相関係数の結果の読み方
下の表は、|r| の強さを解釈する際によく使われる記述的な目安です。これは慣例的な区分であって統計的検定ではなく、分野によって異なる基準が使われることもあります。
| |r| の範囲 | 線形関連の強さ |
|---|---|
| 0.00 – 0.19 | 非常に弱い |
| 0.20 – 0.39 | 弱い |
| 0.40 – 0.59 | 中程度 |
| 0.60 – 0.79 | 強い |
| 0.80 – 1.00 | 非常に強い |
- ピアソンのrが測るのはあくまで線形の関連です。2つの変数がU字型の曲線のようにはっきりした非線形の関係をもっていても、rは曲がりを捉えられないため0に近い値になることがあります。
- 相関は因果を意味しません。高い相関は、一方が他方の原因である場合のほか、第3の交絡変数が両方に影響している場合、逆向きの因果がある場合、あるいは単なる偶然によっても生じます。
- rは偏差の2乗をもとに計算されるため外れ値に敏感です。極端なデータ点が1つあるだけで、相関係数は大きく上振れしたり下振れしたりします。
- ピアソンのrは、関係がおおむね線形であり、データが間隔尺度または比率尺度で測定されていることを前提とします。単調ではあるが非線形の関係には、スピアマンの順位相関などの順位ベースの指標のほうが適していることが多いです。
ピアソンの相関係数とは
ピアソンの相関係数 (r) は、対応する2つの数値変数のあいだの線形関係の強さと向きを表す指標です。値は −1 から +1 の範囲をとり、+1 に近いほど強い正の線形関係(xが増えるとyも増える傾向)、−1 に近いほど強い負の線形関係(xが増えるとyは減る傾向)、0 に近いほど線形関係がほとんどないことを示します。
この計算ツールは決定係数 R² も表示します。R² は r の2乗にあたり、yの分散のうち、xとの線形関係によって統計的に説明される割合を表します。さらに最小二乗回帰直線、すなわち直線とデータ点の縦方向の距離の2乗和を最小にする直線も当てはめます。
2つの変数に強い相関があっても、一方が他方の原因であるとは言えません。相関はあくまで統計的な関連であり、因果を示すには、交絡変数や逆の因果関係を排除できる対照実験や適切に設計された研究など、追加の証拠が必要です。
この相関係数計算ツールの使い方
- xの値をセミコロン区切りで入力します(例: 1; 2; 3; 4)。
- 対応するyの値を、xと同じ順序・同じ個数でセミコロン区切りで入力します(例: 2; 4; 6; 8)。
- データ対は最低3組必要です。それより少ないと相関係数は意味をもちません。
- 相関係数 (r)、R²、回帰直線の傾きと切片、そして回帰直線の式を確認します。
ピアソンの相関と線形回帰の計算式
ピアソンのrは、各変数の平均からの偏差の積の総和を、偏差平方和の積の平方根で割った値です: r = Σ(xᵢ − x̄)(yᵢ − ȳ) / √[Σ(xᵢ − x̄)² × Σ(yᵢ − ȳ)²]。
最小二乗回帰直線 ŷ = 傾き × x + 切片 では、傾き = Σ(xᵢ − x̄)(yᵢ − ȳ) / Σ(xᵢ − x̄)²、切片 = ȳ − 傾き × x̄ となります。これらは直線と各データ点の縦方向の距離の2乗和が最小になるように定められます。
計算例: x = 1, 2, 3, 4、y = 2, 4, 6, 8 は、原点を通る傾き2の完全な直線です。この場合 r = 1(完全な正の線形相関)、R² = 1、傾き = 2、切片 = 0、回帰直線は ŷ = 2x となります。
よくある間違い
- 相関を因果と解釈すること。2つの変数に強い相関があっても、一方が他方の原因であるとは言えません。第3の交絡変数、逆向きの因果、あるいは偶然でも同じ統計的パターンは生じます。
- ピアソンのrがあらゆる関係を捉えると思い込むこと。rが測るのは線形の関連だけであり、強い曲線的(非線形)な関係でもrは0に近くなることがあります。
- 外れ値の影響を無視すること。計算が偏差の2乗に基づくため、外れ値はrを大きく上下させます。
- rと回帰の傾きを混同すること。rは −1 から +1 の範囲をとる単位のない線形関連の強さと向きの指標ですが、傾きは「xが1単位増えたときのyの変化量」という単位をもち、データの尺度に依存します。
- 観測されたxの範囲を超えて回帰直線を外挿すること。データから推定した線形関係は、その範囲の外では成り立たないかもしれません。
よくある質問
相関係数が1というのはどういう意味ですか?
ピアソンの相関係数が r = 1 のとき、2つの変数は完全な正の線形関係にあります。すべてのデータ点が正の傾きをもつ1本の直線上に厳密に乗り、xが増えるとyも比例して増えます。
相関があれば因果関係があると言えますか?
いいえ。相関は2変数間の統計的な関連を測るもので、原因と結果の関係ではありません。高い相関は、一方が他方の原因である場合のほか、第3の交絡因子が両方に影響している場合、逆向きの因果がある場合、単なる偶然によっても生じます。因果を示すには相関以外の証拠が必要です。
R²(決定係数)とは何ですか?
R² はピアソンの相関係数の2乗 (r²) であり、y の分散のうち x との線形関係によって統計的に説明される割合を表します。r = 0.9 から得られる R² = 0.81 は、y の分散の81%が x との線形関係に関連していることを意味します。
強い関係があるのに相関係数が低いということはありますか?
あります。ピアソンのrが測るのは線形関係だけです。U字型や指数関数的な曲線など、曲線的(非線形)なパターンで強く予測可能な関係にあっても、rはそうした関係を捉えられないため0に近い値になることがあります。
回帰直線はどのように計算しますか?
最小二乗回帰直線は、直線と各データ点の縦方向の距離の2乗和を最小にします。傾きは Σ(xᵢ − x̄)(yᵢ − ȳ) / Σ(xᵢ − x̄)²、切片は y の平均から傾きと x の平均の積を引いた値です。
意味のある相関を得るにはデータ点はいくつ必要ですか?
この計算ツールで結果を出すには最低3組のデータ対が必要です。ただし、非常に小さい標本から得た相関係数は個々のデータ点の影響を受けやすく、誤解を招くことがあります。標本が大きいほど、背後にある真の関係をより安定的かつ信頼できる形で推定できます。
参考文献
- Pearson K. Note on regression and inheritance in the case of two parents. Proceedings of the Royal Society of London 1895; 58: 240-242.
- National Institute of Standards and Technology (NIST). NIST/SEMATECH e-Handbook of Statistical Methods — correlation and linear regression. nist.gov.
- Moore DS, McCabe GP, Craig BA. Introduction to the Practice of Statistics. W. H. Freeman (correlation, least-squares regression).
- Evans JD. Straightforward Statistics for the Behavioral Sciences. Brooks/Cole, 1996 (descriptive strength bands for |r|).
- Chatterjee S, Hadi AS. Regression Analysis by Example. Wiley (least-squares regression and its assumptions).