自由度調整済み決定係数とは？

“説明できる”と“説明を詰め込みすぎている”は違う

自由度調整済み決定係数（adjusted R-squared）は、予測式に説明変数を増やしたときに“本当に説明力が増えたのか”を見極めるための指標です。たとえば、成績を説明するために「勉強時間」だけでなく「寝た時間」「服の色」「天気」までどんどん入れると、一見うまく説明できるように見えます。実際には、データに偶然のノイズを追いかけているだけかもしれません。

つまり、自由度調整済み決定係数とは、説明変数の数を増やした分だけR²（決定係数）が上がる傾向を差し引いて、モデルの説明力をより現実的に評価する数値のことです。

R²と何が違うのか

R²（決定係数）は、データの変動を説明できた割合を表す指標です。説明変数を増やすと、サンプルデータに対しては説明できたように見えるため、R²だけを見ると“説明変数を追加すればするほど良くなる”落とし穴に落ちやすいです。

• R²：データの変動を説明した割合を表す基本的な指標
• 自由度調整済み決定係数：説明変数を増やした分だけペナルティ（減点）が入る調整済み指標
• 使い分け：単純な説明力の目安にはR²、モデル同士の比較や説明変数の追加検討には自由度調整済み決定係数が使いやすい

この差を理解すると、「指標が上がった＝良いモデル」と即断しない目つきが身についてきます。

日常で起きやすい“説明の詰め込みすぎ”

たとえば、体調が落ちている原因を「睡眠不足」「栄養」「運動不足」「仕事の量」「天気」「月曜かどうかなど」まで全部足す場合を想像してください。原因のように見える項目が増えれば増えるほど、「全部説明できる」ように見えてしまうことがあります。

• 睡眠の質と体調：説明変数として意味があり、残差を大きく減らせる可能性がある
• 服の色と体調：ほとんど関係がなくても、少量データでは偶然一致して見せることがある
• 説明変数の追加判断：追加した項目が本当に説明力を上げているのかを、調整済み指標で再確認する

ここで大切なのは、説明を増やすこと自体が悪いのではなく、“増やした分の効果を実力で見分ける”視点を持つことです。

まとめ：モデルは“説明の詰め込みすぎ”を見極めよう

自由度調整済み決定係数は、R²が持つ“説明変数が増えれば上がる”傾向を補正する指標です。R²だけを見てモデルを比較すると、本当に予測が良くなっているのか、それとも説明変数を足しすぎているのかを見落としがちです。

• 初心者向け：今週できる5分のアクションは、R²と自由度調整済み決定係数の2つを「上がる条件」と「下がることがある理由」を1行ずつメモしておくこと

自由度調整済み決定係数の「詰め込みすぎを正す評価」を天秤と選定カードで示しており、比喩は明快です。ただ、指標の“調整”がどこから来ているか弱く、紙の量が多いぶん焦点がやや分散しています。

評価項目	点数	コメント
概念の正確さ	3	正しさの判断は見えても調整感は弱いです
比喩の明快さ	4	天秤と選定カードで評価の場面が伝わる
立体感・奥行き	4	背景のぼかしと影で手前感が作られています
映え度（SNS寄与）	4	キャラクターと教室が親しみやすく目立ちます
色調の用語相性	4	青緑系が分析的な落ち着きを与えています
合計	19 / 25	総合判定: 良好

評価基準: 1（不合格）〜5（優秀）AI Judge による自動評価