【基本を理解】相関係数の公式とピアソンの積率相関係数とは?
相関係数を求めるとき、最も一般的に使われるのがピアソンの積率相関係数(Pearson's product-moment correlation coefficient)です。2つの数値データについて、一方が増えると他方も増えるのか、それとも減るのか、さらにその関係がどの程度直線的なのかを測定します。
相関係数の基本公式相関係数をr、2つの変数をXとY、それぞれの標準偏差をσx、σy、共分散をCov(X,Y)とすると、基本公式は次のとおりです。
r = Cov(X,Y) ÷(σx × σy)
つまり、相関係数は2つの変数の共分散を、それぞれの標準偏差の積で割った値です。
データ数をn、各データの平均をx̄、ȳとすると、偏差を使った展開式は次のようになります。
r = Σ[(xi − x̄)(yi − ȳ)] ÷ √Σ(xi − x̄)² × Σ(yi − ȳ)²
ここで、Σは各データについて計算した値をすべて足し合わせる記号です。分子はXとYの偏差の積の合計、分母はそれぞれの偏差平方和から求めた値の積の平方根を表します。
公式を構成する3つの要素公式を丸暗記するよりも、共分散と標準偏差の役割を理解すると、計算式の意味が明確になります。
- 共分散:2つの変数が同じ方向に変化するか、反対方向に変化するかを示す指標。
- Xの標準偏差:Xのデータが平均値からどの程度散らばっているかを示す指標。
- Yの標準偏差:Yのデータが平均値からどの程度散らばっているかを示す指標。
共分散だけでは、データの単位や尺度によって数値の大きさが変わります。例えば、身長をセンチメートルで測る場合とメートルで測る場合では、共分散の数値も変わります。
そこで標準偏差の積で割り、単位に左右されない数値に変換します。これが相関係数の大きな特徴です。山陽学園大学の統計学補足資料でも、共分散と標準偏差の関係から相関係数が定義されています。
共分散と分散の関係分散は、1つの変数が平均値からどの程度ばらついているかを表します。標準偏差は分散の平方根です。
母分散をVar(X)、Var(Y)とすると、相関係数は次の形にも整理できます。
r = Cov(X,Y) ÷ √Var(X) × Var(Y)
この式を見ると、相関係数は共分散を2つの変数のばらつきで標準化した数値だと分かります。分散が大きいデータ同士でも、小さいデータ同士でも、同じ基準で関係の強さを比較できます。
公式の覚え方は「共分散を標準偏差で割る」試験や実務で公式を思い出すときは、次の一文を覚えておくと便利です。
相関係数=一緒に動く度合い(共分散)÷それぞれの散らばり(標準偏差の積)
分子が共分散、分母が標準偏差の積という構造を理解すれば、偏差を使った展開式も導きやすくなります。
【実践計算】相関係数の求め方と手計算の具体例
公式の意味を理解したら、実際の数値で計算してみましょう。ここでは、5人分の学習時間とテスト得点を想定した例を使います。計算が複雑にならないよう、架空のサンプルデータを設定しています。
ステップ1:2種類のデータを用意する次のようなデータがあるとします。
- X:学習時間に対応する数値(1、2、3、4、5)
- Y:テスト得点に対応する数値(2、3、5、4、6)
最初に、それぞれの平均値を求めます。
Xの平均値:(1+2+3+4+5)÷5=3
Yの平均値:(2+3+5+4+6)÷5=4
ステップ2:各データの偏差を求める偏差とは、それぞれのデータから平均値を引いた数値です。
Xの偏差は、−2、−1、0、1、2です。
Yの偏差は、−2、−1、1、0、2です。
続いて、それぞれの偏差を掛け合わせます。
(−2×−2)+(−1×−1)+(0×1)+(1×0)+(2×2)
=4+1+0+0+4
=9
これが偏差の積の合計です。
ステップ3:偏差平方和を求める続いて、XとYそれぞれの偏差を2乗して合計します。
X:(−2)²+(−1)²+0²+1²+2²=10
Y:(−2)²+(−1)²+1²+0²+2²=10
したがって、公式の分母は次のようになります。
√(10×10)=10
ステップ4:相関係数を計算するここまで求めた数値を、ピアソンの積率相関係数の公式に代入します。
r=9÷√(10×10)
r=9÷10=0.9
このデータの相関係数は0.9です。正の値であり、絶対値も1に近いため、2つの変数には強い正の線形相関があると判断できます。
共分散と標準偏差から計算しても同じ結果になる同じ例を共分散と標準偏差から計算してみます。
母共分散は、偏差の積の合計9をデータ数5で割るため、9÷5=1.8です。
Xの標準偏差は√(10÷5)=√2、Yの標準偏差も√2です。
したがって、
r=1.8÷(√2×√2)
r=1.8÷2=0.9
偏差平方和を使う方法と、共分散・標準偏差を使う方法で、同じ相関係数が求められました。
なお、標本共分散と標本標準偏差を使う場合は、分母にn−1を使います。共分散と標準偏差の両方で同じ定義を使えば、その係数は分子と分母で相殺されるため、相関係数の結果は変わりません。
【数値の読み方】相関係数−1〜+1の意味と強さの判定
相関係数の値を読み取るときは、プラスかマイナスかという符号と、0からどれだけ離れているかという絶対値の2つに注目します。
正の相関と負の相関の違い正の相関は、一方の変数が増えると、もう一方の変数も増える傾向がある関係です。散布図では右上がりの分布になります。
例えば、気温と冷房の利用量、学習時間と得点などは、条件によって正の相関を示すことがあります。
負の相関は、一方が増えると、もう一方が減る傾向がある関係です。散布図では右下がりの分布になります。
例えば、商品の価格と購入数量は、ほかの条件が一定なら負の相関を示す場合があります。
相関係数の絶対値で強さを判断する相関係数の絶対値とは、マイナス記号を取り除いた数値です。例えば、r=−0.8なら絶対値は0.8、r=+0.5なら0.5です。
一般的な目安として、次のように分類できます。
- 0.0以上〜0.2未満:ほとんど相関がない
- 0.2以上〜0.4未満:弱い相関
- 0.4以上〜0.7未満:中程度の相関
- 0.7以上〜1.0以下:強い相関
この分類は、東京都立大学の情報リテラシー教材や行政機関の統計資料などでも紹介されている一般的な目安です。ただし、学問分野や分析目的によって評価基準は異なります。数値だけで機械的に強弱を決めることは避けましょう。
−1、0、+1では何が違う?+1は完全な正の線形相関です。すべてのデータ点が右上がりの一直線上に並びます。
−1は完全な負の線形相関です。すべてのデータ点が右下がりの一直線上に並びます。
0は線形相関がないことを意味します。ただし、変数同士に何の関係もないという意味ではありません。曲線のような非線形の関係が存在する可能性があります。
例えば、Xが増えるにつれてYがいったん増加し、その後減少するようなU字型の関係では、強い関係があってもピアソンの相関係数が0に近くなることがあります。
相関係数の強さを判断するときの注意点相関係数の絶対値が大きいほど直線的な関係は強くなりますが、データの背景も確認する必要があります。
- 極端に離れた外れ値があると、相関係数が大きく変化する場合がある。
- データの範囲が狭いと、本来の関係が見えにくくなる場合がある。
- データ数が少ない場合、偶然の影響を受けやすい。
- 相関係数の大きさと統計的有意性は別の概念である。
特に、相関係数が0.8だから必ず分析上重要な関係がある、と判断するのは早計です。散布図、サンプル数、データの収集条件を併せて確認しましょう。
【関連指標を比較】ピアソンとスピアマンの違い・共分散との関係
相関係数には複数の種類があり、分析したいデータの性質によって適した指標が変わります。ピアソンの積率相関係数だけでなく、スピアマンの順位相関係数も押さえておくと、実際のデータ分析で選択を誤りにくくなります。
相関分析で使われる指標の関係一覧| 指標・手法 | 表している内容 | 特徴と使い分け |
|---|---|---|
| 共分散 | 2変数が一緒に変化する方向と大きさ | 相関係数の分子に当たる。単位や尺度の影響を受ける |
| 標準偏差 | 各変数のデータのばらつき | 共分散を標準化する際の分母に使用する |
| 分散 | 平均値からのばらつきの大きさ | 標準偏差の2乗。相関係数の分母を構成する |
| ピアソンの積率相関係数 | 2変数の線形関係 | 数値データの直線的な関係を調べる標準的な方法 |
| スピアマンの順位相関係数 | 2変数の順位の単調な関係 | 順位データや、単調だが直線的ではない関係の分析に適する |
| ExcelのCORREL関数 | 2つのデータ範囲の相関係数 | ピアソンの積率相関係数を手軽に計算できる |
ピアソンの相関係数は、2つの数値データの直線的な関係を調べたいときに使います。
例えば、身長と体重、広告費と売上高、学習時間とテスト得点など、数値の大小だけでなく、その変化量も含めて関係を評価したい場合に適しています。
ただし、データが曲線的に変化している場合や、外れ値の影響が大きい場合には注意が必要です。計算できることと、その結果が分析目的に適していることは別問題です。
スピアマンの順位相関係数とは?スピアマンの順位相関係数(Spearman's rank correlation coefficient)は、元の数値を順位に置き換えて相関を求める方法です。
例えば、5人の学生について数学と英語の成績を比較するとき、点数そのものではなく、各科目の順位を使って関係を分析します。
同順位がない場合、順位の差をd、データ数をnとすると、次の公式で計算できます。
ρ=1−6Σd²÷n(n²−1)
ここで、dは同じ対象についての2種類の順位の差です。
この公式は同順位がない場合の簡略式です。同順位がある場合は平均順位を割り当てたうえで、順位データに対するピアソンの相関係数を計算する方法を使います。
スピアマンの順位相関係数も−1〜+1の範囲を取ります。順位が完全に一致すれば+1、完全に逆転すれば−1です。山陽論叢に掲載された統計学の解説でも、ピアソンとスピアマンの両方の計算方法が整理されています。
ピアソンとスピアマンはどう選ぶ?実務では、散布図を確認してから使い分けると判断しやすくなります。
- ピアソン:数値の変化量を含む直線的な関係を調べたい場合。
- スピアマン:順位の一致や、一方が増えると他方も増えるという単調な関係を調べたい場合。
スピアマンは順位を使うため、極端な数値そのものの影響を抑えやすい特徴があります。ただし、外れ値や同順位の問題が完全になくなるわけではありません。
【Excelで簡単】相関係数をCORREL関数で求める方法
大量のデータを手計算するのは現実的ではありません。Excelには、2つのデータ範囲から相関係数を算出するCORREL関数が用意されています。
CORREL関数の基本構文関数の書式は次のとおりです。
=CORREL(配列1, 配列2)
配列1には1つ目のデータ範囲、配列2には2つ目のデータ範囲を指定します。
例えば、A2〜A6に学習時間、B2〜B6にテスト得点が入力されている場合は、次の式を入力します。
=CORREL(A2:A6,B2:B6)
先ほどのサンプルデータなら、結果は0.9です。
Excelで計算するときの注意点Microsoftの公式サポートによると、CORREL関数は2つのセル範囲の相関係数を返します。Excel for Microsoft 365やExcel 2024などの対象バージョンでも利用できます。
使用時には、次の点に注意してください。
- データの対応関係:同じ行のXとYが同一の対象を表しているか確認する。
- データ数:2つの配列のデータ要素数が異なると#N/Aエラーになる。
- 空白セル:空白セル、文字列、論理値は計算対象から除外される。
- ゼロの扱い:数値の0は計算対象に含まれる。
- 標準偏差がゼロの場合:どちらかのデータに変動がなければ#DIV/0!エラーになる。
特に注意したいのが、空白とゼロの違いです。例えば、売上データの0円を空白として扱うと、実際のデータの意味が変わってしまいます。欠測値なのか、実際にゼロだったのかを確認してから計算しましょう。
PEARSON関数との違いExcelにはPEARSON関数もあります。
=PEARSON(A2:A6,B2:B6)
Microsoftの公式説明では、PEARSON関数もピアソンの積率相関係数を返します。通常の相関係数を求める用途では、CORREL関数とPEARSON関数のどちらを使っても同じ種類の値を算出できます。
また、Microsoftの分析ツールでは、複数の変数の組み合わせについて相関行列を作成することもできます。3種類以上のデータを比較する場合には、個別に関数を入力するより効率的です。
【誤解を防ぐ】相関と因果の違い・分析で失敗しないポイント
相関係数を使う際に、計算方法と同じくらい注意したいのが、結果の解釈です。相関が強いという事実だけでは、原因と結果の関係までは証明できません。
相関関係があっても因果関係があるとは限らない相関関係とは、2つの変数が統計的に一緒に変化する傾向を指します。一方、因果関係とは、ある出来事や変数の変化が、別の出来事や変数の変化を引き起こす関係です。
この2つは明確に区別する必要があります。
例えば、アイスクリームの販売量と日焼け止めの販売量を考えてみましょう。暑い時期には、アイスクリームも日焼け止めも売れやすくなります。その結果、両者の間に正の相関が見つかる可能性があります。
しかし、アイスクリームが売れるから日焼け止めが売れるわけではありません。背景には気温や季節という共通要因があります。
オーストラリア統計局も、相関と因果の違いについて、複数の変数が一緒に変化していても、それだけで原因と結果の関係が成立するわけではないと説明しています。
相関係数だけでは分からないこと相関係数は便利な指標ですが、次のような情報までは単独で示しません。
- どちらの変数が原因で、どちらが結果なのか。
- 別の変数が両者に影響していないか。
- 関係が直線的ではなく、曲線的になっていないか。
- データ数が十分で、結果が安定しているか。
- 観測された関係が偶然によるものではないか。
相関係数が高くても、第三の変数が両者に影響している可能性があります。また、データを集めた対象や期間が偏っていると、結果の一般化が難しくなる場合もあります。
分析結果の信頼性を高める4つの確認事項実際に相関分析を行うときは、以下の順番で確認すると、数値の誤読を防ぎやすくなります。
1.散布図を作成する
数値を計算する前に、データがどのように分布しているかを視覚的に確認します。外れ値や曲線的な関係が見つかることもあります。
2.データの収集条件を確認する
測定対象、期間、単位、欠測値の扱いが適切かを確認します。比較する2つのデータが同じ対象に対応していることも重要です。
3.相関の強さと統計的有意性を分けて考える
相関係数の絶対値が大きいことと、統計的に有意であることは同じではありません。サンプル数などを踏まえ、必要に応じて相関係数の検定や信頼区間を確認します。
4.因果関係を主張するなら追加の分析を行う
原因と結果を検証するには、第三の変数の影響、時間的な順序、研究設計などを考慮する必要があります。単純な相関分析だけで因果関係を断定することはできません。
【相関係数公式】に関するよくある質問(FAQ)
Q1:相関係数の公式を簡単に覚える方法はありますか?
A1:基本公式は「共分散÷(Xの標準偏差×Yの標準偏差)」です。共分散が分子、2つの標準偏差の積が分母と覚えましょう。共分散を標準化して、単位に左右されない数値にするという意味を理解すると忘れにくくなります。
Q2:相関係数が0なら2つの変数に関係はありませんか?
A2:必ずしもそうではありません。ピアソンの相関係数が0に近い場合、直線的な関係が弱いことを意味します。U字型や曲線型などの非線形関係が存在する可能性があるため、散布図も確認してください。
Q3:相関係数が−0.8の場合、どのように解釈しますか?
A3:−0.8は強い負の相関を示す値です。一方の変数が大きくなるにつれて、もう一方が小さくなる傾向が強いことを意味します。絶対値は0.8なので、相関の強さとしては0.8として評価します。
Q4:ExcelのCORREL関数とPEARSON関数は同じですか?
A4:どちらもピアソンの積率相関係数を計算する関数です。2つの対応するデータ範囲を指定することで、同じ種類の相関係数を求められます。
Q5:スピアマンの順位相関係数はいつ使いますか?
A5:データの順位同士の関係を調べたい場合や、2つの変数の関係が直線的ではなく単調な関係にある場合に適しています。順位データを扱う分析でも利用されます。
まとめ:相関係数の公式を理解して正しくデータを分析する
相関係数の公式は、共分散を2つの変数の標準偏差の積で割ることで求められます。ピアソンの積率相関係数は−1〜+1の範囲を取り、プラスとマイナスで関係の方向を、絶対値で直線的な関係の強さを判断します。
手計算では、平均値、偏差、偏差の積、偏差平方和の順番で求めると理解しやすくなります。ExcelならCORREL関数を使うことで、複数のデータも効率よく処理できます。
また、順位データにはスピアマンの順位相関係数を使うなど、分析対象に合わせて指標を選ぶことも大切です。
【プロの結論】相関係数を正しく使うために大切なのは、公式を暗記することだけではありません。共分散と標準偏差の関係を理解し、数値の符号と絶対値を分けて読み、散布図やデータの背景まで確認することです。そして、相関と因果を混同しないことが、信頼できるデータ分析の出発点になります。
数学の問題を解く場合も、ビジネスの売上分析を行う場合も、この基本を押さえておけば、相関係数を単なる計算結果ではなく、データの特徴を読み解くための実用的な指標として活用できます。
参考資料:Microsoft サポート「CORREL関数」「PEARSON関数」、東京都立大学「情報リテラシー・相関分析」、山陽学園大学「統計学補足文書」、山陽論叢「統計学関連論文」、オーストラリア統計局「Correlation and causation」。