スプレッドシートのFORECAST.LINEAR関数とは
FORECAST.LINEAR関数は線形回帰分析を基にして、指定されたx値に対する予想されるy値を計算する統計関数です。この関数はデータセット内の既存の数値関係を分析し、新しいx値に対して最も可能性の高いy値を予測する機能を提供しています。
関数の基本構文はFORECAST.LINEAR(x, データ_y, データ_x)という形式で構成され、xは予測したいx軸の値、データ_yは従属変数の範囲、データ_xは独立変数の範囲を表します。線形回帰モデルを用いることで、既知のデータポイント間の直線的な関係性を基にした予測値を算出できます。
【PR】プログラミングや生成AIを無料で学べる「コードキャンプフリー」
基本的な構文と引数の詳細仕様
FORECAST.LINEAR関数では第一引数のxに予測対象となるx軸上の数値を指定し、第二引数のデータ_yには従属変数として使用する数値範囲を設定する必要があります。第三引数のデータ_xには独立変数として機能する数値範囲を指定し、これらの引数によって線形回帰の計算基盤が構築されます。
=FORECAST.LINEAR(5, A2:A10, B2:B10)引数内にテキスト値が含まれている場合、システムは自動的にそれらの値を無視して計算を実行します。データ_yとデータ_xの範囲は同じサイズである必要があり、対応する位置にある数値同士がペアとして線形回帰分析に使用されます。
実際のデータを使った計算例と結果解釈
売上予測の場面でFORECAST.LINEAR関数を使用する場合、月次売上データをy値、月数をx値として設定することで将来月の売上予測が可能になります。例えば過去12ヶ月の売上実績を基に13ヶ月目の売上を予測する際に、この関数が線形トレンドを分析して最適な予測値を算出します。
=FORECAST.LINEAR(13, C2:C13, A2:A13)計算結果として返される数値は、既存データの線形関係に基づいた統計的な予測値を表しており、実際の値からの誤差が存在する可能性があることを理解する必要があります。データポイント数が多く、線形関係が強いほど予測精度は向上し、逆にデータが散乱している場合は予測の信頼性が低下する特性を持っています。
※上記コンテンツの内容やソースコードはAIで確認・デバッグしておりますが、間違いやエラー、脆弱性などがある場合は、コメントよりご報告いただけますと幸いです。
ITやプログラミングに関するコラム
- Canvaとは？使い方やアカウント登録などを初心者向けに解説
git configで設定情報を確認・表示する方法
「Pythonはやめとけ」と言われる理由と学習するメリット
Ubuntuのversionを確認する方法
Geminiで画像を生成する方法｜ChatGPTとの比較結果も紹介
