読み方：せつめいへんすう

説明変数【explanatory variable】独立変数

別名：independent variable/予測変数/predictor variable

説明変数とは？

説明変数とは、統計学で、ある事象に関与している変数のうち、事象の原因となっている変数のこと。この変数を変化させると、これに追随して結果を表す変数の値が変化する。

ある事象において複数の変数の間に原因と結果の因果関係が認められるか疑われる場合に、原因として想定される変数を「説明変数」、それによって値が定まると想定される変数を「目的変数」あるいは「従属変数」という。数式では一般に説明変数をx、目的変数をyで表す。

例えば、バネにおもりを吊るす実験では、おもりの重さ（x）を変えるとバネの伸び（y）はこれに比例して変化し、定数aを用いて y=ax という一次関数で表される。この場合、おもりの重さが説明変数、バネの伸びが目的変数にあたる。また、広告費と売上高の関係を分析する場合は広告費が説明変数、気温と電力消費量の関係を調べる場合は気温が説明変数となる。

説明変数と目的変数の間にある規則性を数式で表す手法を「回帰分析」という。説明変数が一つであれば「単回帰分析」、複数であれば「重回帰分析」と呼ぶ。例えば、新店舗の売上を売場面積から予測するのが単回帰分析、面積に加えて周辺の人口や最寄り駅の乗降客数なども考慮するのが重回帰分析である。両変数の間に直線的な比例関係を想定する手法を「線形回帰」、2次関数や指数関数のような非直線的な関係を想定する手法を「非線形回帰」という。

機械学習の分野では、説明変数は「特徴量」（feature）と呼ばれることが多い。家賃の予測であれば面積や築年数、駅からの距離などが、商品の需要予測であれば販売価格や気温などが説明変数として利用される。これらの値から目的変数を推定するモデルを構築し、未知のデータに対する予測や分類に活用する。

(2026.6.30更新)