1 基本概念
相関は、二つ以上の変数や事象の間にみられる結びつきの強さや向きを表す概念である。統計学では、ある量が増減するとき、別の量も連動して変化するかどうかを調べる基礎的な考え方として用いられる。数値の関係だけでなく、順位やカテゴリに基づく関連を扱う場面でも参照される。
1.1 相関の定義
相関とは、観測された複数の変数の値に、一定の規則性や同時変動が見られる状態を指す。一般には、片方が大きくなるともう片方も大きくなる、あるいは反対に小さくなる、といった傾向を含む。厳密な意味では、相関の表し方は用いる尺度によって異なり、数量データでは相関係数、順位データでは順位相関が使われることが多い。
1.2 相関と因果関係の違い
相関があるからといって、片方がもう一方の原因であるとは限らない。両者の背後に第三の要因がある場合や、単なる偶然によって関連が生じる場合もある。そのため、相関の観察は因果推論の出発点にはなっても、結論そのものにはならない。実証研究では、追加の検証や実験設計によって因果関係を別に確かめる必要がある。
1.3 正の相関と負の相関
正の相関は、一方の値が増えると他方も増える傾向を表す。たとえば、学習時間と成績が同方向に動く場合がこれに当たる。負の相関は、一方が増えると他方が減る関係であり、価格と需要のように逆向きの変化として観察されることがある。どちらも関係の向きを示すが、強さは別に評価される。
1.4 無相関
無相関とは、少なくとも線形な意味では明確な関連が認めにくい状態である。散布図上では点が広く散らばり、一定の上昇や下降の傾向が見えにくい。もっとも、無相関であっても非線形な関係が隠れていることはあり、単純な判定だけで全体像を断定するのは適切ではない。
2 数学的表現
相関は、データの構造を数値で要約するために、いくつかの数学的尺度として表現される。最も基本的なのは共分散であり、そこから標準化した相関係数が導かれる。データの型や分布の性質に応じて、異なる指標が選択される。
2.1 共分散
共分散は、二つの変数が平均からどの方向に同時にずれるかを示す量である。両者が同じ方向に変動しやすければ正、逆方向に動きやすければ負の値をとる。単位の影響を受けるため、異なる尺度の比較にはそのままでは向かないが、相関の基礎的な素材として重要である。
2.2 相関係数
相関係数は、変数間の関連を尺度に依存しにくい形で表した指標である。一般に、共分散を標準偏差で割ることで得られ、値の大きさによって関係の強さを解釈しやすくなる。数量データ、順序データ、外れ値の有無などに応じて、複数の種類が使い分けられる。
2.2.1 ピアソンの相関係数
ピアソンの相関係数は、二変量の線形関係の強さを測る代表的な指標である。直線的な増減関係がどの程度強いかを示し、最も広く知られている。正規分布に近いデータや、直線的な傾向が主要な場面で特に有用である。
2.2.2 スピアマンの順位相関係数
スピアマンの順位相関係数は、元の値ではなく順位に注目して関連を調べる方法である。単調増加または単調減少の関係を捉えやすく、極端な値の影響を受けにくい。数量の大きさより順序が重要な場合に適している。
2.2.3 ケンドールの順位相関係数
ケンドールの順位相関係数は、順位の一致や不一致の組合せを基に関連の強さを評価する。比較的解釈が明快で、小さな標本でも扱いやすい利点がある。スピアマンと同様に順位情報を用いるが、計算の考え方は異なる。
2.3 標本相関と母相関
標本相関は、実際に得られたデータから計算された相関であり、観測結果に基づく推定値である。これに対して母相関は、母集団全体における真の関連の強さを意味する。現実には母相関を直接知ることは難しいため、標本相関を用いて近似的に判断することが多い。
3 性質と解釈
相関の数値は、単に大きければよいというものではなく、データの形や分布、測定条件を踏まえて読む必要がある。線形性、外れ値、尺度変換の影響などが解釈に大きく関わる。適切な理解がないと、見かけ上の関連を過大評価したり、逆に重要な傾向を見落としたりしやすい。
3.1 値の範囲
多くの相関係数は、-1から1の範囲で表される。1に近いほど強い正の関係、-1に近いほど強い負の関係を示し、0付近は関連が弱いことを表す。ただし、数値の絶対値だけで実務上の重要性を決めることはできず、領域ごとの文脈が必要である。
3.2 線形関係との関係
ピアソンの相関係数は、主として線形関係に敏感である。したがって、強い曲線的な関係があっても、係数はそれほど大きくならないことがある。散布図の確認は、数値指標を補う上で重要であり、関係の形を見極める手段となる。
3.3 外れ値の影響
外れ値は相関の値を大きく変えることがある。特にピアソンの相関係数では、少数の極端な観測が全体の傾向をゆがめる場合がある。順位相関は比較的頑健だが、完全に影響を受けないわけではない。異常値の確認とデータの妥当性検討は欠かせない。
3.4 標準化との関係
相関は、変数を標準化したときにも解釈しやすい形で現れる。標準化により平均や単位の違いをならすことで、共分散より比較可能な量となる。実際、ピアソンの相関係数は標準化した変数の共分散とみなせるため、尺度の違いを越えた比較に向いている。
4 応用
相関は、観測データから関係の手がかりを得るために幅広い分野で使われる。予測や仮説設定、変数選択などの場面で重要な役割を持つが、単独で結論を下すのではなく、他の分析手法と組み合わせて用いるのが一般的である。
4.1 統計解析での利用
統計解析では、相関は変数間の関係を把握する第一段階として用いられる。説明変数の候補を絞り込んだり、重複する情報を確認したりする際に役立つ。回帰分析や多変量解析の前処理としても重要で、データ構造を素早く把握するための基本指標となる。
4.2 自然科学における利用
自然科学では、温度、圧力、濃度、成長量などの量的変数の関係を調べるために相関が利用される。観測値の連動を把握することで、現象の規則性やモデルの妥当性を検討しやすくなる。実験データでは、条件設定や測定誤差を踏まえて解釈することが重要である。
4.3 社会科学における利用
社会科学では、教育、所得、健康、行動傾向など、多様な要因の関連を探る際に相関が活用される。人間社会のデータは変動要因が多いため、相関の読み取りには慎重さが求められる。制度や環境の違いが結果に影響することも多く、背景情報と合わせて考える必要がある。
4.4 機械学習における利用
機械学習では、特徴量同士の相関が高すぎると情報の重複が生じることがある。そのため、変数選択や次元削減、モデルの安定性確認の場面で相関が参照される。予測性能の向上だけでなく、解釈性の確保や過学習の抑制にも関係する指標として扱われる。