【スポーツ・トレーニング編】フィットネススコアと重回帰分析 目指せ高得点!

どんなことでも定量化するのはいいことです、たぶん。

さて、今日は定量化とカラダの深いお話です(深いのか・・・?)。

 

ぼくはジムに通っておりまして、トレーニングしながらやっぱり定量化されたスコアでカラダの調子を不定期で確認したりするわけです。

 

勉強ももちろんそうですが、やっぱり点数化されるとモチベーションが上がったり、逆に危機感を持ったりします

 

体組成を測定する体重計の進化版みないなやつ、ジムにおいてあったりしますよね。乗ってハンドルみたいの持ってしばらく計測してもらうタイプで、「フィットネススコア」なる点数がポヨヨンと出てきます。

 

~59点  要運動

60点~  運動不足

70点~  標準

80点~  スポーツ選手

90点~  プロアスリート並

 

という点数イメージになってます。

 

ぼくの直近の結果はこれ↓

f:id:setagayadezil:20200224122154j:image

 

いや、100点じゃん。点数イメージにないです。

 

100点~  故障?

 

というわけではないようです。ちなみにこのスコア、100点以上も普通に出ます。

と、ここで気になるのが、

 

この点数ってどうやって計算されてるんだろう?

 

なんとなくシートには色々な数字が並べられていて、恐らくこれらを複合して何らかの数式に当てはめるとスコアが計算されるんじゃあないか?と思ったわけです。

 

ということで、スコアの計算方法を探ってみよー。

 

 

 

 

1. まずはデータ集め!

何事もデータ集めからスタートです。トレーニング仲間がわさわさいるので、彼らからフィットネススコアのデータを拝借。その数35件(自分の分も含めて)。

 

2. 分析方法を決める!

データをざーっと見ながら、分析方法(=スコア計算方法の導き出し方)を考えます。こういうときはとりあえず「重回帰分析」でしょ!と決めてしまいます。

重回帰分析の説明は以下サイトが分かりやすいと思いますのでそちらに譲りますが、端的に言えば「複数の要素により結果が出されている場合、その結果の出し方を推測する」というものです。

udemy.benesse.co.jp

 

重回帰分析って本来は過去のデータを分析をすることで、将来の予測を立てることに使うわけですが、今回はあくまで過去のデータを分析して何がどうなっていたのかを把握するところまでです。

 

これは最小二乗法という統計の理論を使っており、実はいま流行のAIの分析・解析の基礎になっているような考え方です(詳しくは以下、東京大学松尾先生の講演内容を読んでみて下さい。すごく分かりやすいです)。

logmi.jp

 

 

3. データの整備!

さて、みんなから集めたデータ、このままでは使えません。重回帰分析というのは複数の要素をベースに分析するわけですが、大原則として「使用する要素が独立していること」が求められます。そうじゃないと、一つの要素がもう一つの要素に影響を与えてしまっていては、何がどう最終結果に作用するのかが複雑化されてしまうから、です。

(AIによる分析・解析だと、この辺りのデータ整備まで自動でやってくれますね)

 

デジルAIレベルですと、ちょっと昔のファミコン程度なので、頑張って自分で整備。

 

とりあえず以下のデータ類に相関か相互計算が含まれていないのか、Googleで言葉の定義等も調べながら作業。

■体重

■筋肉量

■体脂肪量

■体脂肪率

■適正目標値(体重)

■適正目標値(筋肉量)

■適正目標値(体脂肪量)

■適正目標値(体脂肪率)

■身長

 

うーん、適正目標値っていうのは身長から自動的に計算されるものではないか、とまずは推測。又、体脂肪率は体脂肪量から算出されるでしょうよ、と。

 

そうすると、感覚的には、「標準値に対する自分の数値の乖離」あたりが使えそうな気がします。即ち、

■体重比率(=自分の体重÷適正目標体重)

■筋肉量比率(=自分の筋肉量÷適正目標筋肉量)

■体脂肪比率(=自分の体脂肪量÷適正目標体脂肪量)

あたりでどーだ。これだと身長もすでに要素に加味されているし。これらならある程度要素間は独立していそうだし、これで行こう!

※後から思い返すと、この3つって結構相関ありますよね・・・。それと、「年齢」っていう要素を入れていないことに気づきました。まぁトレーニング仲間の年齢もあんまり分かってないから仕方ないんですけどね。

 

4. いざ重回帰分析!

ここからはオートで。エクセルの重回帰分析機能を使って一気に計算しちゃいましょう。詳しくは以下で。エッセンスさえ分かっていればOKです。

atarimae.biz

 ここで出力された内容をちょっと加工してある程度見やすくしておきます。

 

5. フィットネススコア計算方法の結果は?

先ほどの重回帰分析で出力された内容をちょっと加工したのがコレ↓

f:id:setagayadezil:20200224133532j:plain

フィットネススコア重回帰分析結果

 

結論としては、フィットネススコア計算式は

 

19.63 + 体重比率 x 0.061

+ 筋肉比率 x 0.587 - 脂肪比率 x 0.08

 

なるほど。細かい数値は別として、この式から言えるのは、

①体重が重いほど点数は高くなる

②筋肉量が多いほど点数は高くなる

③体脂肪量が多いほど点数は低くなる

④スコアへの影響度合いは「筋肉量>体重>体脂肪量」の順番。

 

なんとなく、イメージ出来る感じではあります。

フィットネススコアを上げるには筋肉量をガチで増やして、体脂肪をガリガリに削って、結果的に体重をアップさせるんですね!

 

・・・当たり前やん!そんなんみんな知ってるわ!

 

でもまぁこれが定量的に証明されたのでOKということにしておきましょう。

 

 

 

ぼくの場合は、この筋肉量と体重で相当大きく稼ぎ、体脂肪分で多少スコアが凹んでも問題ない構成になってるようです。方面的にはプロレスラー系またはゴリラ系

 

結構面白くて、人によっては点数の出し方が違ったりします。

例えば先ほどの分析結果の中のMr.Cという方。筋肉比率・体重比率はそれほど大きくないのですが、体脂肪が極端に削がれているので結果的に90点という高得点になっています。走れる系のアスリート方面ですね。

 

ちなみにこの計算式だと、誤差って1%未満なんですよね、計算結果によると。但し、これはあくまで計算式が要素をしっかり反映させてスコアを計算出来る、というだけの話であり、分析結果が正しいというわけではありません。

要素の取り方自体が間違っていれば、この分析結果そのものが間違っていることになりますからね。

 

と、こんな感じでエクセルの重回帰分析を用いてフィットネススコアを紐解いてみた、というお話でした。

 

こんなのもデータをAIエンジンにぶち込んだらもっと早く精度高く解析してくれるような世の中になっているんですよね、今。尊敬。

 

 

マンガでわかる統計学

マンガでわかる統計学

 
完全独習 統計学入門

完全独習 統計学入門

  • 作者:小島 寛之
  • 出版社/メーカー: ダイヤモンド社
  • 発売日: 2013/06/17
  • メディア: Kindle版
 
多変量解析法入門 (ライブラリ新数学大系)

多変量解析法入門 (ライブラリ新数学大系)

  • 作者:永田 靖,棟近 雅彦
  • 出版社/メーカー: サイエンス社
  • 発売日: 2001/04/01
  • メディア: 単行本
 

 

 ↓ポチっと重回帰分析

ブログランキング・にほんブログ村へにほんブログ村