毎月の数字が似ていると、観測数が多くても精度は上がらない？

過去の自分との関係を見る

月次の数値でラグ1は一か月前、ラグ12は十二か月前との関係を調べます。系列をずらした値との相関が自己相関です。同じ数値でも、どのラグを見るかによって違う関係を捉えます。

観測間隔が日次ならラグ12は十二日前です。ラグの数字だけで季節の長さは決まりません。また自己相関がゼロでも、全ての非線形な依存がなくなったとはいえず、原因が分かったという意味でもありません。

ラグ1の点を作るときには、元の各月と一か月前の組を対応させます。別の系列との同月相関とは異なる図です。自己相関という言葉が出たら、何月と何月を一組にしたかを具体的に置くとどの時点間の関係を計算したかが分かります。

月数と独立な情報は違う

独立で同じ分散σ²を持つn個の値なら、平均の分散はσ²/nです。依存がある場合は、平均の分散を「各時点の分散の和＋異なる時点の共分散の二倍の和」をn²で割る形に展開します。

これは分散が存在する模型の代数的な説明です。正の共分散が加われば独立の場合より平均の分散が大きくなり、月数から期待したほど精度が上がりません。負の依存なら逆向きもあり、依存は常に精度を下げると一般化しません。

依存した平均も計算はできます。問題はその平均の不確かさに独立観測用の式を当てることです。「平均が計算できない」と「平均の標準誤差の条件が違う」を混同せず、数値の要約と推論を分けて読みます。

傾向と季節性を分けて考える

上昇傾向のある系列では、近い月が水準も近いため、小さいラグの自己相関が大きな正の値になりやすくなります。季節性があれば、周期に対応するラグで高い自己相関が見える場合があります。

元の系列でその形が見えたことと、傾向や季節性を除いた残差にも同じ依存があることは別です。例えば年末に毎年高い売上と、その年だけの予想外の増加を同じ関係として扱わないよう、どの系列を分析したかを確認します。

例えば毎年同じ月の増加が見えるなら、十二か月前との関係と隣の月との関係を別に調べます。ACFの高い一本を見つけるだけでなく、ラグ全体の形と元のグラフが整合するかを見ると、季節性の読み違いを減らせます。

依存を残したまま精密と呼ばない

ラグごとの自己相関を並べたACFは、どれくらい前まで関係が残るかを見る手がかりになります。時系列のグラフと対応させ、観測間隔、傾向、季節性を読むと、値の似方を理解しやすくなります。

推定や比較に使うなら、どの系列を用い、依存をどう扱ったかも必要です。120か月という観測数の表示だけから、120人の独立抽出と同じ精度だとはいえません。一方で月次観測そのものを無価値とする結論でもありません。

報告の「調整済み」が季節調整を意味するのか、依存を考慮した推定を意味するのかも確認します。元の系列から何を取り除いたかを示さなければ、残った数値についてどの独立性を置いたのか判断できません。

三か月が同じ動きを繰り返す模型

架空の極端な模型で、三か月の観測が完全に同じ一つの変動を繰り返すとします。各月の分散がσ²なら、三か月平均はその変動と同じで、分散はσ²のままです。独立ならσ²/3になります。

現実の月次統計が完全一致するという主張ではありません。時点数と独立な情報量を区別するための模型です。

考えるときの注意点

• この分散計算は時点間の依存を置いた模型の関係で、特定の景気系列の精度を推計した結果ではない。

持ち帰る見方

• ラグは観測間隔と併せて読む。
• 平均の分散には時点間の共分散も入る。
• 生の系列と傾向等を除いた系列を区別する。

次に広がる疑問

• 相関係数がゼロなら、二つの数字に関係はない？
• 前月より増えた数字は、そのまま景気回復を示す？
• 過去のデータにぴったり合う予測は、将来も正確？

出典

• Forecasting: Principles and Practice 3e — Autocorrelation（Rob J Hyndman / George Athanasopoulos（著者原教材））https://otexts.com/fpp3/acf.html

  確認日：2026-10-07