固有値と寄与率の違いを徹底解説｜データ分析初心者が押さえるべきポイント

---

固有値と寄与率の違いをざっくり理解

データ分析の世界には、難しそうな言葉がたくさん出てきます。ここでは「固有値」と「寄与率」という2つのキーワードを、日常の感覚に置き換えながら丁寧に解説します。まずは全体像をつかむためのポイントをまとめます。

・固有値はデータの中の変化の強さを表す数値で、どの方向にデータが大きく動くかを示します。

・寄与率はその変化が全体の中でどれくらいの割合を占めるかを示す比率です。

この二つは別の役割を持ちながらも、同じ「変化の大きさ」という性質に関係しています。

例えるなら、固有値は風向きの強さ、寄与率はその風が全体のどれくらいの面積を覆っているかという比率です。

この理解を土台に、後の章で具体的な使い方を見ていきましょう。

固有値とは何か？

固有値とは、ある行列を使ってデータを並べ替えたり回転させたりしたとき、元のデータの方向を保ったままどれだけ伸びるかを表す数です。

具体的には、行列Aに対してベクトルvを作用させたとき、Av = λv となるときのλが固有値です。

ここでのポイントは、「その方向に沿ってデータが伸びる強さ」を示すことと、「値が大きいほどその方向の情報が強い」という現象です。これを理解すると、データの中で最も重要な方向が見えてきます。

実務では、データの正則性を調べたり次元削減を計画したりする際に、固有値の大小を手掛かりとして用います。

寄与率は何を教えてくれるのか？

寄与率とは、全体の分散を各成分がどれだけ説明してくれるかを示す割合のことです。

例えばPCAのとき、データを主成分に投影した際、各主成分が説明する分散の割合を足すと100%になります。

この性質を使えば、何個の主成分を使えば全体の情報をどれくらい保持できるかを判断できます。

寄与率の高い成分ほど、データ全体の特徴を上手に説明していると言えます。実務では「情報の削減と精度のバランス」を考えるときの道具になります。

実データで見てみよう（表つき）

ここでは、架空のデータで固有値と寄与率の関係を見てみます。観察対象は3つの固有値 λ1, λ2, λ3 です。具体的な数値として、λ1=4.0, λ2=1.5, λ3=0.5 という例を考えます。合計は6.0 近くになります。寄与率はそれぞれ λ1/Σλ, λ2/Σλ, λ3/Σλ で計算します。これを表にすると、次のようになります。

<table>指標意味活用のポイント固有値 λ変換方向の伸びの強さ大きい値ほどその方向の情報が重要寄与率全体に対する割合どの成分を使えば全体をよく説明できるかの目安合計1（100%）になる全体の説明力の総量table>

日常の例えで理解を深める

固有値と寄与率を日常の経験に置き換えると、理解が進みます。風の動きを例に考えてみましょう。部屋に入る風がどの方向から来て、どれくらい強く感じられるかを想像すると、風は一つの方向にだけ偏って吹くことがあります。この「偏り」の強さを固有値が表します。寄与率は、その風が部屋全体の空調にどれくらいの影響を与えているか、つまりどのくらいの割合を占めるかを示す指標です。こうした日常のイメージを使うと、専門用語がぐっと身近になります。混乱せずにデータの特徴をつかむ第一歩として、固有値と寄与率をセットで見る癖をつけると良いでしょう。

ピックアップ解説

友達とカフェでの雑談のように、寄与率を説明します。寄与率は、全体の味を決める素材の割合のようなものです。データ分析では主成分が増えると情報の説明力が上がりますが、どの成分を使えば全体をよく表せるかを決めるのが寄与率です。想像してほしいのは、スープの中の人参と玉ねぎ、じゃがいも、そして香味料がそれぞれどれだけ味に寄与しているかという感覚です。寄与率が高い成分ほど、全体の特徴を強く決めます。データの世界ではこの感覚を定量化することで、無駄を減らし、必要な情報だけを取り出すことができます。

---