2つの数値の列を貼り付けると、ピアソンの相関係数 r と決定係数 r² を計算し、「相関がない」という仮説を確かめる無相関検定の t値と p値も表示します。勉強時間と点数、広告費と売上など、2つの量の直線的な関係の強さを調べられます。
相関係数 計算ツール(ピアソン・無相関検定つき)
x列とy列を貼り付けると、ピアソンの相関係数 r、決定係数 r²、無相関検定の t値と p値を計算します。
使い方
- 「x の列」に1つ目の変数(例:勉強時間)を入力します。
- 「y の列」に2つ目の変数(例:テストの点数)を、x と同じ順番・同じ個数で入力します。
- カードで相関係数 r・決定係数 r²・p値を確認します。
計算式
Sxy = Σ(x − x̄)(y − ȳ)、Sxx = Σ(x − x̄)²、Syy = Σ(y − ȳ)²
r = Sxy ÷ √(Sxx × Syy)
t = r √(n − 2) ÷ √(1 − r²) (自由度 n − 2)
x̄, ȳ は平均、n はデータの組数です。r は −1 から 1 の値をとります。t は「本当は相関がない」と仮定したときの検定統計量で、t分布から両側の p値を求めます。
計算例
サンプルは、8人の勉強時間 x「2, 3, 5, 7, 9, 4, 6, 8」とテストの点数 y「50, 55, 65, 70, 85, 58, 72, 80」です。
- Sxy = 206.5、Sxx = 42、Syy = 1,044.88 です。
- r = 206.5 ÷ √(42 × 1,044.875) = 0.9857、r² = 0.9717 です。
- t = 0.9857 × √6 ÷ √(1 − 0.9717) = 14.3499 で、自由度6の両側 p値は0.0001未満です。
勉強時間が長い人ほど点数が高いという、非常に強い正の相関があり、偶然とは考えにくい結果です。
結果の見方
| |r| の大きさ | 目安 |
|---|---|
| 0.7以上 | 強い相関 |
| 0.4〜0.7 | 中程度の相関 |
| 0.2〜0.4 | 弱い相関 |
| 0.2未満 | ほとんど相関がない |
この目安は分野によって変わります。r² は「y のばらつきのうち、x との直線関係で説明できる割合」で、r = 0.5 なら r² = 0.25、つまり25%です。p値は相関の強さではなく「相関がゼロとは考えにくいか」を表します。データが多いと、弱い相関でも p値は小さくなります。
機械学習の前処理では、特徴量どうしの相関係数を一覧にした「相関行列」をよく確認します。|r| が0.9を超えるような強い相関を持つ特徴量のペアは、ほぼ同じ情報を持っているため、片方を除いたり、主成分分析でまとめたりすることがあります。また、目的変数との相関が強い特徴量は、予測に役立つ候補になります。
注意点
- 相関があっても因果関係があるとは限りません。気温とアイスの売上と水難事故のように、第3の要因が両方に影響している「疑似相関」に注意しましょう。
- ピアソンの相関係数は直線的な関係だけを測ります。U字型の関係では r が0に近くなることがあります。散布図もあわせて確認しましょう。
- 外れ値が1つあるだけで r は大きく変わります。外れ値が気になる場合は、スピアマンの順位相関も計算してみましょう。
- x か y がすべて同じ値だと計算できません。
相関係数は単位に左右されないので、x や y に正の数を掛けても、一定の値を足しても r は変わりません(負の数を掛けると符号だけが逆になります)。
相関係数(ピアソン)のよくある質問
Q. 相関係数がいくつ以上なら相関があるといえますか?
A. 一般的な目安では |r| が0.7以上で強い相関、0.4〜0.7で中程度、0.2〜0.4で弱い相関とされます。ただし分野やデータ数によって基準は変わります。
Q. ExcelのCORREL関数と同じですか?
A. はい。相関係数 r は Excel の CORREL や PEARSON 関数と同じ値になります。決定係数 r² は RSQ 関数と同じです。
Q. p値が小さければ強い相関ですか?
A. 必ずしもそうではありません。p値は「相関がゼロではなさそうか」を表すもので、データ数が多いと弱い相関でも小さくなります。強さは r の値で判断します。
