JEPX 東京 月次価格の回帰分析 — 何がどれだけ説明するか

電力卸価格は何で決まるのか。電力市場では、需給バランス、燃料コスト、気温、過去の価格の慣性 — さまざまな要因が絡む。米 Yes Energy 社は、JEPX 価格の日次回帰モデルを係数・T値・決定係数 R² 付きで毎月公開し、業界の標準的な分析フレームの 1 つになっている。

ここでは同型のアプローチを、我々の月次データで再現可能な教材として書く。係数も R² もすべて開示し、誰でも同じ計算を自宅で再現できる状態にする。過去データの当てはまり（in-sample fit）を見る編集物であって、未来の価格を予測するものではない（取引判断には使わないでください）。

1. 使う変数とソース

| 変数 | 役割 | 集計単位 | カタログ系列 | |---|---|---|---| | JEPX 東京 スポット価格（円/kWh） | 被説明変数 | 月平均（日次から集計） | jepx-spot-tokyo | | 残余系統需要（GWh） | 説明変数 | 月次（需要 − 太陽光 − 風力） | meti-demand-total − meti-gen-solar − meti-gen-wind | | 円建て LNG（円/MMBtu） | 説明変数 | 月次（LNG × USD/JPY） | fuel-lng-jp-cif × fx-usdjpy-monthly-avg | | 東京 月平均気温（℃） | 説明変数 | 月平均（日次から集計） | jma-temp-avg-tokyo | | 前月 JEPX 月平均（円/kWh） | 説明変数（持続効果） | 月次（1 ヶ月ラグ） | jepx-spot-tokyo（lag1） |

各チャートは独立した y 軸で、出典・as-of 日付・ライセンスを figcaption に明示している。残余系統需要（需要 − 太陽光 − 風力）と円建て LNG（ドル建て LNG × USD/JPY）は上の素材系列から計算する派生量で、回帰の入力にはこの加工後の値を用いる。

2. 回帰モデル

YES Energy が公開している業界モデルにならい、被説明変数を 対数にして弾力性（elasticity）として読めるよう構成する：

ln(JEPX_t) = α
            + β₁·ln(残余需要_t)
            + β₂·ln(円建てLNG_t)
            + β₃·気温_t
            + β₄·ln(JEPX_{t-1})
            + ε_t

• 残余需要・円建て LNG・前月 JEPX は対数（弾力性として解釈）
• 気温だけ線形（係数 = 1℃ 上昇あたりの対数価格変化）
• t は月次。期間は 2022-05〜2025-12 の 44 ヶ月（METI 需要総量の確報範囲に律速）

3. 結果（実データの当てはまり）

実際に上のモデルを我々の catalog データで OLS（最小二乗）で fit した結果：

| 変数 | 係数 | 標準誤差 (SE) | t 値 | |---|---:|---:|---:| | 切片 (α) | 0.625 | 2.374 | 0.26 | | ln(残余系統需要) | −0.188 | 0.175 | −1.07 | | ln(円建てLNG) | 0.231 | 0.225 | 1.03 | | 気温 (℃) | 0.0093 | 0.0023 | 4.01 | | ln(JEPX_lag1) | 0.823 | 0.121 | 6.78 |

• 観測数 n = 44（月次、2022-05 〜 2025-12）
• 決定係数 R² = 0.883、自由度調整済 R² = 0.872
• 参考：前月価格のみ（持続予測） R² = 0.834

4. 読み取り

数字だけでは伝わらないので、3 つだけ覚えて帰ってもらう読み方を整理する。

4.1 R² が高い ≠ モデルが優れている

R² = 0.88 は一見素晴らしい当てはまりだが、前月価格 1 変数だけのモデルでも R² = 0.834 に達する。残り 4 変数を足して増えた R² は +0.049 pt にすぎない。「何でも前月と似ている」という時系列の慣性が説明力の大半を占めるのは、月次データではよくある現象である。R² の絶対値より、追加変数で R² がどれだけ伸びたかを見るのが正しい。

4.2 統計的に効いているのは「気温」と「前月価格」

t 値の絶対値が 2 を超えると、その係数は統計的に有意（95% 信頼水準で偶然ではない）と判断するのが標準。本モデルでは：

• 前月 JEPX（t = 6.78）：圧倒的に強い。月次の価格は前月にほぼ引っ張られる。
• 気温（t = 4.01）：1℃ 上がると ln(JEPX) が +0.0093、つまり価格が約 0.93% 上昇。夏の冷房・冬の暖房需要を反映。
• 残余需要（t = −1.07）と 円建て LNG（t = 1.03）：統計的には有意でない（t が 2 未満）。理由は ①n=44 と観測数が少ない ②前月価格に多くの情報が吸収されてしまう（多重共線性）③円建て LNG はそもそも前月価格と同方向に動きやすい、など。

4.3 これは未来予測ではない

このモデルは過去 44 ヶ月のデータでの当てはまり（in-sample fit）を示しているに過ぎない。「来月の JEPX を予測する」用途には使えない：

• 観測数が少ない、変数間に多重共線性、構造変化（原発再稼働・燃料費調整制度の改定など）への頑健性が未確認。
• 未来の予測精度（out-of-sample accuracy）は別途、時系列を分けた検証が必要。
• 取引判断や投資判断には、専門家による精緻な日次・時間次モデル（Yes Energy のようなプロのプラットフォーム）と複数シナリオの検討が必要です。本記事はその下地となる「方法論を読む力」を養うための教材です。

5. 教材としての位置づけ

EIC Data は商用予測サービスを提供しません。代わりに、業界モデルがどう構成されているかを透明に開示し、誰でも同じ計算を再現できる状態を作ることを引用インフラの第 3 層「方法論ライブラリ」と位置づけています。本記事はその第 1 弾。

• すべての入力データは catalog の csv_path から直接取得可能（CC BY 4.0 / 各系列規約に従う）
• 計算式・係数・統計量・期間・観測数を完全開示
• Yes Energy 社の業界モデルへの敬意と、それを公共財として読者に渡す立場

今後の Phase 3-A 続編として：

• 同じデータで気温感度分析（1℃ ぶれたら価格がどう動くか）
• 休日・特異日（盆 / 年末年始 / GW）の需要パターン Insight
• 持続予測の誤差ヒストリー（単純モデルの精度ベンチマーク）
• 用語集に r-squared / residual-demand / regression-coefficient / persistence-forecast を追加

を順次配置予定。

関連 Insight

• 円安 × LNG × JEPX：価格上振れの要因分解 → 同じ JEPX 東京 + 円建て LNG を加法 3 要因分解で見た姉妹編（#13）
• 日本の電源構成この 8 年 → 同じ電力ドメインで、価格でなく電源別シェアの時系列を追う（#69）
• 電力の "休んでいる日" → 同じ JEPX 東京を回帰でなく休日窓（GW / 盆 / 年末年始）の需要パターンで読む方法論ライブラリ Day 2 の姉妹編（#71）
• 予測の "下限ベンチマーク" → 同じ JEPX 東京を out-of-sample の単純ベースライン（持続予測 MAPE 11.94%）で評価する方法論ライブラリ Day 3。本記事の in-sample fit（R²=0.834）と表裏一体（#72）

6. 出典・規約

• JEPX スポット価格：JEPX 公表値、jepx-terms 準拠（出典明記で再利用可）
• METI 発電・需要：経済産業省 電力調査統計、meti-terms 準拠
• 気象庁 気温：jma-terms 準拠
• LNG：World Bank Pink Sheet（CC BY 4.0）
• USD/JPY：日本銀行 FM08（boj-terms、出典明記必須）
• 編集物（本記事の解説・回帰結果の表）：CC BY 4.0（EIC Data）

引用方法の詳細は 方法論 §9 と 引用規約 を参照。

構成系列: jepx-spot-tokyo / meti-demand-total（− meti-gen-solar − meti-gen-wind）/ fuel-lng-jp-cif（× fx-usdjpy-monthly-avg）/ jma-temp-avg-tokyo ／レンダラ: ChartLine ×4、回帰結果は markdown 表で透明開示 編集物著作権: EIC Data (CC BY 4.0)

@misc{eic-data-jepx-tokyo-monthly-regression,
  title = {JEPX 東京 月次価格の回帰分析 — 何がどれだけ説明するか (jepx-tokyo-monthly-regression)},
  author = {EIC Data (一般社団法人エネルギー情報センター)},
  year = {2026},
  url = {https://data.eic-jp.org/insight/jepx-tokyo-monthly-regression},
  note = {Accessed: 2026-06-04; License: CC BY 4.0},
  publisher = {EIC Data}
}