重回帰分析とは？
― 複数の説明変数で目的変数を予測・要因分析

目的変数を複数の説明変数で予測・制御する代表的な多変量解析手法。各説明変数の影響の程度を明らかにし、現実の意思決定に直結する予測・要因分析を行えます。

難易度：★★☆ 想定読了：9分 最終更新 2026.05.17 監修：スマート・アナリティクス代表
分析手法を相談する SPSS製品選定を見る

重回帰分析とは

目的変数を複数の説明変数で予測・制御する代表的な多変量解析手法。各説明変数の影響の程度を明らかにし、現実の意思決定に直結する予測・要因分析を行えます。

重回帰分析で分かること

  • 各説明変数が目的変数に与える独立した影響
  • 予測モデルとしての当てはまり（R²、調整済みR²）
  • どの変数が相対的に重要か（標準化β）
  • 予測値と信頼区間

重回帰分析の主な種類

手法用途
強制投入法理論的に選んだすべての変数を投入
ステップワイズ法統計的基準で変数を選択
階層的回帰理論的優先度に基づき段階的に投入
最良サブセット選択AICなどの基準で最適変数組合せを探索

研究・ビジネスでの利用シーン

売上要因の分析

マーケティング

広告費・価格・季節などの複数要因が売上に与える独立した影響を分析します。

リスク要因の特定

医療研究

年齢・性別・既往歴を調整した上で、特定要因の影響を分離します。

成果要因分析

人事評価

スキル・経験・教育などが業績に与える独立した影響を可視化します。

SPSSで実施する場合の製品選定

重回帰分析をSPSSで実施する際に必要となる製品とオプションを整理します。

やりたいこと対応製品備考
重回帰分析（連続目的変数）IBM SPSS Statistics Base標準機能・ステップワイズ可
ロジスティック回帰・非線型回帰IBM SPSS Regressionアドオン
順序ロジスティック回帰IBM SPSS Advanced Statistics順序尺度の目的変数
カテゴリ変数の回帰IBM SPSS Categories最適尺度法

分析時の注意点

  • 多重共線性を VIF（≥10で要注意）で確認する
  • 前提条件（線形性・独立性・正規性・等分散性）を確認
  • ステップワイズ法は p-hacking の批判があるため理論的根拠を優先
  • 因果関係の解釈には設計上の留意が必要

重回帰分析の進め方、専門家がサポートします

分析設計の段階から、結果解釈・論文記述まで——研究テーマに応じてご相談いただけます。
必要なSPSS製品の構成もあわせてご提案します。

無料オンライン相談（30分） 価格・見積を依頼

お電話でのご相談：0120-835-761　受付 9:00–18:00（土日祝除く）

よくあるご質問

Q.ステップワイズ法は使ってよい？
近年では理論的根拠に基づく変数選択が推奨されます。ステップワイズは探索段階での補助として使い、結果は検証データで確認することが推奨されます。
Q.どれくらいの標本数が必要？
目安は説明変数1個あたり10〜20件以上です。説明変数が10個なら100〜200件が推奨されます。
Q.多重共線性が高い場合は？
高相関の変数を統合（合成変数化）、主成分回帰、Ridge回帰、Lasso回帰などを検討します。

お気軽にご相談ください0120-835-761受付時間 9:00-18:00 [ 土・日・祝日除く ]

問合せ・見積・注文をする お気軽にお問い合わせください