多項式回帰計算ツールの使い方
多項式回帰計算ツールを使用すると、任意のデータセットに対して多項式近似曲線を数秒でフィットさせることができます。
- 次数を選択 — ドロップダウンから多項式の次数（2次〜6次）を選択します。2次は放物線（2次曲線）、3次は3次曲線となります。
- データを入力 — 入力欄に (x, y) のデータペアを1行に1組ずつ入力します。xとyの区切りにはカンマまたはスペースを使用してください。「サンプルを読み込む」をクリックすると例題データが入ります。
- 計算結果を確認 — 多項式回帰式、各回帰係数 β₀ … βₙ、決定係数 (R²)、自由度調整済み決定係数、MSE、RMSEが即座に表示されます。
- 新しい値を予測 — 予測フィールドに任意の x の値を入力すると、対応する予測値 ŷ が自動的に計算されます。
- 残差テーブルの確認 — 各データ点の観測値と予測値、残差（y − ŷ）を一覧で確認し、外れ値の検出に役立てられます。
「クリア」ボタンを押すと入力がリセットされ、新しいデータセットで計算を開始できます。
計算式と理論 — 多項式回帰と最小二乗法
多項式回帰計算ツールでは、以下の多項式モデルをデータに適合させます。
y = β₀ + β₁x + β₂x² + … + βₙxⁿ回帰係数は、残差平方和（RSS）を最小化する最小二乗法によって求められます。
RSS = Σᵢ (yᵢ − ŷᵢ)²これにより、以下の正規方程式（連立方程式）が得られます。
(XᵀX) β = Xᵀyここで X はヴァンデルモンド（Vandermonde）型の計画行列です。本ツールでは、数値的安定性を確保するためにピボット選択付きガウス消去法を用いてこの方程式を解きます。
| 記号・用語 | 意味 |
|---|---|
| βₖ | xᵏ の項に対する回帰係数 |
| ŷᵢ | i 番目のデータ点に対する y の予測値 |
| 決定係数 (R²) | モデルの当てはまりの良さ（1に近いほど適合） |
| 自由度調整済み R² | モデルの複雑さにペナルティを調整した決定係数 |
| MSE | 平均二乗誤差 = RSS / n |
| RMSE | 二乗平均平方根誤差 = √MSE |
適切な次数の選び方と過学習の回避
高次の多項式を使用すると、学習データに対する残差平方和 (RSS) は小さくなりますが、未知のデータに対して予測精度が落ちる「過学習（オーバーフィッティング）」が発生しやすくなります。多項式回帰計算ツールで次数を上げる際は、自由度調整済み R² が実際に改善されているかを確認してください。
多項式回帰計算ツールの活用事例
多項式回帰計算ツールは、直線関係では表現できない非線形データを扱う幅広い分野で活用されています。
- 科学実験・分析データ — 検量線の作成、薬量反応研究、分光測定データなど、非線形な曲線データのフィッティングに最適です。
- エンジニアリング・製造業 — 材料の応力-歪み関係や温度変化に伴う特性変化など、非線形モデルの設計と評価に活用されます。
- 経済・金融・マーケティング — 収益曲線や費用関数における限界収穫逓減・逓増の傾向を多項式モデルで捉えられます。
- 機械学習・データサイエンス — 特徴量エンジニアリングや基底関数展開の基礎として、回帰モデルの構築に利用されます。
- 教育・研究 — 統計学や数値解析の講義・課題において、理論的な予測曲線と実測値の照合を簡単に行えます。
直線回帰（1次式）ではデータの傾向を十分に説明できない場合、本ツールによる多項式近似が強力で解釈しやすい選択肢となります。