② 機械学習の概要 ／ 7. 教師あり学習
自己回帰モデル (ARモデル)とは
ARモデルとは、過去の自分自身の値を説明変数として将来を予測する時系列モデルです。単一の時系列だけを扱う点が、VARモデルとの重要な違いになります。
この用語はG検定シラバスの「7. 教師あり学習」に含まれます。 章全体の用語は用語解説②（全62語）にまとまっています。
一言でいうと
過去の自分の値から未来の自分を予測する、時系列データ用のモデルです。
「自己」回帰と呼ばれる理由
通常の回帰は、別の変数（気温など）から目的の値を予測します。ARモデルが使うのはその系列自身の過去の値です。
「先月・先々月の売上から翌月の売上を予測する」といった使い方になります。自分自身に対して回帰するので「自己回帰」です。
VARモデルとの違い
ARモデルが扱えるのは1本の時系列だけです。複数の時系列が互いに影響し合う関係を扱いたい場合は、VARモデルを使います。
AR＝単一、VAR＝多変量という対比で覚えるのが確実です。
定常性という前提
ARモデルは、時系列の性質（平均や分散）が時間とともに変わらないことを前提としています。これを定常性といいます。
右肩上がりに伸び続けるデータのように定常でない系列にそのまま当てはめると、予測が当てにならなくなります。その場合は差分を取るなどして定常な系列に変換してから用います。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| ARモデル | 単一の時系列を、その過去の値から予測 |
| VARモデル | 複数の時系列が影響し合う関係を同時に扱う |
🎯 G検定での押さえどころ
- 過去の自分自身の値を説明変数にする
- 扱えるのは単一の時系列
- VARモデル（多変量）との対比で押さえる
⚠️ よくある誤りの選択肢
- 「ARモデルは複数の時系列を同時に扱える」→ 誤り。それはVARモデルです
- 「ARモデルは他の変数を説明変数として使う」→ 誤り。自分自身の過去の値を使います
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。