結論：相関係数は「2変数の連動度」、回帰分析は「予測式の構築」
相関係数は2つの変数がどれくらい連動しているかを-1〜+1で表す数値、回帰分析はその関係を直線（または曲線）の式で表して予測に使う手法です。両者は密接に関連していますが、最大の落とし穴は「相関があっても因果があるとは限らない」こと。
この記事で分かること
- 相関係数の意味と読み方
- 回帰直線と回帰式
- 決定係数R²の意味
- 相関と因果の違い（疑似相関）
- 実生活での応用例
1. 相関係数とは
2変数がどれくらい連動しているかを -1〜+1 で表す。+1は完全な正の相関、-1は完全な負の相関、0は無相関。
| 相関係数 | 関係の強さ |
|---|---|
| ±0.7〜1.0 | 強い相関 |
| ±0.4〜0.7 | 中程度の相関 |
| ±0.2〜0.4 | 弱い相関 |
| ±0〜0.2 | ほぼ無相関 |
2. 回帰分析とは
変数間の関係を「y = ax + b」のような式で表す。x（説明変数）からy（目的変数）を予測する。最小二乗法でデータに最も合う直線を引く。
3. 例：身長と体重の関係
身長と体重の相関係数 ≒ 0.7（強い正の相関）
回帰式の例：体重 = 0.9 × (身長 - 100)
身長170cmなら 体重 ≒ 63kg と予測
4. 決定係数 R²
回帰式がデータをどれくらい説明できているかを 0〜1 で表す。R²=0.8 なら「データのばらつきの80%を説明できる」。相関係数の二乗に等しい（単回帰の場合）。
5. 相関と因果の違い（疑似相関）
有名な例
- 「アイスの売上」と「水難事故件数」は強く相関する
- → アイスが事故を起こすわけではない
- → 「夏（気温）」という第三の変数（交絡因子）が両方に影響
6. 因果を主張するには
- ✅ 時間的順序（原因が結果より先）
- ✅ 第三変数（交絡）の排除
- ✅ ランダム化比較試験（RCT）
- ✅ メカニズムの説明
7. 実生活の応用例
- 📊 広告費と売上の関係を分析
- 📊 勉強時間とテスト点数の予測
- 📊 気温とアイス売上の予測（在庫管理）
- 📊 株価と経済指標の関係
- 🏇 競馬の過去成績と次走着順の関係
8. 非線形の関係
相関係数は「直線的な関係」だけを測る。U字型・放物線型の関係は、相関係数が0でも強い関係がある場合がある。散布図を必ず見ること。
9. 外れ値の影響
1つの極端なデータが相関係数を大きく歪めることがある。データを可視化して外れ値を確認するのが鉄則。
10. Excelでの計算
- 相関係数: CORREL(範囲1, 範囲2)
- 回帰直線の傾き: SLOPE(y範囲, x範囲)
- 切片: INTERCEPT(y範囲, x範囲)
- 決定係数: RSQ(y範囲, x範囲)
よくある質問
Q. 相関係数0.5は強い？弱い？
A. 中程度の相関です。分野によって基準は異なり、心理学では0.3でも『中程度』、物理学では0.9以上を期待することも。
Q. 相関があれば因果があると言える？
A. 言えません。これが統計学で最も重要な注意点です。第三の変数（交絡因子）や偶然の可能性を常に考える必要があります。
Q. R²はどれくらいあれば良い回帰式？
A. 目的によります。社会科学では0.3でも十分なことがあり、物理実験では0.99を期待することも。重要なのは『何を予測したいか』。
Q. 相関係数が0なら関係がない？
A. 直線的な関係はないですが、U字型などの非線形関係がある可能性も。散布図を必ず確認しましょう。
Q. 競馬予想に回帰分析は使える？
A. 使えます。過去成績・斤量・距離などから着順を予測するモデルが作れます。ただし競馬は変数が多く、予測精度には限界があります。
桂木 統からの追加考察：相関係数を「外れ値」に騙されないために
「相関係数が 0.8 だから強い相関がある！」とプレゼンで言い切る前に、私は必ず散布図を確認するよう勧めています。なぜなら、たった 1〜2 個の外れ値が相関係数を 0.0 から 0.9 まで動かすことがあるからです。
代表例：
- アンスコムの四重奏（Anscombe's quartet）：4 つのデータセットすべての平均・分散・相関係数・回帰直線が同じだが、散布図はまったく違う形
- シンプソンのパラドックス：群を分けると正の相関、群を統合すると負の相関になる現象
これらの罠を避けるために、私は 「相関係数を見たら必ず散布図、回帰式を引いたら必ず残差プロット」を鉄則にしています。スプレッドシートでも 30 秒でできることです。本記事の式だけを覚えるのではなく、可視化の習慣も併せて身につけてください。
まとめ
この記事のポイント
- 相関係数は2変数の連動度を-1〜+1で表す
- 回帰分析はy=ax+bの予測式を構築
- 決定係数R²はデータの説明割合（相関係数の二乗）
- 相関があっても因果があるとは限らない（疑似相関）
- 散布図を見て外れ値・非線形関係を確認する
この記事の編集責任者
桂木 統（かつらぎ おさむ）
確率論・統計学を専門領域とする編集責任者「桂木 統」が、本記事の数式・確率計算・統計データを公開前に検証しています。JRA・宝くじ公式・政府統計などの一次情報を参照し、出典を明示しています。
編集責任者プロフィールを見る