共通テスト「情報Ⅰ」第4問（データ分析）の解き方｜第101講

こんにちは、数強塾代表の藤原進之介です。この記事は参考書『藤原進之介の最強120講義』の第101講「第4問（データ分析）の解き方」のWeb版です。共通テスト「情報Ⅰ」での重要度はS（配点25点・毎年出題）、情報Ⅱでの接続先は(3)情報とデータサイエンスです。

1. この講の問い

第4問は毎年「大問のなかで最も得点率が高い」ほうなのに、受験生がいちばん怖がるのはなぜか。

2. 結論

3. なぜそうなるのか

3.1 まず数字を見る（大学入試センターの設問別得点率）

大学入試センターは、試験ごとに「設問別得点率及び正答率表」をCSVで公開しています。同センターの説明PDFに「平均点：全受験者の得点合計／全受験者数」とあるとおり、サンプルではなく全受験者が母数です（令和7年度 279,718人／令和8年度 305,202人）。そこから『情報Ⅰ』の大問別得点率を取り出すと、こうなります。

令和8年度は第4問が4つの大問で最高、令和7年度も第2問に次ぐ2位です。平均点が69.26点から56.59点へ約12.7点下がった令和8年度でも、第4問だけは0.66を保っています。第1問が0.4050まで落ちたのと対照的です。

3.2 落としているのは「決まった数問」だけ

同じCSVから第4問の設問別得点率を並べると、難所が極端に偏っていることが分かります。

令和7年度 本試験（観光庁「旅行・観光消費動向調査」が題材）

得点率5割を切ったのは ア-イ と キ の5点分だけです。この5点を除いた残り20点の得点率を私が計算すると 0.7928 になります。

令和8年度 本試験（気象庁のオープンデータ・桜の開花日が題材）

得点率6割未満は ア・サ・シ・ス の10点分。残り15点の得点率は 0.8035 です。

ちなみに キ-ク（令和8年度）のように「得点率0.7732／正答率0.5962」と数字が2つ違う設問があります。これは解答の順序を問わない複数マークの設問で、部分点があるためです。得点率は部分点込み、正答率は完全に正答した人の割合。2つとも当てないと満点にならない設問が2割ぶん存在すると読めます。

3.3 落とす問いには共通点がある

大学入試センターは、試験のあとに「問題評価・分析委員会報告書」を公表し、そのなかで問題作成部会自身の自己評価を書いています。ここに難所の性格がはっきり書かれています。

令和7年度の第4問について、センター自身がこう書いています。

正答率については概ね高めであったが，問１の ア ・ イ と問３の キ で２割台と非常に低かった。

このア・イは尺度水準と棒グラフ・帯グラフの理解を、キはデータを指標化するための変換を問う設問だと、同じ資料に書かれています。令和8年度についても同じ構造で、

オープンデータの特性を問う ア や回帰直線を用いた補正日を問う ス は正答率が５割程度であり，識別力が高かった。箱ひげ図の特性を問う サ も正答率が５割強とやや低かった。さらに，補正方法の精度を問う シ は正答率が３割弱と非常に低かった。

と書かれています。並べてみると、落ちるのは全部「その道具で何が言えるのか」を問う設問です。計算そのものではありません。

決定的なのは、令和8年度の問3のねらいを説明した次の一文です。

緯度と開花差の散布図から，実際に読み取れることと読み取れないことを適切に理解しているかを問うとともに，観測点を分割し，開花差に関する箱ひげ図をそれぞれ作成することで，箱ひげ図の関係性を適切に読み取り，それぞれの図から解釈できる範囲を理解できているかを問う問題とした。

「読み取れることと読み取れないこと」「それぞれの図から解釈できる範囲」。第4問の主題は、作問者自身の言葉ではっきりこれです。

3.4 選択肢に混ざる「言い過ぎの文」は4つの型しかない

選択肢の判定は感覚ではなく型で処理できます。私の整理では次の4つです。

• 型1・因果を断定した文。「Aが多い県はBも多い」という相関を、「Aを増やせばBが増える」に言い換えている。
• 型2・母集団を勝手に広げた文。都道府県ごとの集計値の図から、「その県に住む個人」について述べている。集団についての関係を、そのまま個人に当てはめることはできない。
• 型3・外挿した文。データが存在しない範囲の値を、直線の式に代入して語っている。
• 型4・その図が答えていない問いに答えた文。散布図は「関係」を示すが「時間変化」は示さない。箱ひげ図は「分布」を示すが「個々の点」は示さない。

3.5 図から読むべきものは決まっている

図が出てきたら、本文より先に次を確認します。

• 軸：何と何を取っているか。縦軸の下端はゼロか
• 単位：分か時間か、％か実数か、1人あたりか総数か
• 母数：1点は何を表すか（都道府県か、個人か、観測点か）
• 期間：いつのデータか。年度をまたいでいないか
• 出典：どの調査か。注記に「比較できない」と書かれていないか

「母数」の確認がいちばん効きます。第4問の散布図はほとんどの年で1点＝1都道府県または1観測点で、1点＝1人ではありません。ここを取り違えると、型2の言い過ぎを見抜けなくなります。

3.6 標準偏差を「ものさし」に使う

試作問題の第4問 問5 のねらいは、大学入試センターの「試作問題『情報』の概要」に「残差…標準偏差を単位として中心から外れている度合を読み取ることができるか」と書かれています。

残差そのものは「何ポイントずれたか」でしかありません。ずれが大きいか小さいかは、他の点のずれ方と比べないと決まらない。だから残差を残差の標準偏差で割ります。1個ぶんなら普通、2個ぶんなら目立つ。これは偏差値とまったく同じ発想で、数学Ⅰの標準偏差がそのまま道具になります。

3.7 第4問の道具は、情報科の指導要領解説に1つも書かれていない

ここが本講でいちばん重要な発見です。私が高等学校学習指導要領（平成30年告示）解説 情報編の全文をテキスト化し、空白と改行を除いて数えました（2026年8月3日実施）。なお解説 情報編は第1部＝共通教科「情報Ⅰ・情報Ⅱ」と第2部＝専門教科「情報科」に分かれるので、両方を分けて数えています。

「箱ひげ図」「四分位」「中央値」「ヒストグラム」「標準偏差」は、共通教科側にも専門教科側にも1件もありません。PDFの抽出で語が途中で切れている可能性を潰すため、「箱ひげ」「ひげ図」でも別に数えましたが、いずれも0件でした。

では誰が教えるのか。同じ解説の第1章・第3款（総則）が答えを書いています。

共通教科情報科の第2款の第1「情報Ⅰ」の2の（4）「情報通信ネットワークとデータの活用」の内容については，数学科の第2款の第1「数学Ⅰ」の2の（4）「データの分析」の内容と関連付けて扱うこと

そして数学の側からも情報科が名指しされています。高等学校学習指導要領解説 数学編 理数編は、数学Ⅰ「(4)データの分析」の項でこう書きます。

本科目の「（4）データの分析」を含め統計的な内容は，共通教科情報の「情報Ⅰ」の「（4）情報通信ネットワークとデータの活用」との関連が深く

3.8 国が授業で使った題材が、そのまま試験に出ている

文部科学省は「高等学校情報科 授業・研修用コンテンツ」として授業用スライドを公開しています。その[5]「オープンデータの分析」は、生活時間の統計データで「学業の時間」から「睡眠の時間」を予測する単回帰式 y = −0.173x + 523.78（単位は分）を提示しています。

一方、大学入試センターの試作問題『情報Ⅰ』第4問は「国が実施した生活時間の実態に関する統計調査」を基にした、都道府県別の睡眠の時間と学業の時間の散布図・回帰直線・残差の問題です。同じ題材です。

さらに、本試験・追再試験の4回分の第4問の題材を並べると、こうなります。

4回とも公的統計またはオープンデータです。民間の調査でも、教科書の架空データでもありません。

ここから実利のある結論が出ます。文部科学省の授業・研修用コンテンツは、市販の予想問題より出典として試験に近い。特に[5]「オープンデータの分析」は、仮説を立て→クラスでアンケートを取って相関0.045で失敗し→「実は、アンケートを取らなくても、世の中には様々な統計調査がある！」と公的統計に切り替え→単回帰→相関行列→擬似相関、という第4問そのものの流れをたどります。無料で読めます。解いておく価値があります。

4. 手で確かめる

ここからは実際に手を動かします。一次データを自分で取ってきて、散布図・相関係数・回帰直線・残差をすべて計算し、最後に私が作った類題を最後まで解いてみせます。以下の数値は、すべて私が Python で実行して確認したものです。

4.1 一次データを自分で取る

総務省統計局の「統計ダッシュボード」のWeb APIは、利用登録もAPIキーも不要で使えます（API仕様ページに「利用登録不要で、誰でもお使いいただけます」とあります）。ここから都道府県別のデータを2つ取ってきます。

• X：可住地面積1平方キロメートル当たり人口密度（人）　系列コード 0201300100000020010
• Y：他市区町村への通勤者比率（％）　系列コード 0301110000030020010
• いずれも 2020年度（2020FY00）・都道府県単位（RegionalRank=3）・政府統計名「社会・人口統計体系」（総務省統計局）

curl -s "https://dashboard.e-stat.go.jp/api/1.0/Csv/getData?IndicatorCode=0201300100000020010&RegionalRank=3&Time=2020FY00" -o mitsudo.csv
curl -s "https://dashboard.e-stat.go.jp/api/1.0/Csv/getData?IndicatorCode=0301110000030020010&RegionalRank=3&Time=2020FY00" -o tsukin.csv

どちらも 47 件が返ってきます。API仕様 https://dashboard.e-stat.go.jp/static/api ／ 取得 2026-08-03

4.2 図の前に、定義を読む

第4問の作法どおり、まず定義を確認します。同じAPIのメタ情報（getIndicatorInfo）には次のように書かれています。

• 可住地面積 ＝ 総面積から林野面積と主要湖沼面積を差し引いて算出したもの
• 可住地面積1k㎡当たり人口密度 ＝ 総人口 ÷ 可住地面積
• 他市区町村への通勤者数 ＝ 当該市区町村に常住する者のうち、県内外を問わず他の市区町村で従業する者の数
• 他市区町村への通勤者比率 ＝ 他市区町村への通勤者数 ÷ 就業者数

4.3 散布図を描いて計算する

図：47都道府県の可住地人口密度（横軸）と他市区町村への通勤者比率（縦軸）。赤い直線が回帰直線、黄色の縦線が残差。出典＝総務省統計局「統計ダッシュボード」（社会・人口統計体系）2020年度のデータを基に当方で作成。

47点について、有理数（Python の fractions.Fraction）で厳密に計算し、浮動小数点の結果と突き合わせました。

• xの平均 1351.4298 人／k㎡、yの平均 33.6681 ％
• xの標準偏差 1772.0538、yの標準偏差 12.7759
• 相関係数 r = 0.670041、決定係数 r の2乗 = 0.448954
• 回帰直線 y = 0.004831 x + 27.140

検算（すべて実行して確認済み）です。

• 残差の総和は厳密に0、x と残差の積和も厳密に0（最小二乗法の正規方程式そのもの）
• x に平均を代入した予測値は 33.6680851064 で、yの平均と一致（回帰直線は必ず平均の点を通る）
• 全変動 7671.462128 ＝ 回帰による変動 ＋ 残差変動（厳密に一致）。その比 0.448954 が r の2乗と一致

4.4 残差を標準偏差で割る

残差の標準偏差は 9.4838 ポイント。これを「ものさし」にすると、外れ方の大きさが比べられます。

読み取れることは明快です。奈良・千葉・埼玉は「密度のわりに市外へ出る人が多い」。ベッドタウンの姿がそのまま出ています。一方、東京都は人口密度が全国で突出して高いのに、回帰直線より1.68個ぶん下にあります。

ここで「都内で働く人が都内に住んでいるからだ」と言いたくなります。しかし 4.2 の定義を思い出してください。東京都の値は「区や市をまたぐかどうか」で決まります。23区が別々の「区」として数えられている以上、東京都の低さを「都内で完結しているから」だけで説明することはできません。図と定義の両方を見て、初めて「この程度のことしか言えない」と分かる。これが第4問で問われている態度そのものです。

4.5 1点の影響と、指標の選び方

東京都はxが9873.3で、2位の大阪府6624.7を大きく引き離しています。この1点を外して計算し直すと、

• 相関係数 0.670041 → 0.687180
• 回帰直線 y = 0.004831x + 27.140 → y = 0.006721x + 25.281（傾きが 1.39倍）

47点のうちたった1点で、傾きが4割変わります。さらに、順位だけを使うスピアマンの順位相関係数は 0.794519 で、ピアソンの 0.670041 より大きい。順位で見れば関係はもっとはっきりしているのに、実数で見ると東京都の1点に引っぱられて相関係数が下がる、ということです。相関係数の数値だけを見て散布図を見ないと、この構造は絶対に見えません。

4.6 自作の類題（解説つき）

【解答と解説】

問1　④ 比例尺度。人口密度は0が「人がいない」という意味を持ち、「2倍の密度」に意味があります。間隔尺度である摂氏温度で「30℃は15℃の2倍暑い」と言えないのと対比すると分かりやすい。この尺度水準の設問こそ、令和7年度に得点率0.2879だったところです。難しいのではなく、定着していないだけです。

問2　③ 0.67。散布図は右上がりなので符号は正、①は消えます。点は直線のまわりに幅広くばらついていて、ぴったり乗ってはいないので④の0.97ではない。②の0.07なら傾向がほぼ見えないはずです。実際の値は 0.670041。相関係数は「符号」と「散らばりの幅」の2段階で絞るのが速い。

問3　予測値 ＝ 0.004831 × 1551.1 + 27.140 ＝ 7.4933 + 27.140 ＝ 34.63。残差 ＝ 実測値 − 予測値 ＝ 55.2 − 34.63 ＝ +20.57。残差は「実測 − 予測」の順です。逆にすると符号が反転します。

問4　20.57 ÷ 9.4838 ＝ 2.17個ぶん。

②が言えない理由（型1・因果の断定）。散布図が示すのは、47都道府県を並べたときの関係であって、「ある県を操作したらどうなるか」ではありません。密度と通勤者比率の両方を動かしている別の要因（都市圏の広がり方、鉄道網、市町村合併の歴史など）は、この図では区別できません。「〜すれば〜になる」という言い回しを見たら、まずこれを疑ってください。

③が言えない理由（型2・母集団のすり替え）。図の1点は1つの都道府県であって、1人の個人ではありません。県全体で55.2％だとしても、奈良県には県内で働く人が44.8％いる。集団についての関係は、そのまま個人に当てはめられません。これは第4問がいちばん好んで出す型です。「この図の1点は何を表しているか」を最初にメモしておけば、この選択肢は読んだ瞬間に切れます。

④が言えない理由（型3・外挿）。実際のxの範囲は 230.2〜9873.3。20000は範囲の外です。しかも式に代入すると 123.75％となり、割合が100％を超えてしまいます。式は範囲の外まで計算してくれますが、意味までは保証しません。「外挿はダメ」と暗記するのではなく、代入してあり得ない値が出ることを一度自分で見ておくのが効きます。

①が言える理由。「傾向がある」という言い方に留めています。相関係数が正であることと、散布図が右上がりであることから、この図の範囲で確かめられます。

⑤が言える理由。問3・問4で計算したとおり、+2.17個ぶんです。「回帰直線から標準偏差何個ぶん外れているか」は、まさにこの図と数値から確かめられます。

4.7 使ったデータ（全47都道府県）

読者が同じ計算を再現できるよう、全データを載せます。出典は総務省統計局「統計ダッシュボード」（政府統計名：社会・人口統計体系）2020年度、取得日は2026年8月3日です。

5. 共通テストではこう出る

重要度：S。配点25点は第2問（30点）に次ぐ大きさで、データ分析は毎年必ず1大問まるごと出ます。

5.1 形式は固まっている

3.8 の表のとおり、本試験は問1〜4、追・再試験は問1〜5という違いが2年続いています。大問全体の配点25点は4回とも同じ。令和7年度・令和8年度とも大問の配点は20／30／25／25 で固定されています。

センターの自己評価は、第1問と第2問について「特定の分野を限定せずに，第1問〜第4問までで『情報Ⅰ』の全分野から出題する形となっている」と書いています。第4問はデータ分野の指定席だと考えてよいでしょう。

5.2 時間配分

試験は60分・100点。私の提案は次のとおりです。

第4問を第3問より先に解くのが私の推奨です。理由は 3.1 の数字にあります。令和8年度の得点率は第3問0.5777に対し第4問0.6645。第3問（プログラミング）は最後まで追い切れないと0点になりやすいのに対し、第4問は前半だけでも点になります。プログラムの1問に沈んで第4問に触れないまま終わるのが、いちばんもったいない失点の仕方です。

第4問の15分の中身は、最初の3分を図の読み取りに使ってください。軸・単位・母数・期間・出典を確認し、1点が何を表すかをメモしてから設問に入る。ここを省くと、後半の判定問題で全部やり直すことになります。図の枚数は多く、令和8年度の第4問は本文だけで約4000字（空白を除いて当方で計測）あります。読む量は決して少なくありません。

5.3 捨ててよい問い、捨ててはいけない問い

3.2 の数字から、実戦的な判断が引けます。

• 令和7年度で得点率2割台だったのは ア-イ（尺度水準と棒グラフ・帯グラフ）とキ（指標化のための変換）の5点分
• 令和8年度で得点率3割を切ったのは シ（補正方法の精度）の3点分

この2〜4問は、最後に回してよい。ただし尺度水準は例外です。令和7年度の ア-イ が2割台だったのは、名義・順序・間隔・比例の区別が受験生に定着していないからであって、内容が難しいからではありません。尺度水準は覚えれば取れます。センター自身が自己評価で「尺度水準を実践で活用できるかを問うている点に好意的な評価があった」と書いており、今後も出ます。

一方、残差・回帰直線・箱ひげ図の「読み取り」は捨ててはいけません。令和8年度のウ 0.8823、カ 0.9080、ケ 0.7361 のように、素直な読み取りは9割近くが取れています。ここを落とすと大問全体が崩れます。

5.4 センター自身の評価

令和8年度の自己評価には、日本情報科教育学会の評価としてこう記録されています。

数学としてではなく「情報Ⅰ」について別途教科・科目を設置して共通テストを実施する意義を示す問題であった

同時に情報処理学会からは「他の問と比較して難易度は低かったことになる」という指摘も載っています。「第4問は難しい」という受験生の体感と、公表されている得点率は食い違っています。体感で判断せず、数字で判断してください。

6. 情報Ⅱではこうなる

6.1 語数で見る分水嶺

3.7 と同じ方法で、データ分析の用語を数えました（2026年8月3日実施）。情報Ⅱ教員研修用教材は序章・第1〜5章のすべて、第3章は前半・後半の両分冊を対象にしています。

箱ひげ図（21対0）と主成分（0対161）が、きれいに逆を向いています。情報Ⅰは「1変数や2変数の分布を目で見る」科目で、情報Ⅱは「何十変数を圧縮して構造を出す」科目です。第4問の技能は捨てられるのではなく、軸そのものが増えます。

6.2 「変換して比べる」が「基準化するかどうかの判断」になる

令和7年度の第4問 問3（得点率0.2204）は「データを指標化するための変換」を問う設問でした。同じ発想は情報Ⅱで基準化という名前で正面から扱われます。

情報Ⅱ教員研修用教材 第3章 学習16「クラスタリングによる分類」は、e-Statの「特定の財（商品）・サービスの1世帯当たり1か月間の支出」を地方別にクラスタリングします。そこで教材はこう書きます。

自動車費用は他の分類の差よりも大きな差になっている。このままクラスタリングを行ってしまうと，分類ごとの支出額の差を用いて距離を求めることになり，差が大きい自動車費用の影響が大きくなると考えられる。そこで，次のプログラムにより，クラスタリングの前に分類ごとの影響が同等になるようデータの基準化を行う。

ところが同じ章の別の演習（卸売業者の顧客データ）では、逆にこう書きます。

金額を用いてクラスタリングを行いたいので，値の基準化は行わない。

6.3 試作問題の題材が、そのまま情報Ⅱの教材になっている

文部科学省が公開している「情報Ⅱ解説動画」の第4章（情報とデータサイエンス）の[1]は、「重回帰分析を用いた予測『睡眠時間を他の行動時間から予測しよう』」です。そのスライドは冒頭に「情報1で学んだこと」として単回帰 y = −0.173 × 400 + 523.78 → 454.58分 を置き、そこから説明変数を増やして次の重回帰式に進みます。

• 切片 612.39863457
• 係数 −0.23689623（学業）／−0.54526488（通勤・通学）／−0.16213081（休養・くつろぎ）／−0.10581234（趣味・娯楽）

さらに、質的データの扱いとして「スマートフォン・パソコンなどの使用時間」をワンホットエンコーディングで列に分ける手順まで見せ、最後に「多重共線性に注意！」と注意書きを置きます。

ここで思い出してください。試作問題『情報Ⅰ』第4問 問1 のねらいは、大学入試センターの資料で次のように書かれていました。

スマートフォン・パソコンなどの使用時間が長いグループと短いグループに分けられた統計データを基に，そこから分析できる仮説とそうでない仮説を考察し識別できるか

6.4 「都道府県を1点とする散布図」の行き先

本記事の4節で作った図は、1点が1都道府県の散布図でした。情報Ⅱ解説動画[2]「主成分分析による次元縮約『データを圧縮して、関係を見よう！』」は、まさにこの図の続きです。スライドは「情報1で学んだこと」として散布図を置き、3変数→3次元散布図、それ以上→「相関行列や散布図行列」と進めたうえで、こう書きます。

結局全体的には何を言えばいいの？　→こんな時に役立つ1つの方法が、主成分分析

題材は統計センターのSSDSE-家計消費（都道府県庁所在市別の家計消費データを都道府県に読み替えたもの）で、やはり1点が1都道府県です。R では prcomp(syouhi, scale=T) の1行で、この scale=T が 6.2 の基準化にあたります。

つまり、第4問で身につける「1点が何を表すかを確認して散布図を読む」という技能は、情報Ⅱでそのまま主成分得点の散布図を読む技能になります。軸が「学業の時間」から「総合消費度」のような合成軸に変わるだけで、読み方の作法は変わりません。

情報Ⅰで扱わないのは「軸を自分で作ること」です。情報Ⅰの散布図の軸は与えられていますが、情報Ⅱでは散らばりが最大になるように軸を決めます（スライドの表現では「一番散らばって見えるところで、見下ろすイメージ」）。ここが情報Ⅰと情報Ⅱの分かれ目であり、「主成分」が情報Ⅰ側の資料に0件、情報Ⅱ側に161件という数字の意味でもあります。

7. この講のまとめ

出典

大学入試センター「令和7年度大学入学共通テスト 問題評価・分析委員会報告書（本試験）」 https://www.dnc.ac.jp/kyotsu/hyouka/r7_hyouka/r7_hyoukahoukokusyo_honshiken.html （取得 2026-08-03）
大学入試センター「令和8年度大学入学共通テスト 問題評価・分析委員会報告書（本試験）」 https://www.dnc.ac.jp/kyotsu/hyouka/r8_hyouka/r8_hyoukahoukokusyo_honshiken.html （取得 2026-08-03）
大学入試センター「令和7年度 試験情報データ（本試験）」設問別得点率及び正答率表 https://www.dnc.ac.jp/kyotsu/hyouka/r7_hyouka/r7_data.html （取得 2026-08-03）
大学入試センター「令和8年度 試験情報データ（本試験）」設問別得点率及び正答率表 https://www.dnc.ac.jp/kyotsu/hyouka/r8_hyouka/r8_data.html （取得 2026-08-03）
大学入試センター「過去3年分の試験問題」 https://www.dnc.ac.jp/kyotsu/kakomondai/ （取得 2026-08-03）
大学入試センター「令和7年度大学入学共通テスト 試作問題『情報』の概要」（2022年11月9日公表） https://www.dnc.ac.jp/albums/abm.php?d=744&f=abm00003141.pdf （取得 2026-08-03）
文部科学省「高等学校学習指導要領（平成30年告示）解説 情報編」（平成30年7月） https://www.mext.go.jp/content/1407073_11_1_2.pdf （取得 2026-08-03）
文部科学省「高等学校学習指導要領（平成30年告示）解説 数学編 理数編」（平成30年7月） https://www.mext.go.jp/content/20260115-mxt_kyoiku02-100002620_04.pdf （取得 2026-08-03）
文部科学省「高等学校情報科『情報Ⅰ』教員研修用教材」第4章（令和2年） https://www.mext.go.jp/content/20200722-mxt_jogai02-100013300_006.pdf （取得 2026-08-03）
文部科学省「高等学校情報科『情報Ⅱ』教員研修用教材」第3章後半（令和2年6月） https://www.mext.go.jp/content/20200609-mxt_jogai01-000007843_007.pdf （取得 2026-08-03）
文部科学省「授業・研修用コンテンツ」[5]オープンデータの分析 https://www.mext.go.jp/content/20230210-mxt_jogai02-000021502_01.pdf （取得 2026-08-03）
文部科学省「情報Ⅱ解説動画」 https://www.mext.go.jp/a_menu/shotou/zyouhou/detail/mext_02652.html （取得 2026-08-03）
同 第4章[1]「重回帰分析を用いた予測」スライド https://www.mext.go.jp/content/20240308-mxt_jogai01-000034455_001.pdf （取得 2026-08-03）
同 第4章[2]「主成分分析による次元縮約」スライド https://www.mext.go.jp/content/20240308-mxt_jogai01-000034455_002.pdf （取得 2026-08-03）
総務省統計局「統計ダッシュボード」API https://dashboard.e-stat.go.jp/static/api （取得 2026-08-03）

※共通テストの問題文・選択肢・図表は、大学入試センターの著作物のため転載していません。この記事で扱っているのは、設問構造の説明・題材と問われ方の要約・私が作った類題の3つだけです。※語数調査は、テキスト抽出できた範囲での件数です。文部科学省の授業・研修用コンテンツのスライドの一部は画像化されており全文検索の対象外であるため、「0件」は「テキスト抽出できた資料の範囲で0件」を意味します。