第6回：相関とは何か？ ― 関係性を見る統計的な考え方

「相関がある」とは、どういう意味か

みなさん、こんにちは。スマート・アナリティクス代表の畠です。ニュースや論文、ビジネス資料で「AとBには相関がある」という表現をよく目にします。何となく分かった気になりますが、ここで一度、立ち止まって考えてみましょう。相関とは、具体的に何と何の、どんな関係を見ているのでしょうか。

相関とは、ひとことで言えば「2つの変数が、どの程度“一緒に動くか”」を見るための考え方です。片方が増えるともう片方も増える、あるいは減る——そうした連動の度合いを捉えるものだと考えてください。私が現場でデータに向き合うときも、まずこの「一緒に動いているか」を眺めることから始めることがとても多いです。なぜなら、ここが見えてくると「次にどこを掘ればいいか」の見当がつくからです。

少しだけ言葉を足しておくと、ここでいう「変数」とは、観測対象ごとに値が変わるもの——たとえば人ごとの身長、日ごとの気温、店舗ごとの売上、といったものを指します。相関は、その2つの変数を組にして眺め、ペアとしての動き方に規則性があるかどうかを見ている、と捉えると分かりやすいと思います。

相関は「因果」ではない

最初に、最も重要な注意点を確認します。相関 ≠ 因果関係。これは統計学における、ほぼ最重要ルールです。AとBが一緒に動いていても、「AがBの原因」「BがAの原因」とは限りません。さらに、第3の要因Cが、AとBの両方に影響している可能性もあります。

有名な例が「アイスクリームの売上」と「水の事故件数」です。この2つには相関があります（どちらも増える時期が一致する）。けれど、アイスが事故を起こすわけではありません。背後には「気温（暑さ）」という共通の原因があり、それが両方を押し上げているだけなのです。相関はあくまで「一緒に動いているか」を測る指標にすぎません。こうした共通の原因のことを、統計の世界では「交絡（こうらく）要因」と呼びます。 言葉自体は覚えなくて構いませんが、「裏に共通の原因がいないか？」という問いかけだけは、ぜひ習慣にしてほしいところです。

身近な例をもう一つ挙げます。ある町を調べたら「消防車の出動台数」と「火災の被害額」に強い正の相関があった、としましょう。これを素直に読むと「消防車を出すほど被害が増えるのだから、消防車を減らせばよい」という、とんでもない結論になりかねません。もちろん実際は逆で、火事が大きいほど消防車も多く出動するだけです。ここでも本当の原因は「火事の規模」であって、相関の向きだけを見て因果を語ると、現実とは正反対の判断をしてしまう——相関と因果を取り違える怖さが、よく表れている例だと思います。

相関が見ているのは「分布の形」

前回、分布を見る重要性を学びました。相関もまた、分布を前提とした考え方です。横軸に変数X、縦軸に変数Yをとった散布図を想像してください。相関とは、この点の集まりが「どれくらい一直線に近いか」を数値化したもの。つまり、相関を理解する出発点も、やはり「形を見ること」なのです。

ここで一つ強調しておきたいのは、相関は「点が一直線に並ぶか」という、直線的なつながりだけを見ている、ということです。点が右上がりにきれいに並べば「正の相関が強い」と表現しますが、それはあくまで「直線で表しやすい関係」が強いという意味でしかありません。曲線のような関係はうまく拾えない——この性質を頭の片隅に置いておくと、後で出てくる注意点がすんなり腑に落ちると思います。

正の相関・負の相関・無相関

相関には、大きく3つのパターンがあります。Xが大きくなるとYも大きくなる「正の相関」（右上がり。例：勉強時間とテスト得点、広告費と売上）。Xが大きくなるとYは小さくなる「負の相関」（右下がり。例：気温と暖房使用量、価格と需要量）。そして、一貫した動きが見られない「無相関」（点がバラバラ）です。

ここで大切な注意があります。「無相関＝関係がない」とは限りません。あくまで「直線的な関係が弱い」だけで、たとえばU字のような曲線的な関係が隠れていることもあります。だからこそ、数値の前に散布図で形を見ることが欠かせないのです。

負の相関は、初めて学ぶときに少し直感に反するかもしれません。「相関が強い」と聞くと、つい正の相関（右上がり）だけを思い浮かべがちですが、右下がりにきれいに並ぶ関係も、立派に「強い相関」です。たとえば「商品の価格」と「売れる個数」のように、片方が上がるともう片方がきれいに下がる——こうした関係も、向きが逆なだけで、結びつきの強さとしては正の相関に引けを取りません。「強さ」と「向き」は別物だ、と分けて考えるのがコツです。

相関係数とは ― 関係の強さと方向を1つの数で

相関を数値で表したものが相関係数です。最もよく使われるのが「ピアソンの積率相関係数」で、−1 〜 +1 の範囲をとります。+1に近いほど強い正の相関、−1に近いほど強い負の相関、0に近いほど直線的な関係が弱い、と読みます。一つの数で「強さ」と「方向」を同時に表せるのが便利な点です。

相関係数の読み方を、もう一歩深く

相関係数を読むときは、「符号（プラスかマイナスか）」と「絶対値の大きさ」を分けて見る、というのが基本になります。符号は向きを表します。プラスなら「片方が増えるともう片方も増える」、マイナスなら「片方が増えるともう片方は減る」。そして、0を無視した数の大きさ——絶対値——が強さを表します。0.8でも−0.8でも、直線的な結びつきの強さとしては同じくらい、と読むのがポイントです。

強さの目安としては、絶対値が0.7以上あれば「強い相関」、0.4前後で「中程度」、0.2を下回るあたりから「ほとんど直線的な関係はない」と表現されることが多いです。 ただし、この区切りはあくまで慣習的な目安で、分野や目的によってかなり変わります。たとえば人の心理や行動を扱う研究では0.3でも意味のある相関とみなすことがある一方、物理的な測定では0.9を超えていても「まだ低い」と判断されることがあります。 数字を丸暗記するより、「自分が扱う分野では、どのくらいから強いと言うのか」を周囲の基準と照らして掴むのが現実的です。

もう一つ、見落とされがちな読み方のコツがあります。相関係数を二乗した値（決定係数と呼ばれます） は、「片方の変数のばらつきを、もう片方でどれくらい説明できそうか」のおおまかな目安になります。たとえば相関係数が0.5なら、二乗すると0.25。 「0.5」という数字は半分くらい説明できそうに感じますが、実際の説明力はもっと控えめだ——そんな感覚を持っておくと、相関係数を過大評価せずに済みます。細かい計算は気にしなくて大丈夫ですが、「相関係数は、見た目の印象よりも控えめに受け取るくらいでちょうどいい」と覚えておいてください。

相関係数を見るときの注意点

相関係数は便利ですが、単独で信じてはいけません。注意点が2つあります。

1つ目は、必ず散布図を見ること。同じ相関係数でも、きれいな直線、外れ値に引っ張られた関係、途中で折れ曲がる関係など、中身はまったく異なります。数値を見る前に形を見る——これが統計の基本動作です。2つ目は、データの範囲が狭いと相関は弱く見えること。本来は関係があっても、狭い範囲だけを切り取ると相関係数が小さく出ることがあります。これは測定の失敗ではなく、データ条件の問題です。

よくあるつまずき・誤解

ここでは、相関を学んだ方が実際につまずきやすいポイントを、私の経験からいくつか取り上げます。どれも「知っていれば防げる」ものばかりなので、ぜひ目を通してみてください。

つまずき①：相関を見つけた瞬間に「だから〜が原因だ」と言ってしまう。 これは、相関の話で最も多い落とし穴です。さきほどの消防車とアイスの例のように、相関があるからといって因果を語ると、現実と正反対の結論に飛びつきかねません。「一緒に動いている」のと「片方がもう片方を引き起こしている」のは、まったく別の話です。相関を見つけたら、まず「他に共通の原因はいないか」「向きは本当にこちらで合っているか」と、一拍おいて問い直す癖をつけてください。

つまずき②：外れ値（極端な値）に気づかず、数字だけを信じる。 相関係数は、ごく少数の極端なデータに引っ張られやすい性質を持っています。本来はバラバラな点の集まりでも、ぽつんと離れた1点があるだけで、相関係数が大きく見えてしまうことがあります。逆に、きれいに並んでいるのに、たった1つの外れ値のせいで相関が弱く出てしまうこともあります。だからこそ、計算結果の数字を受け取る前に散布図を描いて、「変な点はいないか」を自分の目で確かめることが欠かせません。

つまずき③：たまたまの一致（見せかけの相関）を本物だと思い込む。 たくさんの変数を片っ端から組み合わせて相関を計算すると、本当は何の関係もないのに、偶然それらしい相関が出てしまうことがあります。これは「見せかけの相関」と呼ばれます。 関係がありそうな組み合わせを理屈で先に絞ってから相関を見る、別のデータでも同じ傾向が出るかを確かめる——こうした手順を踏むことで、偶然の一致に振り回されにくくなります。「なぜその2つに関係がありそうなのか」を言葉で説明できるか、と自問するのも有効です。

なぜ相関は重要なのか

相関は、仮説を立てる・モデルを作る・次の分析に進むための「入口」です。研究なら「どの変数を説明変数にするか」、ビジネスなら「どこに手を打てば効果が出そうか」を考える際に、相関は強力なヒントになります。ただし忘れてはいけないのは、相関は答えではなく、問いを生む道具だということ。見つけた関係を「本当に意味があるのか」と問い直すために、次回の検定へと進みます。

実務の感覚で言うと、相関は「探索の最初の一歩」としてとても優秀です。手元にたくさんの変数があるとき、まず相関をざっと眺めることで、「この2つは深掘りする価値がありそうだ」「ここは関係が薄そうだから後回しでよさそうだ」と、当たりをつけられます。そのうえで、本当に意味のある関係なのかを検定で確かめ、必要なら回帰分析などでさらに踏み込んでいく——相関はその出発点に位置づけられる、と捉えてもらえればと思います。より進んだ分析手法については、分析手法の完全ガイド も参考にしてみてください。

よくある質問

相関があれば、原因と結果と言えますか？

いいえ。相関は「一緒に動く」ことを示すだけで、因果関係は意味しません。第3の要因が両方に影響している場合もあります。因果を主張するには、実験や別の検証が必要です。

相関係数がどれくらいなら「強い」と言えますか？

分野や目的によって変わるため一概には言えませんが、目安として絶対値が0.7以上で強い、0.4前後で中程度とされることが多いです。 ただし数値だけで判断せず、必ず散布図とセットで見てください。

相関係数が0なら、関係はないということですか？

「直線的な関係が弱い」というだけです。U字のような曲線的な関係が隠れていることもあるので、散布図で形を確認することが大切です。

正の相関と負の相関では、どちらが「強い」のですか？

強さは符号（プラス・マイナス）ではなく、絶対値の大きさで決まります。+0.8も−0.8も、直線的な結びつきの強さとしては同じくらいです。 プラスかマイナスかは「向き」を表すだけで、強弱とは別の話だと分けて考えてください。

外れ値があると、相関係数はどうなりますか？

相関係数は、ごく少数の極端な値に強く影響されます。1点の外れ値だけで相関が大きく見えたり、逆に弱く見えたりすることがあります。 数字を信じる前に散布図を描き、不自然な点がないか必ず確認してください。

相関を見たあとは、何をすればよいですか？

相関はあくまで「入口」です。見つけた関係が偶然ではないかを検定で確かめ、必要に応じて回帰分析などへ進むのが基本の流れです。相関を結論にせず、次の問いにつなげる材料として使ってください。

あわせて読みたい

このシリーズは、第1回から順に読むと理解が深まる構成になっています。データの散らばりや分布の見方が気になる方は、第5回（分布の話）を先に振り返っておくと、今回の「散布図で形を見る」という発想がよりすっきり入ってくるはずです。相関の前提となる基礎をおさらいしたい方は、第1回から第4回もあわせてどうぞ。そして、今回の続きにあたる第7回では、見つけた関係を「本当に意味があるのか」と問い直す考え方に進みます。さらにその先の第8回・第9回まで読み進めると、推測統計の全体像が見えてきます。

次回に向けて

次回・第7回では、仮説とは何か、なぜ「検証する」という発想が必要なのかを扱います。相関で見つけた「関係性」を、「それは偶然か、それとも意味のある差なのか」と問い直す——ここから、推測統計の世界に本格的に入っていきます。