時系列分析とは？じけいれつぶんせき
時系列分析とは、売上や気温のように時間の順に並んだデータ（時系列データ）の動きを、長期的な傾向（トレンド）・季節変動・循環変動・不規則変動などに分けて捉え、将来の値を予測する分析手法。需要予測の代表的な手法で、直近の一定期間の平均をずらしながら取る移動平均や、新しい実績ほど重く扱う指数平滑法が使われる。指数平滑法では「今回の予測値＝前回の予測値＋α×（前回の実績値−前回の予測値）」で予測を更新する（α は 0〜1 の平滑化係数）。
最終更新：2026-10-10
基本情報を最短で暗記・合格する →背景
仕入れや生産の量を決めるには先の需要を見込む必要があるが、毎月の数字を眺めるだけでは、伸びているのか、たまたま季節で増えただけなのか区別がつかない。夏に増えた売上を「成長」と読めば秋に在庫が余る。数字の動きを、続いていく流れと毎年くり返す波と偶然の揺れに分けて見ることで、予測を経験や勘から計算へ移すために使われてきた。
具体例
Google トレンドで「年賀状」の検索数を数年分表示すると、毎年 12 月に大きな山ができ（季節変動）、山の高さは年を追って低くなっていく（傾向変動）。12 月の山だけを見て「人気が急上昇」と判断するのが誤りだと分かる。計算の例では、月の販売数が 100、120、110、130 個のとき、3 か月移動平均は（100＋120＋110）÷3＝110、（120＋110＋130）÷3＝120 となり、月ごとの上下がならされて傾向が見やすくなる。指数平滑法で α＝0.2、前回の予測 100、前回の実績 120 なら、今回の予測は 100＋0.2×（120−100）＝104 である。
試験での引っ掛け
回帰分析との区別が問われる。回帰分析は気温と売上のように「別の変数（説明変数）との関係」から予測し、時系列分析は「その値自身の過去の推移」から予測する。移動平均は取る期間を長くするほど線は滑らかになるが、実際の変化に追いつくのが遅れる。指数平滑法の α は大きいほど直近の実績を重く見て変化に敏感になり、小さいほど過去の予測を重く見て鈍くなる、と向きを取り違えない。また、ある一時点で多数の対象を横に並べたクロスセクションデータは時系列データではない。
関連用語
出典・参考
解説は資格暗記が独自に作成しています。過去問の出典は各問題に記載のとおりです。