ダイエットをされている方やそうでない方。全部ひっくるめて読者の皆さん、毎日体重計に乗って記録していますか?私は記録だけでなく解析もしています。
解析をすること自体が楽しいのもありますが、色々な切り口で解析することで、体重の推移だけでは見えてこないものがわかるようになり、それがモチベーションアップに寄与しています。
もちろん、これはあくまでも私個人の話であり、人それぞれ価値観が異なるので、全ての人に通ずるわけではないことには御留意ください。
最近はスマホアプリでも、ある程度グラフ化ができるようにはなっていると思います(私は詳しく知りませんが)。とはいえ、思い通りの解析をするにはやっぱり「Excel」が一番だと思っています。
【実践】エクセルを用いた体重管理とグラフ化の手順
私がしていることは下記です。
- 体重推移の記録・グラフ化
- 体重推移の近似線を引く
- 体重増減の傾向を見る
まず体重を記録し、グラフ化します。これをしないと解析は始まりません。
記録はINSMARTという体重計を利用し、スマホに連携させています。

アナログな体重計はメモリを自分で読まなければいけないので、どうしても誤差が生じがちです。デジタルな体重計でも、体重計から降りるとすぐ表示が消えてしまうので記録がしにくいです。
一方で、INSMART体重計は専用アプリと連携させることで、自動的に記録されるため、計測が楽で続けやすいなと感じています(心理的に)。
注意することとしては、どの体重計でも同じことが言えるかもしれませんが、重心の位置がずれていると正確な計測ができないので、3~5回計測してその平均値を採用しています。
このグラフを見るだけでも、記録とグラフ化の重要性がわかるかと思います。体重の増減が激しく、例えば10月19日の体重が81.6Kgで、記録開始日の体重と比較して、ぜんぜん痩せられていないと感じてしまいます。
このように、ただ単に体重の推移をグラフ化するだけでは傾向を中々掴みにくいです。そこで、近似曲線(最小二乗法)を描きます。
良かった。ちゃんと右肩下がりになっています(2026年11月01日時点では)。
体重が減る分、筋肉量が一定だと仮定したら、基礎代謝が減少してしまうことは言うまでもありませんよね。また、近似線はあくまでも長期視点なので、短期の変化を見るには弱いです。そのため、減少の勢いについても着目しています。
上のグラフは、Excelで3日分(前日~翌日)の体重データをSLOPE関数を使って、変化率を求めたものです。
値が正の時は体重が増加傾向(リバウンド)にあることを、逆にマイナスの時は減少傾向にあることを意味します。グラフの振幅が大きいほど、体重が大きく増減していることを意味します。つまり、これを見るとリバウンドの早期発見ができ、すぐに対策を打つことができるわけです。
一旦ここで、本章のまとめをします。
体重の推移だけでは減っているかどうかはわかりにくいので、近似曲線を引いています。近似曲線だと傾向の変化をすぐにはつかめず後手に回りやすくなります。それを防ぐために、SLOPE関数を用いて変化率を見ています。
体重と体脂肪率のデータを連動させて原因を分析する
一般に、「脂肪よりも筋肉の方が重い」と言われていますよね。そうであるならば、体重の増加が脂肪増加であると結論付けるには早計だと思います。
そこで、脂肪率の推移をグラフ化し解析に加えようと思います。
このグラフに体重の推移のグラフを重ね合わせます。
体重と体脂肪率のグラフを重ね合わせてみましたところ、2026年の9月28日から同年10月29日までの間では見事に連動しているため、素直に「太った」と認めざるを得ません。もし、筋肉量の増大が体重増に寄与しているならば、体脂肪率は減少していなければいけません。
これはカロリー消費または摂取量を見直しが必要かな・・・?
その前に、原因を追及する必要があります。ということで摂取カロリーと消費カロリーに着目し差分をとり、さらに体重の推移と重ね合わせます。
2026年10月05日~28日の区間を見ると、やっぱり、摂取カロリーが消費を上回ると体重が素直に反応しています。つまり、体重増の原因は「食べ過ぎ」または「高カロリーな食事をしすぎ」だと言えます。実際、その区間のカロリーは5,035Kcal余剰になっています。
「筋肉が付いたから」と言い訳せずに、素直に現実を受け入れ、目標達成に向けて頑張っていきます。
除外している要素、縛りプレイ
2026年10月05日~28日の区間で、エネルギーが5,000kcal余剰になっているのであれば、体重は統計開始日から増加していなければおかしいと思いませんか?
実際には見えない消費カロリーなるものが存在していて、計上していません。
- 重い荷物を運ぶ
- 生活の中で記録していないアクティブエネルギーの存在
- 消化に必要なエネルギー
自分に厳しくするため、あえてこれらは計上していません。結果として1か月で1kgのダイエットに成功したのではないかと考察しています。
数学的な体重管理(データ解析)のデメリットと注意点
私のように、体重記録をグラフ化して解析するのは、誰にも向いている管理術ではありません。数学に苦手意識のある方は、近似と言われてもピンとこない場合もあることでしょう。それ以前にグラフの見方がわからないということも、人によってはありえると思います。
また、毎日パソコンを立ち上げてEXCELに入力する作業も、慣れていないと苦痛だと思います。
慣れていても、ある程度データが貯まってこないと、解析のしようがありません。毎日地道に計測と記録を淡々とこなす必要があります。
グラフの解析や考察を行うと頭を使うので、ついついお菓子を食べたくなることもあるでしょう。その分のカロリーを消費するのは難しいです。摂取したカロリーでみると「たったの100Kcal」でも、消費という観点でみれば「たった」ではないのです。
入力に使っている時間を少しでもランニングに使った方が良いと言われれば、ぐうの音もでません。
とはいえ、わざわざランニングの時間を確保しなくても、日々の「歩く量」を意識するだけで消費カロリーは確実に積み重なっていきます。ちなみに、私が東京でサラリーマン生活を送りながら、普段の生活の中でどれくらい歩いているのか(歩数のリアルな計測データ)については、こちらの [東京の社会人は1日に何歩歩く?9ヶ月の計測データから見る平均歩数] で公開しています。
はっきり言って、この管理術は向き不向きがわかれやすい部類かなと思っています。
結局、世の中は結果が全て
いくら管理方法に思考を凝らしたところで、ダイエットにおける結果は「体重減」に変わりありません。向いていない、できない、逆効果と思うならばやらなければいい。それだけの話だと思っています。結局、世の中「結果」が全てです。そして方法も含めて全て自己責任です(本記事の管理術を真似るのも自己責任です)。
私の場合は感覚での管理がうまくいかないため、数学を利用した科学的な方法で管理しています。
皆さんはダイエットしているときに、どういった方法で管理していますか?
最後までお読みいただきありがとうございました。
今回解説したエクセルでの体重解析は、私のダイエット戦略の1つに過ぎません。運動量の可視化やロードバイクの活用など、全体的な戦略は[データ駆動型ダイエット計画の3つのルール]にまとめていますので、ぜひあわせてご覧ください。