コンディション分析のしくみ｜重回帰分析であなたのパフォーマンス要因を可視化

コンディション分析とは？

CortexLabの「コンディション分析」は、テスト前に記録する生活習慣データとスコアの関係を統計的に分析し、あなたのパフォーマンスに最も影響している要因をランキングで可視化する Pro 限定機能です。

例えば「睡眠時間が多いほどスコアが上がる」「アルコールを飲んだ翌日はスコアが下がる」といった、自分だけのパターンを数値で把握できます。

どんなデータを使っているのか

テスト開始前のコンディション入力画面で、以下の12項目を記録しています：

数値・選択式（段階で入力）

• 睡眠時間 — 4h / 5h / 6h / 7h / 8h / 9h+
• 睡眠の質 — 1（悪い）〜 5（良い）
• カフェイン摂取量 — なし / 少し / 普通 / 多い
• 前日のアルコール — なし / 少し / 多い
• 運動 — なし / 散歩 / 軽い運動 / 激しい運動
• 起床からの経過時間 — 0.5h / 1.5h / 3h / 5h+
• 入浴 — なし / シャワー済 / 入浴済
• 食事からの経過時間 — 直後 / 1時間後 / 2時間以上
• 体感室温 — 寒い / ちょうどいい / 暑い

ON/OFF（トグル式）

• 鼻づまり — あり / なし
• 換気 — した / してない
• 薬の変更 — あり / なし

これらの回答はテスト結果（総合スコア 0〜100）とセットで保存されます。データが5件以上たまると、分析が開始されます。

分析アルゴリズム：重回帰分析（OLS）

CortexLabでは重回帰分析（OLS: Ordinary Least Squares）を使用しています。これは統計学で最も基本的かつ広く使われている手法の一つです。

重回帰分析とは？

簡単に言うと、「複数の要因が結果にどれくらい影響しているか」を同時に分析する方法です。

例えば、睡眠時間だけを見て「7時間寝た日はスコアが高い」と言っても、たまたまその日は運動もしていたかもしれません。重回帰分析は他の要因の影響を差し引いた上で、各要因の純粋な影響を推定します。

数式で表すと

スコアを以下のように表現します：

スコア = β₁×睡眠時間 + β₂×睡眠の質 + β₃×カフェイン + ... + β₁₂×薬の変更 + 誤差

各 β（ベータ）係数が「その要因が1単位変わったとき、スコアが何ポイント変わるか」を表します。この β を求めるのが重回帰分析です。

具体的な処理ステップ

1. データ収集：コンディション付きのテスト結果を全件取得
2. 標準化：各項目を「平均0、標準偏差1」に変換。睡眠時間（4〜9）とシャワー（0〜2）ではスケールが違うため、公平に比較するために必要
3. 回帰計算：正規方程式 β = (X'X + λI)⁻¹ X'Y をガウス・ジョルダン消去法で解く
4. 安定化（リッジ正則化）：λ = 0.1 の小さな値を加えることで、データが少ないときでも計算が安定する
5. ランキング：標準化β係数の絶対値が大きい順に並べ、影響の小さいもの（|β| < 0.02）はフィルタリング

結果の読み方

分析結果は、影響度の大きい順にランキング表示されます。

プラス（＋）の値

スコアを上げる方向に影響しています。例えば：

• 「睡眠時間 多いほど +2.3 pt」→ 睡眠が1時間増えるとスコアが約2.3ポイント上がる傾向
• 「換気 ありだと +1.5 pt」→ 換気した日はスコアが約1.5ポイント高い傾向

マイナス（−）の値

スコアを下げる方向に影響しています。例えば：

• 「アルコール 多いほど -3.1 pt」→ アルコール1段階増えるとスコアが約3.1ポイント下がる傾向
• 「鼻づまり ありだと -2.0 pt」→ 鼻づまりがあるとスコアが約2ポイント低い傾向

バーの長さ

バーの長さは標準化β係数に基づいています。これは「1標準偏差分の変化がスコアに与える影響」を表しており、異なるスケールの項目同士を公平に比較できます。バーが長いほど、あなたのパフォーマンスへの影響が大きいということです。

注意点：知っておくべき3つのこと

1. 相関であって因果関係ではない

この分析は「AとBが一緒に動く傾向がある」ことを示しますが、「AがBを引き起こしている」とは限りません。

例えば「運動した日にスコアが高い」としても、運動そのものの効果なのか、体調が良い日に運動もテストもうまくいくのか、区別はできません。あくまで参考値として活用してください。

2. データが少ないと不安定

重回帰分析は説明変数（12項目）に対してデータが少ないほど不安定になります。最低5件から分析は表示されますが、20件以上になると信頼性が大幅に向上します。テストを繰り返すほど、あなたのパターンがより正確に見えてきます。

3. 一部の項目は線形近似

例えば室温は「寒い(0) → ちょうどいい(1) → 暑い(2)」と数値化していますが、実際には「ちょうどいい」が最も良いかもしれません。回帰分析は直線的な関係を仮定するため、こうした非線形の関係は完全には捉えきれません。

より良い分析のために

• 毎日テストを受ける：データが多いほど精度が上がる
• コンディション入力を丁寧に：正確な入力が正確な分析につながる
• 条件を変えてみる：いつもと違う生活パターンを試すと、影響がより明確に見える
• 長期間続ける：季節や生活の変化も含めた、より包括的な分析になる