SPSSで相関分析（Pearson・Spearman）を実行する手順｜第8回

2つの量的な変数の関係性を把握するための相関分析

身長と体重などの2つの量的な変数間の関係性を把握するための分析手法、それが相関分析です。

具体的には、一方の変数の数値が増加したとき、他方の変数の値がどのように変化するのか、増加するのか、減少するのか、もしくは変化しないのかを調べることで、変数同士が影響しあっているのかどうかを把握します。

SPSSでの操作に入る前に、相関分析の考え方を紹介しましょう。

相関分析においては、相関係数という数値を用いて2つの変数間の関係性の強弱を把握します。

この相関係数は-1から+1の間の値をとります。相関係数は、1に近ければ近いほど「一方の変数の値が大きくなるにつれ、もう一方の変数の値も大きくなる」傾向が強いことを意味しています。その逆も然り、-1に近ければ近いほど、「一方の変数の値が大きくなるにつれ、もう一方の変数の値は小さくなる」傾向が強いことを意味しています。

たとえば、身長が高くなればなるほど、体重が重くなるような場合を正の相関関係、その逆に、一方の変数が大きくなればなるほど他方の変数の数が小さくなるものを負の相関関係、またそれぞれに上記のような関係性が見られないものを無相関といいます。

相関係数の詳しい算出の仕方は別のコラムに譲るとして、資格的に関係を見たい時には散布図を利用してみましょう。

ここで覚えておいていただきたいことがあります。それは相関分析においては、因果関係については言及していないということです。

SPSSで相関分析を実行する

それでは、実際にSPSSで相関分析を実行していきましょう。今回は連載で使用しているデモデータから、年齢・世帯収入・住居年数・車の価格・勤続年数を対象に相関係数を求めます。

相関分析の結果を読み取る（有意性と相関係数）

結果ビューアに表示される相関行列の読み方を整理します。重要なのは「統計的に有意か」と「関係性の強弱はどの程度か」を別々に評価することです。

① 有意性（*印 / Sig.値）：表中で「*」が付いている相関係数は、帰無仮説「無相関である」が棄却されたペアです。一般に Sig.値 < 0.05 を有意水準とし、サンプル数が十分なら相関関係が偶然ではないと判断します。

② 相関係数の強弱：Pearson係数は −1 〜 +1 の値をとり、絶対値が大きいほど関係性が強いことを示します。一般的な目安として、絶対値 0.7以上で「強い相関」、0.4〜0.7で「中程度」、0.2〜0.4で「弱い相関」、0.2未満で「ほぼ無相関」と解釈します。符号（+/−）は変化の方向を示します。

③ 注意点：「有意 = 強い相関」ではない：サンプル数が大きいと、相関係数 0.1 程度の弱い関係でも有意になります。逆にサンプル数が少ないと、強い相関でも有意にならないことがあります。両者を必ず合わせて解釈してください。

また、相関は「因果関係」ではない点にも注意が必要です。AとBに強い正の相関があっても、AがBの原因とは限らず、共通の第3変数（交絡因子）の影響かもしれません。次回以降で扱う回帰分析や偏相関分析で、より厳密な関係性の検証が可能になります。