時系列グラフの読み方:前年同月比・季節変動・指数化で増減を正しくつかむ

前年同月比が季節変動の影響を抑えられる理由

前年同月比は、ある月の値を前年の同じ月と比べた変化率です。

前年同月比(%)=(今月の値 − 前年同月の値)÷ 前年同月の値 × 100

前年同月の値が0の場合、この式では計算できません。総務省統計局の消費者物価指数に関するQ&Aでは、毎年同じような動きをする季節変動と、それを除去した季節調整値を説明し、前年同月比でも季節性の影響を除けるとしています(統計局:消費者物価指数に関するQ&A)。同じ月どうしで季節の影響が同程度なら、比べるとおおむね打ち消し合います。ただし、季節の形の変化や休日・営業日数の違いなどの影響は残り得ます。

ただし前年同月比には弱点が2つあります。

• 前年の値が特別に高かった月(低かった月)は、今年の変化率が逆にぶれます。 分母が特殊だからです。
• 直近の勢いは見えにくくなります。 今月の変化も数字に反映されますが、1年前との比較なので、直近の増減が転じても前年同月比のプラス・マイナスがすぐに切り替わるとは限りません。

説明用の例:架空の月次売上で計算する

次の表は説明用の架空データです。実在の店舗や統計の数字ではありません。単位は万円で、2025年は12か月分、2026年は1〜9月分を想定しています。指数は「2025年の月平均(300万円)=100」としました。数字は手計算で、コードは実行していません。

• 1月、2025年：240、2026年：252、前年同月比：+5.0%、2026年の指数(2025年平均=100)：84.0
• 2月、2025年：228、2026年：234、前年同月比：+2.6%、2026年の指数(2025年平均=100)：78.0
• 3月、2025年：264、2026年：270、前年同月比：+2.3%、2026年の指数(2025年平均=100)：90.0
• 4月、2025年：282、2026年：291、前年同月比：+3.2%、2026年の指数(2025年平均=100)：97.0
• 5月、2025年：306、2026年：312、前年同月比：+2.0%、2026年の指数(2025年平均=100)：104.0
• 6月、2025年：330、2026年：339、前年同月比：+2.7%、2026年の指数(2025年平均=100)：113.0
• 7月、2025年：384、2026年：387、前年同月比：+0.8%、2026年の指数(2025年平均=100)：129.0
• 8月、2025年：402、2026年：420、前年同月比：+4.5%、2026年の指数(2025年平均=100)：140.0
• 9月、2025年：324、2026年：315、前年同月比：−2.8%、2026年の指数(2025年平均=100)：105.0

2025年の12か月合計は3,600万円なので、月平均は300万円です。指数は「その月の値 ÷ 300 × 100」で求めます。たとえば2026年8月は 420 ÷ 300 × 100 = 140.0 です。

前月比だけを見ると何が起きるか

2026年の原数値で前月比を計算すると、次のようになります。

• 6月→7月は (387 ÷ 339 − 1) × 100 で +14.2%。
• 7月→8月は (420 ÷ 387 − 1) × 100 で +8.5%。
• 8月→9月は (315 ÷ 420 − 1) × 100 で −25.0%。

最後の−25.0%だけを見ると、急落したように見えます。しかし2025年も8月→9月は (324 ÷ 402 − 1) × 100 で −19.4% でした。両年ともこの時期に下がっています。前年同月比で見ると、9月は−2.8%と小幅のマイナスです。季節の波がある可能性は読み取れますが、この2年分だけで落ち込みの大半が季節要因だとは断定できません。

一方で、8月の+4.5%は1月の+5.0%に次ぐ大きさです。仮に2026年8月の売上が一時的な要因で押し上げられていたなら、2027年8月の前年同月比は、その高い値を分母にするため低めに出る可能性があります。数字の裏にある原因(需要の前倒し、販売日数、天候など)は、このグラフだけでは決まりません。別のデータで確認します。

指数化:基準の置き方で印象が変わる

指数化は、基準にした値を100として、他の値を比率で表す方法です。単位の違う系列や、水準が大きく違う系列を同じグラフに載せるときに役立ちます。統計局の物価指数でも、基準年の値を100とし、その基準年は5年ごとに更新されると説明されています(同じQ&Aでは、現在の基準年は2025年と記載されています)。

基準の選び方で、見え方は次のように変わります。

• 2025年の月平均=100、2026年8月の指数：140.0、見え方：平均より4割高い
• 2025年1月(240万円)=100、2026年8月の指数：175.0(420÷240×100)、見え方：7割以上伸びたように見える
• 2025年8月(402万円)=100、2026年8月の指数：104.5(420÷402×100)、見え方：ほぼ横ばいに近い

どれも計算は正しいのに、受ける印象はかなり違います。基準に月を1つ選ぶと、その月が季節の山か谷かで見え方がずれます。基準が1月なら全体が大きく見え、8月なら小さく見えます。月次の系列を指数化するときは、基準を年平均にするほうが、季節の影響を受けにくくなります。

なお、この例のように基準となる値だけを変えても、同じ系列内の前年同月比は変わりません。全体を同じ数で割り直しているだけだからです。変わるのは「水準の見た目」です。ただし、公的統計の基準改定で品目やウエイトも変わる場合は、前年同月比も変わることがあります(統計局:消費者物価指数に関するQ&A)。

時系列グラフの読み取り手順

次の順で確認します。

1. 軸と単位を確認します。 縦軸がゼロから始まっているか、円・万円・指数のどれかを見ます。
2. 原数値か季節調整済みかを確認します。 注記に「季節調整値」とあるかを探します。原数値なら、毎年の同じ時期に似た山谷があるかを確認します。
3. 前年のグラフと重ねます。 同じ月に同じ形の山谷が出ていれば、季節変動の可能性があります。できれば複数年で確かめます。
4. 前年同月比を計算します。 同じ月どうしの変化率を見て、季節の影響を抑えて比べます。
5. 前年の特殊な月を確認します。 前年に異常な高さや低さがなかったかを見ます。あれば、今年の変化率はそのぶん割り引いて読みます。
6. 指数の基準を確認します。 基準年・基準月はいつか、基準が山か谷かを見ます。
7. %と%ポイントを区別します。 前年同月比が+5%から+2%に下がったときは、「3%ポイント低下」であり、売上が3%減ったわけではありません。

判断に迷ったときは、次の表で使う指標を選びます。

• 去年より伸びたか、使う指標：前年同月比、注意点：前年が特殊な月は、変化率が逆にぶれる
• 直近の勢いはどうか、使う指標：季節調整済みの前月比、注意点：原数値の前月比は季節の波を含む
• 年内の山と谷の位置、使う指標：複数年の月別パターンや季節指数、注意点：季節指数は傾向などを分けて推定する。1年分だけでは傾向と季節が混ざる
• 複数の系列を並べたい、使う指標：基準年平均=100の指数、注意点：基準が月1つだと印象がずれる

AIに計算を任せる依頼文と、人が確認すること

AIには、表の整形と計算の下書きを任せられます。ただし、数値の読み違いや計算ミスが起こり得ます。計算結果をそのまま採用せず、必ず人が検算してください。

渡すのは次の情報です。

• 系列の名前、単位、期間
• 原数値か季節調整済みかの区別
• 指数の基準にしたい期間
• 欠けている月の有無

社内の売上などの機密データは、そのまま貼らず、月別の相対値や架空の数字に置き換えて試します。

依頼文の例です。

以下は説明用の架空の月次売上データです(単位:万円、原数値)。
2025年1月〜12月と2026年1月〜9月があります。
1. 2026年の各月について、前年同月比(%)を小数第1位まで計算してください。
2. 2025年の月平均を100とした指数を、2025年と2026年の全月について計算してください。
3. 計算式と途中の値も表で示してください。
4. 2026年の前月比(原数値)が大きく動いた月を挙げ、前年の同じ時期に同じ動きがあったかを確認してください。
5. 原因は推測せず、「別に確認すべきデータ」の候補だけを挙げてください。
データ:
2025: 240,228,264,282,306,330,384,402,324,288,270,282
2026: 252,234,270,291,312,339,387,420,315

人が確認する点は次のとおりです。

• 月の対応がずれていないか(2026年1月と2025年1月)
• 分母が「前年同月」になっているか
• 指数の基準が依頼どおりか
• 3か月ほどを電卓で再計算した結果と合っているか
• 原因の推測が、データにない断定になっていないか

表計算ソフトやPythonで計算する場合

Pythonのpandasでは、pct_changeのperiods引数で何行ずらして比べるかを指定します。月次データなら12行前との比較で前年同月比を出せます(pandas公式:DataFrame.pct_change)。結果は割合なので、%にするには100を掛けます。

次のコードは上の表と同じ計算をする例です(実行して確認したものではありません)。

import pandas as pd

values = [240, 228, 264, 282, 306, 330, 384, 402, 324, 288, 270, 282,
          252, 234, 270, 291, 312, 339, 387, 420, 315]
s = pd.Series(values, index=pd.period_range("2025-01", periods=len(values), freq="M"))

base = s.loc["2025-01":"2025-12"].mean()   # 2025年の月平均(300)

out = pd.DataFrame({
    "売上": s,
    "前月比%": (s.pct_change() * 100).round(1),
    "前年同月比%": (s.pct_change(periods=12) * 100).round(1),
    "指数": (s / base * 100).round(1),
})
print(out.loc["2026-01":])

月が1つでも欠けた系列では、12行前が前年同月とは限りません。欠けた月を含めて並べ直したうえで使ってください。

読み取りの落とし穴

最後に、読み取りで起こりやすい誤りを挙げます。

• 前年同月比の高低だけで好不調を決めない。 前年が低すぎた月は、今年が普通でも高く出ます。
• 1年分の月別比を「季節の癖」と決めつけない。 傾向と季節が混ざっています。比べる年が増えるほど、季節の形は安定して見えてきます。
• 基準年が違う指数を、そのまま並べない。 公的統計は基準年の改定があるため、公表資料の基準年を確認します。
• %の差と%ポイントの差を混同しない。

数字を1つ見たら、「何と比べた数字か」を確認する習慣をつけると、時系列グラフの誤読を減らせます。