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。

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。