相関関係の統計学的基礎ピアソンからランク相関まで

統計学における相関（Correlation）とは、2つの確率変数または二変量データの間にある統計的な関係性を指します。一般的に、ある変数の値が変化したときに、もう一方の変数がどのように変化するかという「線形的な関連性の強さ」を定量化したものです。より広義には、一方の変数の変動がもう一方の変数によってどの程度説明できるかという「関連性（Association）」として捉えられます。

Key Facts

• 相関係数は-1から+1の範囲で表され、1に近いほど正の相関、-1に近いほど負の相関が強い。
• 相関関係は因果関係を意味しない（Correlation does not imply causation）。
• 2つの変数が独立であれば相関は0になるが、相関が0であっても独立であるとは限らない。
• ピアソン相関係数は線形関係のみを測定し、非線形な関係は捉えられない。
• 外れ値（Outlier）の存在によって、相関係数の値は大きく変動する場合がある。

相関の基本概念と注意点

相関を分析する上で最も重要なのは、それが「依存関係」や「因果関係」と同一ではないことを理解することです。例えば、2つの変数が互いに独立している場合、それらの相関は必ず0になります。しかし、相関が0であっても、それらが独立しているとは限りません。非線形な依存関係がある場合、ピアソン相関係数ではその関係を検出できないためです。

具体例として、0を中心に左右対称に分布する変数Xと、その二乗であるY（Y = X²）を考えます。このとき、Yは完全にXによって決定されるため強い依存関係にありますが、線形的な関係はないため、相関係数は0となります。

ピアソン積率相関係数

最も一般的に利用されるのがピアソン積率相関係数です。これは2変数間の共分散を、それぞれの標準偏差の積で割ることで算出されます。この指標は、データがどれだけ直線的に並んでいるかを測定します。

相関係数の値は、コーシー＝シュワルツの不等式により、絶対値が1を超えないことが保証されています。値が+1であれば完全な正の線形関係、-1であれば完全な負の線形関係を示し、0に近いほど線形的な関連性は低いと判断されます。

標本相関係数の推定

実際のデータ分析では、母集団の相関を推定するために標本相関係数（r）を用います。これはn個の測定ペアから算出され、単回帰モデルにおいては、この標本相関係数の二乗が「決定係数（R²）」として利用されます。ただし、測定誤差が含まれる現実のデータでは、理論上の限界値である-1から+1よりも狭い範囲に収まることが一般的です。

ランク相関（順位相関）の役割

データの値そのものではなく、値の「順位」に基づいて相関を測る手法がスピアマンの順位相関やケンドールのタウです。これらは、変数の関係が直線的ではなくても、一方が増えればもう一方も増えるという「単調増加（または減少）」の関係にある場合に有効です。

例えば、あるデータセットでXが増えるたびに必ずYも増加する場合、ランク相関は完璧な1となります。しかし、その増加幅が一定でない（直線上にない）場合、ピアソン相関係数は1よりも低い値になります。このように、分析の目的に応じて線形性を重視するか、順位関係を重視するかを選択する必要があります。

データの分布と相関の罠

相関係数という単一の数値だけを信頼することにはリスクが伴います。これを証明したのが「アンズコムの例（Anscombe's quartet）」です。これは、平均、分散、相関係数、回帰直線がすべて同一であるにもかかわらず、散布図にすると全く異なる分布を持つ4つのデータセットの例です。

この例からわかる通り、あるデータは正規分布に従い、あるデータは曲線的な関係を持ち、またあるデータはたった一つの外れ値によって相関係数が大きく変動しています。したがって、数値的な分析と併せて、必ず視覚的な散布図による確認を行うことが不可欠です。

範囲制限の影響

相関の強さは、サンプリングされるデータの範囲に依存します。一般に、より広い範囲のデータを分析するほど相関は強く現れる傾向があります。例えば、全成人男性の父と子の身長の相関を調べるよりも、父親の身長を特定の狭い範囲（例：165cm〜170cm）に限定して抽出した場合、相関は弱くなります。このような「範囲制限」を補正するために、ソーンドイクの方程式などの手法がメタ分析などで用いられます。

相関行列と多変数分析

複数の変数（X₁, X₂, ..., Xₙ）がある場合、それぞれのペアの相関をまとめた相関行列を作成します。これはn×nの正方行列であり、対角成分（自分自身との相関）はすべて1になります。相関行列は対称行列であり、正定値行列としての性質を持ちます。これにより、変数間の複雑な相互関係を効率的に把握することが可能です。

指標名	測定対象	主な特徴	値の範囲
ピアソン相関係数	線形関係	直線的な関連性の強さを測定。外れ値に敏感。	-1 〜 +1
ランク相関 (Spearman/Kendall)	単調関係	順位に基づくため、非線形な増加/減少も捉える。	-1 〜 +1
オッズ比	二値変数の依存性	ロジスティックモデルなどで利用される。	0 〜 ∞

Frequently Asked Questions

相関があるということは、一方が原因で他方が結果ということですか？

いいえ、そうとは限りません。「相関関係は因果関係を意味しない」という統計学の鉄則があります。2つの変数に相関があっても、共通の第三の要因（潜伏変数）が影響している場合や、単なる偶然である可能性があります。

相関係数が0の場合、2つの変数には全く関係がないと言えますか？

いいえ。ピアソン相関係数が0であることは、「直線的な関係がない」ことを意味するだけであり、曲線的な関係（例：U字型の関係）などの非線形な依存関係が存在する可能性があります。

外れ値は相関係数にどのような影響を与えますか？

ピアソン相関係数は外れ値に非常に敏感です。たった一つの極端なデータ点があるだけで、実際には関係がないデータに強い相関が出たり、逆に強い相関があるデータが低く評価されたりすることがあります。

スピアマン相関とピアソン相関のどちらを使うべきですか？

データが正規分布に従い、直線的な関係を想定している場合はピアソン相関が適しています。一方で、データに外れ値が多い場合や、関係が直線的ではなく「一方が増えればもう一方も増える」という順位的な関係を調べたい場合はスピアマンなどのランク相関が適しています。