定義
回帰モデルの説明力。0〜1 で、1 に近いほど説明変数が目的変数の分散をよく説明する。相関係数の二乗にあたり、因果関係を意味しない点に注意。方法論 Insight #70 では JEPX 月次回帰で R²=0.883 を採用。
決定係数 R²
基本r-squared
関連 Insight2 本
- JEPX 東京 月次価格の回帰分析 — 何がどれだけ説明するか
JEPX 東京の月次価格を残余系統需要・円建て LNG・東京気温・前月価格で OLS 回帰し、係数・標準誤差・t 値・R² をすべて開示する教材。n=44 (2022-05〜2025-12) で R²=0.883、ただし前月価格 1 変数だけでも R²=0.834 — 説明力の大半は時系列の慣性。統計的に有意なのは気温 (t=4.01) と前月価格 (t=6.78) で、残余需要・円建て LNG は t<2。過去データの当てはまり (in-sample fit) であり未来予測ではない (リク監修済)、引用インフラ第 3 層「方法論ライブラリ」Day 1。
電力JEPX回帰分析方法論統計データリテラシー - 予測の "下限ベンチマーク" — 月次 JEPX を単純モデル4種で当てる
月次 JEPX 東京を 4 つの単純ベースライン (持続予測 lag1 / 季節平均 / 12 ヶ月前同値 / 訓練期間平均) で out-of-sample 予測し、MAE・RMSE・MAPE を全開示する教材。訓練 2012-2021 → テスト 2022-01〜2026-04 (n=52) で、持続予測 (前月と同じ) が MAE 2.02 円/kWh・MAPE 11.94% で最良。季節平均 23.54% / 12 ヶ月前 49.77% の約 2〜4 倍に圧勝し、誤差は ±2 円以内 65.4% (34/52) ・±5 円以内 88.5% (46/52) ・中央値誤差 −0.21 円でほぼ無バイアス。訓練平均 11.88 円 → テスト平均 16.14 円の構造的水準シフトで定数モデルは破綻。#70 の in-sample 回帰 (前月価格 1 変数で R²=0.834) を out-of-sample 側から裏付ける。過去データの out-of-sample 検証であって未来予測ではない (リク監修済)、引用インフラ第 3 層「方法論ライブラリ」Day 3。
電力JEPX予測方法論統計データリテラシー