統計検定2級 用語解説
多重共線性とは
重回帰分析において、説明変数どうしの相関が強すぎるために各説明変数の回帰係数の推定が不安定になり、それぞれの影響を分離して解釈しにくくなる問題。
まず押さえる結論
多重共線性は、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）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
重回帰で年齢と勤続年数が強く相関し、係数が不安定になった。疑うべき問題はどれか。
この事例では「説明変数間の強い相関による多重共線性か」を確認すると、重回帰分析で説明変数どうしの相関が強い状況に絞れる。正解は「重回帰分析で説明変数どうしの相関が強い状況」である。多重共線性は、重回帰分析において説明変数どうしの相関が強いときに、各係数の推定が不安定になり解釈が難しくなる問題である。単回帰分析は説明変数が1つのため多重共線性は生じない。クロス集計表の期待度数の計算や正規分布の標準化は、説明変数間の関係とは別の文脈の話である。 多重共線性は目的変数との相関ではなく、説明変数相互の強い線形関係が問題になる。説明変数が一つの単回帰ではこの意味の共線性は生じず、期待度数の計算や正規変数の標準化も回帰係数の不安定性とは別である。
第6章 カテゴリカルデータと回帰分析 / 線形モデル
重回帰の決定係数だけが高いことを理由にモデルを採用した。追加で確認すべき点はどれか。
この事例では「説明変数間相関や各回帰係数の解釈か」を確認すると、説明力の指標だけでなく、説明変数どうしの相関や回帰係数の解釈も確認するに絞れる。正解は「説明力の指標だけでなく、説明変数どうしの相関や回帰係数の解釈も確認する」である。決定係数は回帰分析の説明力を表す指標だが、それだけでモデルの妥当性や因果関係を判断できない。重回帰分析では説明変数どうしの相関である多重共線性や、回帰係数の解釈もあわせて確認する必要がある。決定係数が大きくても多重共線性の有無は保証されず、因果関係が証明されるわけでもなく、決定係数自体は期待度数とは別の指標である。決定係数の値だけでモデルの良し悪しを判断せず、多重共線性や回帰係数の解釈もあわせて確認する姿勢が重回帰分析では求められる。
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。
同じ章で確認したい用語
到達チェック
- 多重共線性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、多重共線性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）