MMMの多重共線性とは

MMMにおける多重共線性とは、複数の媒体の広告費が同じようなタイミングで一緒に増減し、データの上ではどちらが効いたのか見分けがつかなくなる状態を指します。これが起きると、モデルは媒体ごとの貢献度を無理やり分けようとして、係数の符号が入れ替わったり、少しデータを変えるだけで結果が大きく揺れたりします。MMMの結果が「なんだか納得できない」と感じたとき、原因の多くはこの多重共線性にあります。この記事では、何が起きているのか、どう気づくのか、そしてどう対処すればよいのかを整理します。

多重共線性が起きるとどんな症状が出るか

多重共線性そのものは直接目に見えません。次のような結果側の症状から疑うことになります。

• 係数の符号が直感と逆になる。 明らかに効いているはずの媒体の貢献度がマイナスと推定される。
• 月やデータ範囲を少し変えるだけで貢献度の順位が入れ替わる。 先月まで1位だった媒体が、1か月データを足しただけで3位に落ちる。
• 信頼区間（推定の幅）が極端に広い。 「貢献3億〜9億円」のように、点推定だけでは意味を持たないほど幅が開く。
• 媒体を1つ足し引きしただけで、他の媒体の貢献度まで大きく変わる。 本来は関係が薄いはずの媒体同士が連動して動く。

これらはモデルの作り方が間違っているサインではなく、データの中にその答えを一意に決めるだけの情報が無いというサインです。データを増やさない限り、モデルの工夫だけでは解けない場合もあります。

なぜMMMで起きやすいのか

多重共線性は珍しい事故ではなく、マーケティングの意思決定の性質上、むしろ起きやすい構造があります。

• セール期・年末商戦・新商品の発売時には、検索広告・SNS広告・テレビCMなどを一斉に増額するのが普通の運用です。
• 逆に予算が厳しい時期は、多くの媒体を一斉に絞るため、増減の波形が媒体間でそろってしまいます。
• 媒体数が多いほど、どこかの2つ、3つが似た動きになる組み合わせが増えます。

つまり「効果を検証しやすい配分」と「実務として無理のない配分」は、しばしば両立しません。多重共線性は分析側の落ち度というより、媒体を独立に動かした実績が手元のデータに無いという制約そのものです。

気づくための3つのチェック

本格運用のMMMでは、モデリングに入る前後で次のような点検を行います。

これらは統計ソフトや分析者側の前処理で確認する項目で、MMMの結果を受け取った側も、点推定の背後にこうした点検があったかを確認する価値があります。相関行列とVIFだけで安心せず、実際にデータの一部を変えて結果が動くかを試す感応度チェックが、実務では特に効きます。

対処法：完全には消せないという前提で

多重共線性は「これで完全に解消」という決定打があるわけではありません。次のような手段を組み合わせて、推定の不安定さをどこまで許容できる形に抑えるかという発想で対処します。

1. 相関の高い媒体をまとめる。 似た動きをする媒体を1つのグループとして扱えば、個々の内訳は失われますが、グループ全体としての貢献度は安定します。「本当は分けたいが、データ上は分けられない」ことを正直にモデルへ反映する方法です。
2. 事前分布や正則化で制約をかける。 業界の目安や過去の実験結果を事前情報として持ち込み、データだけでは決めきれない部分を補います。仕組みの詳しさはMMMのベイズ推定とはで扱っています。
3. 実験・地域比較で外部から補正する。 一部の地域だけ媒体を止める、あるいは増額するといった実験を行い、その結果でモデルの推定値を補正（キャリブレーション）します。地域を比較する考え方そのものは差分の差分法とはで解説しています。
4. 今後のメディアプランで意図的にタイミングをずらす。 過去のデータは変えられませんが、次期以降は媒体ごとに増減のタイミングを分散させることで、将来のデータの識別性を上げられます。

どの手段も、媒体ごとの内訳を完全に取り戻すものではありません。 データに無い情報を後から作り出すことはできないため、「グループ単位でなら自信を持って言える」「この媒体だけは実験で裏取りできた」というように、確からしさに濃淡がある前提で結果を使うことが現実的な着地になります。

統計じょうずでの見え方

統計じょうずのMMMクイック分析βは、媒体間の相関が高い組み合わせを検出すると、結果と一緒に警告として表示します。ただし、正則化つきの回帰であり、事前分布や実験結果を組み込んでモデル側で共線性を積極的に解消する仕組みは持っていません。

そのため、警告が出ている状態の内訳を鵜呑みにせず、まずは媒体をグループ単位で見て、全体としての傾向をつかむ使い方が向いています。個別の媒体の順位まで確定させたい場合は、実験や本格運用のMMMで裏取りをする段階に進む判断材料として使うとよいでしょう。

よくある質問

Q. 相関の高い媒体をまとめると、結局どの媒体が効いたか分からなくなりませんか。 まとめる前から、データ上はその内訳を分けられない状態にあります。個別に出た数字をそれぞれ信じてしまうほうが、実際には誤った精度感を持つことになります。グループ化は、分けられないという事実を正直に反映する対応です。

Q. VIFは統計じょうずのMMMクイック分析で確認できますか。 個別のVIF数値は表示していません。媒体間の相関が高い場合の警告として結果に反映されます。詳しく確認したい場合は、統計ソフトでの前処理や、本格運用のMMMを行う分析者・ベンダーに確認するとよいでしょう。

Q. 多重共線性があると、MMMの結果はまったく使えませんか。 媒体ごとの細かい内訳は割り引いて見る必要がありますが、広告費全体と売上全体の関係や、大きなグループ単位の傾向までは参考にできることが多いです。使えない部分と参考にできる部分を分けて捉えることが大切です。

Q. データを増やせば多重共線性は解消しますか。 期間を延ばしても、その間ずっと媒体を同じように一緒に動かしていたのであれば解消しません。効くのは「媒体ごとに違う動かし方をした期間」が増えることであり、単純な期間の長さではない点に注意してください。

多重共線性は、MMMの計算方法の欠陥ではなく、手元のデータに含まれる情報の限界です。まずは統計じょうずのMMMクイック分析で警告の有無を確認し、グループ単位の傾向から当たりをつけたうえで、個別媒体の内訳まで必要な場合は実験や本格運用のMMMで裏取りする、という順序で考えるとよいでしょう。