🎨 直感で掴む

説明変数は「原因側 / 入力」の変数です。 統計では $x$、 ML では特徴量、 計量経済では共変量と呼ぶことも。 「都道府県の総人口で 15 歳未満人口を説明する」と言うとき、 総人口が説明変数、 15 歳未満人口が目的変数です。

複数の説明変数を同時に使うのが 重回帰。 ただし説明変数同士の相関が強い（多重共線性）と係数が暴れ、 解釈が困難に。 VIF（分散拡大係数）が 10 を超えるなら片方を除外。

📐 数式または定義

本概念は次のように記述されます（KaTeX で描画）。

英語名 Explanatory Variable。 別称：独立変数 / 予測変数 / x。

🔬 数式を言葉で読み解く

記号と意味を逐一突き合わせて読みます。 慣れないうちは式を「日本語で読む」ことが理解の近道です。

• $x_j$：$j$ 番目の説明変数
• $\beta_j$：$x_j$ の係数（他の変数を一定にしたときの限界効果）
• $\varepsilon$：誤差項（説明しきれない部分）
• $R_j^2$：$x_j$ を他の説明変数で回帰した決定係数
• $\mathrm{VIF}_j$：$\mathrm{VIF}>10$ で多重共線性が強い

🧮 SSDSE-B 実値で計算してみる

SSDSE-B から 3 つの説明変数 で 15 歳未満人口を重回帰し、 VIF を確認します。

データ出典：SSDSE-B-2026（独立行政法人統計センター）。 47 都道府県 × 複数年（最新 2023）の社会統計データ。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21

import pandas as pd
import numpy as np
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=1)
df = df[df['年度'] == 2023].reset_index(drop=True)

# 説明変数を 3 つ
X = df[['総人口','15～64歳人口','65歳以上人口']]
y = df['15歳未満人口']

# 重回帰
X_const = sm.add_constant(X)
model = sm.OLS(y, X_const).fit()
print(model.summary().tables[1])

# VIF
for i, name in enumerate(X.columns):
    vif = variance_inflation_factor(X.values, i)
    print(f'VIF({name}) = {vif:.2f}')

実行結果の要約（出力は環境依存。 概算値）：

🐍 Python 実装

scikit-learn / pandas を使った最小実装パターン。 上の SSDSE-B 計算と同じスタイルですが、 ここでは「読み込み→前処理→学習→評価」のテンプレを 4 つのスニペットに分けます。

① データ読み込み & 概観

1
2
3
4

import pandas as pd
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=1)
df = df[df['年度'] == 2023].reset_index(drop=True)
print(df.shape, df.columns.tolist()[:8])

② 特徴量と目的変数

1
2
3

X = df[['総人口','65歳以上人口']].values
y = df['15歳未満人口'].values
print('X shape =', X.shape, ',  y shape =', y.shape)

③ 訓練/テスト分割 + モデル学習

1
2
3
4
5
6

from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor

X_tr, X_te, y_tr, y_te = train_test_split(X, y, test_size=0.3, random_state=0)
model = RandomForestRegressor(n_estimators=300, random_state=0).fit(X_tr, y_tr)
print('R^2 (test) =', model.score(X_te, y_te))

④ 評価と可視化

1
2
3
4
5
6

import matplotlib.pyplot as plt
pred = model.predict(X_te)
plt.scatter(y_te, pred)
plt.plot([y_te.min(), y_te.max()], [y_te.min(), y_te.max()], 'r--')
plt.xlabel('実測'); plt.ylabel('予測'); plt.title('「説明変数」関連モデルの予測精度')
plt.tight_layout(); plt.savefig('out.png', dpi=150)

※ 「説明変数」固有の本格コードは上の 🧮 SSDSE-B 実値計算 節を参照。

⚠️ よくある落とし穴（5 つ）

🌐 関連手法・派生

同じ目的・近い問題設定で並列に使える概念、 上位/下位の包含関係にある概念をまとめます。

🔗 関連用語

📋 前提（読む前に知っておくと楽）

🤝 並列（一緒に押さえたい）

🚀 発展（次のステップ）

📂 同カテゴリの他用語

🔎 深掘り解説

説明変数の選び方

1. ドメイン知識：理論的に y に影響する変数を最優先
2. 単変量スクリーニング：相関係数・χ²でフィルタ
3. 多変量フィルタ：多重共線性をVIFで確認
4. ラッパー法：Forward/Backward selection、 Step-wise
5. 組込み法：LASSO による自動選択
6. 解釈性：報告先が理解できるか

説明変数のタイプと取扱い

✅ 使う前のチェックリスト

• ☐ 説明変数 が今のタスクに本当に適切か再確認した
• ☐ 前提条件（独立性、 正規性、 サンプル数等）を満たしているか確認した
• ☐ データの尺度・分布・欠損・外れ値を確認した
• ☐ 結果だけでなく「不確実性」（CI、 標準誤差）も把握した
• ☐ 解釈と限界を区別して文書化した
• ☐ 関連する別の手法と比較したうえで本手法を選んだ
• ☐ 落とし穴（このページの ⚠️ セクション）に該当しないか確認した
• ☐ 関連グループ教材で全体像と位置付けを把握した

📖 さらに学ぶには

本サイト内

• 論文一覧に戻る — 説明変数 を実際に使った再現論文をハンズオン形式で読む
• このページ上部の「🔗 関連用語」から派生概念へ
• 「📚 関連グループ教材」で横断的な学習教材へ

外部リソース

• scikit-learn 公式ドキュメント — 標準実装と例
• StatQuest with Josh Starmer (YouTube) — 直感的な統計／ML 解説
• Cross Validated (Stack Exchange) — 統計／ML の質問サイト
• arXiv — 最新の手法論文プレプリント

困ったときは

1. データの可視化（散布図、 ヒストグラム、 箱ひげ図）で異常を確認
2. サンプルサイズ・欠損・外れ値を確認
3. 仮定が満たされているか診断（正規性検定、 等分散性検定など）
4. 類似研究での標準的な手法を確認
5. 結果を複数手法でクロスチェック（頑健性確認）

📚 関連グループ教材

この用語の全体像を学ぶには、 まず横断的な教材で文脈を掴むのが効率的です：

• 📚 機械学習の基礎 — このカテゴリの全体像を学ぶ
• 📚 モデル選択 — このカテゴリの全体像を学ぶ
• 📚 評価指標 — このカテゴリの全体像を学ぶ
• 📚 教師あり学習 — このカテゴリの全体像を学ぶ

✅ 学習チェックリスト

• □ 「説明変数」の 30 秒結論を 1 文で言える
• □ 数式の記号と意味の対応を全て口頭で説明できる
• □ SSDSE-B コードを自分の環境で動かし、 表の値を再現できた
• □ 5 つの落とし穴をそれぞれ「自分のプロジェクト」の文脈で言い換えられる
• □ 前提・並列・発展の用語を 4 つずつ列挙できる
• □ 機械学習の基礎 グループ教材で文脈を確認した