
年周期（12）を検出するには最低24ヶ月、できれば36ヶ月以上のデータを用意するのが安全です。

FORECAST.ETSのseasonality引数との連携

FORECAST.ETS.SEASONALITYの真価は、FORECAST.ETS関数と組み合わせたときに発揮されます。

自動検出（0）と手動指定の使い分け

FORECAST.ETS関数の構文を確認します。

=FORECAST.ETS(target_date, values, timeline, [seasonality], [data_completion], [aggregation])

4番目のseasonality引数で、季節性の周期長をどう扱うかを指定できます。

通常は0の自動検出で問題ありません。
ただし以下のような場面では手動指定が有効です。

• イベント要因で過去データが歪んでおり、自動検出が外れる
• ビジネス上「年周期で見たい」など固定の周期で予測したい
• 自動検出値が想定と違う（例: 12を期待したのに13になる）

SEASONALITY関数で確認 → ETSで予測の流れ

実務では次の流れがおすすめです。

1. FORECAST.ETS.SEASONALITY関数でデータの周期長を確認する
2. 想定どおりの値（月次データなら12など）かチェック
3. 想定どおりならFORECAST.ETSのseasonalityを0（自動検出）で予測
4. 想定と違うなら、データのクレンジングか手動指定を検討

=FORECAST.ETS.SEASONALITY(B2:B37, A2:A37)
=FORECAST.ETS(A38, B2:B37, A2:A37, 0)
=FORECAST.ETS(A38, B2:B37, A2:A37, 12)

よくあるエラーと対処法

FORECAST.ETS.SEASONALITY関数でつまずきやすいエラーをまとめます。

#NUM!（データ件数不足・周期検出失敗）

最も多いのが#NUM!エラーです。原因は次の3パターンです。

• データ件数が不足: 周期長の2倍未満のデータしかない
• ノイズが大きい: ばらつきが大きすぎて周期が見えない
• 明確な周期がない: データ自体に規則性がない

対処としては、まずデータ件数を増やすことを検討してください。
年周期を見たいなら最低24ヶ月、できれば36ヶ月以上のデータを準備します。
それでもエラーが解消しない場合は、異常値を除外するかFORECAST.LINEAR関数の利用を検討します。

#VALUE!（日付の型エラー・配列サイズ不一致）

#VALUE!エラーは、引数の型やサイズの問題です。

• timelineに文字列・空白セルが含まれている
• valuesとtimelineの範囲サイズが一致していない（例: B2:B37 と A2:A36）
• data_completionやaggregationに想定外の値を指定している

対処としては、まずtimelineが日付として認識されているか確認することです。
セルの書式設定で「日付」を選んだ状態で値を入れ直すと解消することが多いです。
範囲サイズはvaluesとtimelineを必ず同じ行数にしてください。

#N/A（参照範囲の不一致・等間隔でない日付）

#N/Aエラーは、日付の間隔が等間隔でない場合に発生しやすいエラーです。

• 月次データなのに、ある月だけ抜けている
• 日次データなのに、土日のデータがない（営業日のみ）
• 不規則な日付（例: 1日、3日、10日、15日…）が混在している

対処としては、不足している日付を補ってデータを等間隔にすることです。
土日を除外している場合は、data_completion=1を指定して補完するか、
平日のみをタイムラインとして扱う設計にしてください。

FORECAST.ETS / FORECAST.ETS.CONFINT との違い・使い分け

FORECAST.ETSシリーズは複数の関数で構成されます。それぞれの役割を整理します。

実務では、これらをセットで使うのがおすすめです。

1. FORECAST.ETS.SEASONALITY で周期を確認
2. FORECAST.ETS で予測値を計算
3. FORECAST.ETS.CONFINT で信頼区間を計算
4. FORECAST.ETS.STAT でモデルの精度を確認

予測値だけでなく「どれくらい信頼できるか」「どんな周期に基づいているか」まで把握できると、
レポートの説得力が大きく上がります。

詳しい使い方は関連記事も参考にしてください。

• ExcelのFORECAST.ETS関数の使い方
• ExcelのFORECAST.ETS.CONFINT関数の使い方
• ExcelのFORECAST関数の使い方

まとめ｜FORECAST.ETS.SEASONALITYで季節性を見抜こう

FORECAST.ETS.SEASONALITY関数のポイントを振り返ります。

• 時系列データの周期の長さを自動検出して返す関数
• 返り値は「データポイントの個数」（月次で12なら年周期、日次で7なら週周期）
• 必須引数は values と timeline の2つ。日付は等間隔が前提
• 周期長×2以上のデータ件数を準備するのが安全
• FORECAST.ETSのseasonality引数と組み合わせて使うのが王道
• エラーが出たら、まずはデータ件数と日付の等間隔性をチェック

予測の前に「データに本当に季節性があるか」を確認できると、予測値の解釈もぐっと深まります。
月次・週次・日次のデータがあるなら、まずFORECAST.ETS.SEASONALITY関数で周期を見るところから始めてみてください。

ExcelのFORECAST.ETS.STAT関数とは？予測モデルの統計量を取得する関数

「FORECAST.ETSで予測値は出せたけど、このモデルって本当に信頼できるの？」
「平滑係数とか誤差指標とか、上司に説明する数字を取り出したい」

こんな場面で活躍するのがFORECAST.ETS.STAT関数です。

この記事ではFORECAST.ETS.STAT関数の使い方を、月次売上データの実例とともに解説します。
8種類取得できる統計量それぞれの意味と、業務での読み方までまとめて押さえていきましょう。

読み方と語源（ETS=指数三重平滑、STAT=統計量）

FORECAST.ETS.STAT関数の読み方は「フォーキャスト・イーティーエス・スタット」です。
語源を分解するとイメージしやすくなります。

• FORECAST: Forecast（予測）
• ETS: Exponential Triple Smoothing（指数三重平滑法）
• STAT: Statistics（統計量）

ETS（指数三重平滑法）は、データを「水準・トレンド・季節性」の3要素に分けて予測するアルゴリズムです。
FORECAST.ETS関数の内部で使われています。

STATはそのうちモデル内部の統計量を取り出してくれる関数です。
具体的には平滑係数（α・β・γ）と誤差指標（MAE/RMSE等）の数値を取得できます。

対応バージョンはExcel 2016以降で、Microsoft 365でも問題なく使えます。

FORECAST.ETSシリーズの中での位置付け

FORECAST.ETSシリーズは4つの関数で構成されています。
予測値を返すFORECAST.ETS、信頼区間のCONFINT、季節周期のSEASONALITYです。
FORECAST.ETS.STATはその中で「モデルの精度・パラメータ」を担当します。

FORECAST.ETSの予測結果に対して「なぜそう予測したのか」を裏付ける役割を担います。

FORECAST.ETS.STAT関数の構文と引数

FORECAST.ETS.STAT関数の構文は以下のとおりです。

=FORECAST.ETS.STAT(values, timeline, statistic_type, [seasonality], [data_completion], [aggregation])

引数は6つで、最初の3つが必須、後ろ3つは省略可能です。

values（履歴データ）

予測モデルが学習する元データの数値範囲です。
売上・受注件数・アクセス数など、時系列で増減する数値を指定します。

数値以外（文字列など）が混ざっていると#VALUE!エラーになります。

timeline（日付列）

valuesに対応する日付の範囲を指定します。
等間隔である必要があります（毎日・毎週・毎月など）。

間隔がバラバラだと#NUM!エラーになるので注意してください。

statistic_type（取得する統計量）

ここがFORECAST.ETS.STAT関数の核心です。
1〜8の整数で「どの統計量を取り出すか」を指定します。
詳細は次章の早見表で説明します。

seasonality / data_completion / aggregation

通常は省略でOKです。
省略時の既定値（自動検出・補間あり・平均集計）が業務データに最もフィットするケースが多いためです。

statistic_typeで取得できる8種類の統計量

statistic_type引数に1〜8の整数を渡すことで、それぞれ異なる統計量を取得できます。

NOTE
8種類は大きく「平滑係数3つ（α・β・γ）」「誤差指標4つ（MASE・SMAPE・MAE・RMSE）」「ステップサイズ1つ」に分けて覚えると整理しやすくなります。

基本的な使い方の例（月次売上データでα/β/γを取得）

セルA2:A25に月次売上、セルB2:B25に対応する日付があるとします。
平滑係数α・β・γを取得する数式は以下のとおりです。

=FORECAST.ETS.STAT(A2:A25, B2:B25, 1)
=FORECAST.ETS.STAT(A2:A25, B2:B25, 2)
=FORECAST.ETS.STAT(A2:A25, B2:B25, 3)

statistic_typeの数字だけを変えれば、同じデータから異なる統計量を取り出せます。

平滑係数（α・β・γ）の読み方と判断基準

平滑係数はすべて0〜1の範囲で返されます。
それぞれが0に近いほど「過去のパターンが安定している」、1に近いほど「直近の変化が大きい」ことを示します。

α（Alpha）レベル平滑係数の読み方

αはデータの水準（レベル）がどれだけ変動しているかを示します。

αが0.9以上の場合、モデルは「ほぼ直近の値だけを見て予測している」状態です。
データ量不足や外れ値の影響が疑われるので、データ範囲を見直してみてください。

β（Beta）トレンド平滑係数の読み方

βはデータのトレンド（傾き）がどれだけ揺れているかを示します。

βが0に近い場合、データはほぼ直線的に伸びている（または横ばい）と解釈できます。
逆にβが0.8を超えるようなら、急成長期や鈍化期など、変化点を含んでいる可能性があります。

γ（Gamma）季節平滑係数の読み方

γは季節パターンの変化度合いを示します。

γが0.8以上のときは、過去の季節パターンがあてにならない状態です。
新規事業・コロナ前後の売上など、構造変化があるデータで起こりやすい傾向です。

誤差指標（MASE・SMAPE・MAE・RMSE）の読み方と判断基準

誤差指標は「予測モデルが過去データをどれだけ正確に再現できているか」を示します。
4種類それぞれ単位や意味が違うので、目的に応じて使い分けます。

MASE（statistic_type=4）の読み方

MASE（平均絶対スケール誤差）は、ナイーブ予測（前期と同じ値）を基準にした相対誤差です。

業務での目安は0.5〜0.8が良好レベルです。
1.0を超える場合、「単純に先月と同じ値を予測する」方がマシなので、ETSモデルを使う意味がありません。

SMAPE（statistic_type=5）の読み方

SMAPE（対称平均絶対パーセント誤差）は、誤差をパーセントで返す指標です。
単位を気にせず精度比較できる利点があります。

ビジネスの売上予測では10%〜20%に収まるケースが多く、20%超なら別アプローチも検討する目安になります。

MAE（statistic_type=6）の読み方

MAE（平均絶対誤差）は、誤差の平均を元データと同じ単位で返します。

例えば月次売上データなら「平均で50万円ずれます」のように具体的な金額として読めるのが利点です。
業務での説明にも使いやすい指標です。

TIP
MAEは「予測値の許容できるブレ幅」と比較するのがコツです。例えば在庫計画でMAE=50個なら、安全在庫を50個程度上乗せしておくといった意思決定に直結します。

RMSE（statistic_type=7）の読み方

RMSE（二乗平均平方根誤差）も元データと同じ単位ですが、大きな誤差を強調する特徴があります。

RMSEがMAEより明らかに大きいときは、極端な外れ値が混じっている可能性があります。
データクレンジングの見直しサインとして活用してください。

FORECAST.ETSシリーズの併用ステップ

FORECAST.ETS.STAT関数は単独でなく、シリーズの他関数と組み合わせて使うと効果的です。
業務での標準的なフローを紹介します。

ステップ1: SEASONALITYで周期を確認

最初にFORECAST.ETS.SEASONALITY関数で、データの周期を確認します。

=FORECAST.ETS.SEASONALITY(A2:A25, B2:B25)

12なら年周期、7なら週周期と判断できます。

ステップ2: STATで誤差指標を確認

次にFORECAST.ETS.STAT関数でMAEやSMAPEを取得し、モデルの精度を確認します。

=FORECAST.ETS.STAT(A2:A25, B2:B25, 6)

精度が業務で許容できるレベル（例: SMAPE 20%未満）なら次のステップへ進みます。

ステップ3: ETSで予測値を算出

精度を確認したうえで、FORECAST.ETS関数で予測値を取得します。

=FORECAST.ETS(C26, A2:A25, B2:B25)

C26には予測したい未来の日付を入れます。

ステップ4: CONFINTで信頼区間を取得

最後にFORECAST.ETS.CONFINT関数で信頼区間（誤差幅）を取得します。
これで予測値の上下限を提示できるようになります。

=FORECAST.ETS.CONFINT(C26, A2:A25, B2:B25)

この4ステップで「予測値・誤差幅・モデル精度・周期」をワンセットで揃えられます。

FORECAST.ETS.STAT関数のよくあるエラー

FORECAST.ETS.STAT関数で発生しやすいエラーと対処法をまとめます。

#VALUE!（statistic_typeが範囲外・引数の型エラー）

=FORECAST.ETS.STAT(A2:A25, B2:B25, 9)
→ #VALUE!

statistic_typeに1〜8以外の値を渡すと#VALUE!になります。
範囲を確認して修正してください。

values内に文字列や論理値が混ざっている場合も#VALUE!になります。
データ列の型をチェックしてみてください。

#NUM!（タイムラインが等間隔でない・データ不足）

=FORECAST.ETS.STAT(A2:A10, B2:B10, 1)
→ #NUM!（データ不足の場合）

timeline引数の日付が等間隔でないと#NUM!になります。
特に月末ベースの日付（1/31, 2/28, 3/31）は厳密には等間隔ではありません。
月初（1/1, 2/1, 3/1）に統一しておくと安全です。

季節性検出には最低2周期分のデータが必要です。
月次データなら24ヶ月以上、週次データなら14週以上を用意してください。

#N/A（valuesとtimelineのサイズ不一致・欠損が多すぎる）

valuesとtimelineの配列サイズが違うと#N/Aになります。
A2:A25とB2:B26のように、選択範囲がずれていないか確認してください。

欠損値（空セル）が全体の30%を超えても#N/Aになります。
data_completion=1（既定の補間）でも処理できない量の欠損は、元データを見直す必要があります。

FORECAST.ETSシリーズ4関数の使い分け

最後にFORECAST.ETSシリーズ4関数の使い分けを整理します。

「予測値だけ見せて終わり」では説得力に欠けます。
CONFINTで誤差幅を提示し、STATでモデル精度を裏付けるところまでセットにしましょう。
そうすることで、説得力のある予測レポートに仕上がります。

関連記事も参考にしてください。

• FORECAST.ETS関数の使い方｜時系列予測の基本
• FORECAST.ETS.CONFINT関数の使い方｜信頼区間の取得
• FORECAST.ETS.SEASONALITY関数の使い方｜季節性の自動検出

まとめ

FORECAST.ETS.STAT関数のポイントを振り返ります。

• 役割: FORECAST.ETSモデルの統計量（平滑係数・誤差指標）を取得する
• 構文: =FORECAST.ETS.STAT(values, timeline, statistic_type, [seasonality], [data_completion], [aggregation])
• statistic_type: 1〜8の整数で取得する統計量を指定
• 平滑係数（α/β/γ）: 0〜1の値。0に近いほど安定、1に近いほど直近変化を重視
• 誤差指標: MASEは1.0未満が合格、SMAPEは20%未満が実用レベル
• 併用フロー: SEASONALITY → STAT → ETS → CONFINTで予測の信頼性を裏付ける

FORECAST.ETS.STAT関数を使えば、予測の質を一段階上げられます。
「なんとなく予測した」状態から「数値根拠付きで予測モデルを評価する」状態にステップアップできます。
売上予測・需要予測のレポートに、ぜひ取り入れてみてください。