評価コンパスEvalCompass

回帰分析 モデル設計・実施チェックシート

何を説明したいか（予測か効果推定か）を最初に明確にすることが、変数選択とモデル解釈の誤りを防ぎます。交絡変数の候補は理論から先に決めてください。

使いどころと完成条件記入済みの仮想例
この端末に自動保存します 入力はこのブラウザ内だけに保存されます。共有・提出時はPDF保存してください。印刷用紙：A4・縦向き。プレビューで向きを確認してください。
EvalCompass Worksheet

回帰分析 モデル設計・実施チェックシート

手法: 回帰分析（Regression Analysis）
何を説明したいか（予測か効果推定か）を最初に明確にすることが、変数選択とモデル解釈の誤りを防ぎます。交絡変数の候補は理論から先に決めてください。

基本情報

分析の目的と設計を記入する

この項目の記入例（仮想例）

説明用の仮想例です。ご自身の事業に合わせて記入してください。入力内容は変わりません。

事業名・研究課題
受付待ち時間予測
分析の目的（予測/効果推定）
予測・関連の記述
従属変数名と尺度（連続/二値等）
待ち時間（分、連続量）
サンプルサイズ（有効数）
説明式のみ。実標本は未取得
使用する統計ソフト
Rを候補とする
分析担当者・実施日
担当A／2026年7月（仮想）

記入理由: 実データを分析した体裁にしません。

変数の設計

主要独立変数・統制変数・交絡変数候補を整理する

この項目の記入例（仮想例）

説明用の仮想例です。ご自身の事業に合わせて記入してください。入力内容は変わりません。

変数名役割（主独立変数/統制変数）尺度選択の理論的根拠ダミー変数化の要否
先行相談件数主説明変数非負整数待ち行列の長さと待ち時間の関係を調べる不要

記入理由: このモデルでは因果効果を推定しません。

変数名役割（主独立変数/統制変数）尺度選択の理論的根拠ダミー変数化の要否

多重共線性チェック

相関は変数ペアごと、VIFは各説明変数をモデル内の他の説明変数すべてに回帰して確認する。対象説明変数と相関の相手を区別して記録する

この項目の記入例（仮想例）

説明用の仮想例です。ご自身の事業に合わせて記入してください。入力内容は変わりません。

対象説明変数／相関の相手相関係数r対象説明変数のVIF値対応（除外/変換等）
説明変数は先行件数のみ変数間相関は非該当切片を除く説明変数が一つのため非該当変数追加時に再点検

記入理由: 該当しない診断に架空の値を置きません。

対象説明変数／相関の相手相関係数r対象説明変数のVIF値対応（除外/変換等）

モデル適合度と診断結果

モデルの当てはまりと診断結果を記録する

この項目の記入例（仮想例）

説明用の仮想例です。ご自身の事業に合わせて記入してください。入力内容は変わりません。

指標値問題の有無対応
残差の分布と自己相関未算出未判定実データ取得後に時系列順の残差等を確認

記入理由: 実測診断値がなければ未判定とします。

指標値問題の有無対応

係数の解釈メモ

主要変数の係数について実質的な意味（どれくらい変化するか）を記述する

この項目の記入例（仮想例）

説明用の仮想例です。ご自身の事業に合わせて記入してください。入力内容は変わりません。

先行件数が1件違うと予測平均が2分違う式の例。職員配置や相談内容の影響を含めておらず、因果効果や予測区間は求めていない。

記入理由: 係数の意味と未確認事項を一緒に記します。

完成チェック

この項目の記入例（仮想例）

説明用の仮想例です。ご自身の事業に合わせて記入してください。入力内容は変わりません。

  • ☑ 確認済み: 変数選択の理論的根拠を事前に文書化した
  • ☐ 未確認: 共線性を診断し、係数の不安定さや対応を記録した（VIF等はモデルに応じて使用）
  • ☐ 未確認: 選択した回帰モデルに応じた残差・分散・依存などの仮定を診断した
  • ☐ 未確認: p値に加えて効果量と信頼区間を報告した
  • ☑ 確認済み: 因果解釈の限界（観察データの交絡の可能性）を明記した
  • ☐ 未確認: サンプルサイズが変数数に対して十分かを確認した

記入理由: モデル案と因果解釈の制限は記載済みです。標本数と推定診断はまだ確認していません。

記入前に、使いどころと完成条件を確認

回帰分析 モデル設計・実施チェックシートは、回帰分析を会議や個人作業で実行に移すための入力シートです。手法全体の期間は「計画例：1〜2週間（データ整備・モデル構築・解釈を含む）」を参考に、規模・体制に合わせて見積もります。分かる欄から仮置きし、未確定事項を次の確認課題として残してください。

このシートが役立つ場面

  • 複数の背景要因を統制した上で、特定のプログラム変数が成果指標に与える影響を推定したいとき
  • 成果に影響する要因を特定し、どこに介入すれば効果が大きいかを判断したいとき
  • ロジスティック回帰でサービス到達・脱落・目標達成などの二値アウトカムの予測因子を探索したいとき

参加者と準備

統計・データ分析の知識を持つ評価担当者1〜2名。RやPython・SPSSなどの統計ソフト使用スキルが必要。

判断に使う資料、既存データ、関係者の認識差を持ち寄ると記入が進みます。

記入の順番

  1. 1. 基本情報分析の目的と設計を記入する
  2. 2. 変数の設計主要独立変数・統制変数・交絡変数候補を整理する
  3. 3. 多重共線性チェック相関は変数ペアごと、VIFは各説明変数をモデル内の他の説明変数すべてに回帰して確認する。対象説明変数と相関の相手を区別して記録する
  4. 4. モデル適合度と診断結果モデルの当てはまりと診断結果を記録する
  5. 5. 係数の解釈メモ主要変数の係数について実質的な意味（どれくらい変化するか）を記述する
  6. 6. 完成チェック

完成の目安

  • 回帰係数表（非標準化係数・標準化係数・p値・95%信頼区間）
  • モデル診断プロット（残差分布・Q-Qプロット）
  • 結果の解釈レポート（効果量・実質的意味・限界の明示）

レビュー時の注意

  • 統計的に有意なので、プログラムが効果を持つという因果的解釈の飛躍 — 観察回帰では関連があるとのみ述べ、因果については設計上の限界を必ず明記する
  • 過剰な変数投入（Overfitting）— サンプルサイズに対して変数が多すぎるとモデルがデータに過適合し、汎化性能が低下する
  • 共線性を無視すると個々の係数が不安定になる。診断指標と領域知識、推定したい問いを合わせて対応を検討する。
記入済みの仮想例を読む（入力内容は変わりません）
仮想例・実績ではありません

説明用の仮想例です。仮想的な線形モデルを「予測待ち時間=5+2×先行相談件数」と設定します。

基本情報

事業名・研究課題
受付待ち時間予測
分析の目的（予測/効果推定）
予測・関連の記述
従属変数名と尺度（連続/二値等）
待ち時間（分、連続量）
サンプルサイズ（有効数）
説明式のみ。実標本は未取得
使用する統計ソフト
Rを候補とする
分析担当者・実施日
担当A／2026年7月（仮想）

記入理由: 実データを分析した体裁にしません。

変数の設計

変数名役割（主独立変数/統制変数）尺度選択の理論的根拠ダミー変数化の要否
先行相談件数主説明変数非負整数待ち行列の長さと待ち時間の関係を調べる不要

記入理由: このモデルでは因果効果を推定しません。

多重共線性チェック

対象説明変数／相関の相手相関係数r対象説明変数のVIF値対応（除外/変換等）
説明変数は先行件数のみ変数間相関は非該当切片を除く説明変数が一つのため非該当変数追加時に再点検

記入理由: 該当しない診断に架空の値を置きません。

モデル適合度と診断結果

指標値問題の有無対応
残差の分布と自己相関未算出未判定実データ取得後に時系列順の残差等を確認

記入理由: 実測診断値がなければ未判定とします。

係数の解釈メモ

先行件数が1件違うと予測平均が2分違う式の例。職員配置や相談内容の影響を含めておらず、因果効果や予測区間は求めていない。

記入理由: 係数の意味と未確認事項を一緒に記します。

完成チェック

  • ☑ 確認済み: 変数選択の理論的根拠を事前に文書化した
  • ☐ 未確認: 共線性を診断し、係数の不安定さや対応を記録した（VIF等はモデルに応じて使用）
  • ☐ 未確認: 選択した回帰モデルに応じた残差・分散・依存などの仮定を診断した
  • ☐ 未確認: p値に加えて効果量と信頼区間を報告した
  • ☑ 確認済み: 因果解釈の限界（観察データの交絡の可能性）を明記した
  • ☐ 未確認: サンプルサイズが変数数に対して十分かを確認した

記入理由: モデル案と因果解釈の制限は記載済みです。標本数と推定診断はまだ確認していません。

判断で間違えやすいこと

係数が有意なので原因だとする

見直し方: 識別設計と未観測交絡を検討する

理由: 統計的関連と因果効果は別だからです。

R²が高いので新しい拠点でも当たるとする

見直し方: 対象外のデータや期間で予測誤差を確認する

理由: 学習データへの適合は一般化性能を保証しないためです。

内容更新: 資料確認日: （AI照合を含む）人の監修記録なし説明用の仮想例あり編集方針・確認範囲このページを引用訂正したい箇所を伝える

参照資料と確認箇所

  1. NIST/SEMATECH e-Handbook: What are the typical underlying assumptions in process modeling?
    NIST
    参照箇所
    Underlying assumptions
    本文との対応
    誤差や関数形に関する仮定を点検し、予測の適合と因果の根拠を区別します。
    資料確認日: （AI照合を含む）
  2. NIST/SEMATECH e-Handbook: Linear Least Squares Regression
    NIST／SEMATECH
    参照箇所
    Definition of a Linear Least Squares Model / Disadvantages of Linear Least Squares
    本文との対応
    回帰モデルと線形最小二乗法、外れ値・外挿の限界
    資料確認日: （AI照合を含む）

このページの引用情報

評価コンパス編集.「回帰分析 モデル設計・実施チェックシート」. 評価コンパス, 2026-10-07更新. https://evalcompass.jun-nakatani.com/worksheets/regression-analysis/
閲覧日は利用者が追記してください。本サイトが作成した本文の再利用はCC BY 4.0。引用・外部資料・同梱フォントには、それぞれの利用条件が適用されます。再利用時は出所とライセンスへのリンクを示し、変更した場合はその旨を表示してください。

このページの訂正・改善を伝える

更新履歴
  • — 定義と適用条件の出典を確認し、仮想事例、判断理由、全欄の記入例を追加。未確認の歴史・普及に関する断定を整理。 既存の手順・留意点も点検し、固定的な人数・閾値や制度の一般化を調整。 入力欄の位置・型・個数を保ち、フォームの固定条件や閾値の表記を修正。
  • — 独立内容点検（content-check-causal）に基づく訂正。VIFを変数ペアの指標と誤読しないよう、表の見出しと説明を修正。入力位置・数は維持。