食品の安全および安心を確保するため近赤外スペクトル(near-infrared spectroscopy, NIR)法による内部品質予測が広く用いられている。NIR法では近赤外スペクトルと食品中の成分濃度との間で回帰モデルが構築される。しかし、スペクトルに含まれるノイズの影響や目的成分と他成分が同じ波長領域にピークを持つことにより、モデルの予測精度が低下するという問題点がある。この問題に対してスペクトルの微分が活用されている。目的成分に由来する強い吸光度を示す波長領域 (ピーク) が、他成分に由来する幅の広いピークと重複している場合、スペクトルの微分によりピーク重複の影響を軽減できる。しかし一方で微分によって測定ノイズは増幅してしまう。これらの作用による影響の大きさは微分次数によって変化するため、高精度なモデルを構築するためにはデータによって適切な微分次数を選択する必要がある。また、目的成分のピークがスペクトルの複数の領域に存在する場合、他成分とのピーク重複による影響を軽減するために最適な微分次数は領域ごとに異なる場合がある。そこで本論文では、微分前のスペクトルや各次数で微分したスペクトルに加えてそれらの組み合わせを説明変数としたモデル構築の検討を行った。またピーク重複やノイズによる影響の大きさはモデル構築用データ数によって変化すると考え、モデル構築用データ数に応じて適切なモデルを選択する手法を提案した。提案手法の有効性を検証するためシミュレーションデータおよび蜜柑の測定データを用いた解析を行った。その結果、モデル構築用データ数によって各モデルの優劣が変化することおよび提案手法により予測精度の高いモデルを選択できることを確認した。