統計検定2級 用語解説
回帰係数とは
回帰直線の傾きにあたる値。説明変数が1単位変化したときに目的変数がどれだけ変化するかを示す。
まず押さえる結論
回帰係数は、統計検定2級の「第6章 カテゴリカルデータと回帰分析」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-11。
試験概要（公式）混同しやすい用語との差
相関係数 / 回帰係数
相関係数は、2つの量的変数の直線的な関係の強さと向きを表します。
回帰係数は、説明変数が1単位増えたときの目的変数の平均的な変化量を表します。
見分け方: 関係の強さを見るのか、予測式の傾きを見るのかで判断します。
試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×適合度検定と独立性の検定の混同。前者は分布への当てはまり、後者は2つのカテゴリ変数の関連を見る。
×回帰係数と相関係数の混同。回帰係数は説明変数が1単位増えたときの目的変数の変化量を表す。
×決定係数を因果関係の強さと誤解する。決定係数はモデルが目的変数のばらつきをどれだけ説明するかの指標。
関連する確認問題
第6章 カテゴリカルデータと回帰分析 / 線形モデル
単回帰分析で、説明変数が1単位増えたときに目的変数が平均的にどれだけ変化するかを表す係数はどれか。
正解は「回帰係数」である。回帰係数は、単回帰分析で求めた回帰直線の傾きにあたり、説明変数が1単位増えたときに目的変数が平均的にどれだけ変化するかを表す。自由度は検定統計量や確率分布(カイ二乗分布やt分布など)を特徴づける値であり、独立に変動できるデータの数を表す概念であって回帰直線の傾きではない。期待度数はカイ二乗検定で観測度数と比較するために計算する値であり、量的変数の変化量を表す係数ではない。母比率は母集団におけるカテゴリの比率を表す母数であり、説明変数と目的変数の関係を表す係数ではない。設問の「説明変数が1単位増えたときの目的変数の平均的な変化量」という条件は、回帰直線の傾きである回帰係数に直接対応する。
第6章 カテゴリカルデータと回帰分析 / 線形モデル
重回帰分析で、説明変数同士の相関が強すぎるために回帰係数の推定が不安定になる問題はどれか。
正解は「多重共線性」である。多重共線性は、重回帰分析において説明変数同士の相関が強すぎるために、各説明変数が目的変数に与える影響を分離しにくくなり、回帰係数の推定が不安定になる問題である。標本誤差は標本を用いることで生じる母集団とのずれであり、説明変数間の相関とは無関係である。第1種の過誤は正しい帰無仮説を誤って棄却する検定上の誤りであり、回帰係数の推定の不安定さを説明する概念ではない。標準化は値を平均と標準偏差で変換する処理であり、それ自体は説明変数間の相関の強さを問題にする概念ではない。設問の「説明変数同士の相関が強すぎる」「回帰係数の推定が不安定」という条件は、多重共線性に直接対応する。
第6章 カテゴリカルデータと回帰分析 / カテゴリカルデータの分析
カイ二乗検定で、観測度数と比較するために、仮説のもとで期待される度数を何というか。
正解は「期待度数」である。期待度数は、カイ二乗検定で仮説のもとで期待される度数であり、観測度数とのずれを評価するために使われる。標準誤差は推定量のばらつきを表す指標、回帰係数は回帰直線の傾きを表す指標、最頻値は最も多く現れる値であり、いずれも期待度数とは異なる概念であって、カイ二乗検定の考え方を理解するうえで混同しないよう注意したい。 カイ二乗検定では、実際に得た観測度数と、仮説のもとで想定する度数を比較する。推定量のばらつき、回帰の係数、分布の最頻値ではなく、比較基準となる期待度数を選ぶ。
同じ章で確認したい用語
到達チェック
- 回帰係数を一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、回帰係数に関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）