ビジネスの現場や学術研究において、データに基づいた意思決定を下すための第一歩となるのが「相関関係」の把握です。売上と広告費、気温と飲料の売れ行きなど、2つの要素がどのように連動して変化しているかを客観的に数値化できれば、勘に頼らない正確な現状分析が可能になります。
本記事では、データ分析の初学者がつまずきやすい相関係数の計算公式や共分散の考え方はもちろん、ExcelやGoogleスプレッドシートで今すぐ実践できる具体的な手順までを網羅しました。実務で最も注意すべき「因果関係との混同」や「疑似相関の罠」を回避するポイントも分かりやすく解説します。
📌 【この記事の重要ポイントまとめ】
- 要点1：相関の強さは「相関係数（-1.0〜+1.0）」で表され、一般的に0.7以上なら強い相関と判定します。
- 要点2：手計算では共分散と標準偏差を用いますが、実務ではExcelのCORREL関数を使えば一瞬で算出可能です。
- 要点3：「相関関係がある＝因果関係がある」とは限らないため、第3の変数が潜む疑似相関の見極めが不可欠です。
【超入門】相関関係とは？正の相関・負の相関と散布図の読み解き方
相関関係とは、「一方の変数が変化すると、もう一方の変数もそれに伴って規則的に変化する関係性」を指します。まずはデータの全体像を視覚的に把握するために、横軸（X軸）と縦軸（Y軸）に2つの変数をプロットした「散布図」を作成するのが鉄則です。
相関のパターンは、散布図の点の散らばり方によって大きく3つに分類されます。
1. 正の相関（右肩上がりの分布）
一方の値が増加すると、もう一方の値も増加する関係です。「気温の上昇に伴ってアイスクリームの売上が伸びる」「勉強時間が増えるほどテストの点数が高くなる」といったケースが該当します。
2. 負の相関（右肩下がりの分布）
一方の値が増加すると、もう一方の値が減少する関係です。「標高が高くなるほど気温が下がる」「商品の値上げ率が高くなるほど購入点数が減る」といった事象が代表的です。
3. 無相関（点全体が円形やランダムに散らばる分布）
2つの変数の間に連動性がまったく見られない状態です。「靴のサイズと数学のテストの点数」のように、一方が動いても他方に何の影響も及ぼさない関係を指します。
相関係数の計算公式と数学的アプローチ｜共分散と標準偏差から導く手順
相関関係を客観的に評価する指標が、ピアソンの積率相関係数（通常『r』で表記）です。統計学の基礎データ分析において最も標準的に使われる手法であり、以下の公式で定義されます。
【相関係数 r の計算公式】r = 2変数の共分散 / (Xの標準偏差 × Yの標準偏差)
数式を紐解くと、計算プロセスは次の3ステップに分かれます。
ステップ1：共分散の求め方
共分散は「Xの偏差（各データと平均値の差）」と「Yの偏差」の積の平均値です。2変数が同じ方向に動く傾向があれば共分散はプラスになり、逆方向に動けばマイナスになります。
ステップ2：各変数の標準偏差の算出
データのばらつき度合いを示す標準偏差（偏差平方和の平均の平方根）を、XとYそれぞれについて個別に計算します。
ステップ3：共分散を標準偏差の積で割る（正規化）
共分散の値はデータの単位（円、kg、cmなど）に依存してしまうため、標準偏差の積で割ることで単位を打ち消し、必ず「-1.0から+1.0」の範囲に収まる無次元の数値へ変換します。
なお、データに外れ値が多い場合や、アンケートの満足度順位（1位〜5位など）を分析する際には、ピアソンの手法ではなく順位データに特化したスピアマンの順位相関係数を用いるのが適切です。
【早見表】相関係数の目安と強弱判定｜数値が示す意味をプロが解説
算出した相関係数（r）がどの程度の強さを示しているかは、一般的な判定基準に照らし合わせて評価します。絶対値が1に近いほど強い相関を持ち、0に近いほど相関が弱くなります。
| 相関係数（絶対値） | 相関の強弱判定 | 散布図での見え方 |
|---|---|---|
| 0.7 〜 1.0 | 強い相関（正 / 負） | 直線状に点が密集して並ぶ |
| 0.4 〜 0.7 | 中程度の相関（正 / 負） | 傾きを持った楕円状に広がる |
| 0.2 〜 0.4 | 弱い相関（正 / 負） | わずかに傾向が見られる程度 |
| 0.0 〜 0.2 | ほとんど相関なし（無相関） | 丸型や不規則な散らばり |
実務においては、相関係数が0.7を超えると明確な関連性があると見なし、マーケティング施策や需要予測の根拠として採用される場面が多くなります。一方で、0.3未満の場合は関係性が乏しいと判断するのが一般的です。
Excel・スプレッドシートでの相関係数の求め方｜CORREL関数と散布図の作成手順
手作業で複雑な数式を計算する必要はありません。表計算ソフトを使えば、わずか数秒で相関係数を割り出すことができます。
1. エクセルCORREL関数を使った算出手順
ExcelおよびGoogleスプレッドシートには、ピアソンの積率相関係数を直接返す「CORREL関数」が標準搭載されています。
=CORREL(配列1, 配列2)
例えば、A列に「WebサイトのPV数（A2:A50）」、B列に「問い合わせ件数（B2:B50）」が入っている場合、任意のセルに以下のように入力するだけで完了します。=CORREL(A2:A50, B2:B50)
※PEARSON関数を用いても全く同一の結果が得られます。
2. 散布図の作り方とトレンドの可視化
数値だけでなく視覚的な確認も欠かせません。
- 比較したい2列のデータ範囲をマウスで選択する
- 上部メニューの「挿入」タブから「散布図」アイコンをクリックする
- グラフ上のデータ点を右クリックし、「近似曲線の追加」を選択する
相関関係と因果関係の決定的な違い｜騙されない「疑似相関」の見極め方
データ分析において初心者が最も陥りやすい重大なミスが、「相関関係」と「因果関係」の混同です。
相関関係は「2つのデータが連動して動いている」という事実を示すに過ぎません。これに対し因果関係は、「原因（A）によって結果（B）が生じた」という方向性を持った関係性を指します。
【よくある疑似相関の典型例】
「アイスクリームの売上が増える時期は、水難事故の件数も増加する」という明確な正の相関データがあります。しかし、「アイスの販売を規制すれば水難事故が減る」と結論付けるのは明らかな間違いです。
この2つの間には、「夏の気温上昇」という隠れた第3の要因（潜伏変数）が存在しています。気温が上がった結果としてアイスが売れ、同時に海や川へ行く人が増えて事故件数が増加しただけです。このように、見かけ上の相関に過ぎない現象を「疑似相関（偽の相関）」と呼びます。
相関が見つかった際は、必ず「第3の共通要因はないか」「原因と結果の時間的前後関係は正しいか」を論理的に検証する姿勢が不可欠です。
【相関関係の求め方】に関するよくある質問（FAQ）
Q1：相関係数がマイナスになった場合、どう解釈すればいいですか？
A1：マイナスの符号は「負の相関」を意味します。一方が増えるともう一方が減る関係性であり、例えば「-0.85」であれば「非常に強い負の相関がある」と判定します。絶対値の大きさで相関の強弱を測るため、マイナスだからといって関係が薄いわけではありません。
Q2：データ件数は最低何件あれば信用できますか？
A2：データ数が3〜4件程度だと、偶然高い相関係数が出てしまうリスクがあります。統計学的な信頼性を担保するためには、最低でも30件以上のサンプルサイズを確保することが推奨されます。サンプル数が少ない場合は、無相関検定（p値の確認）を行い、偶然の産物ではないかを検証してください。
Q3：U字型や山型のカーブを描くデータでも相関関係を測定できますか？
A3：ピアソンの相関係数は「直線的な関係」しか検出できません。ストレス度と作業効率の関係（適度なストレスで効率最大化）のようにU字型・逆U字型になる関係性では、実際には強い連動性があっても相関係数が「0付近」になってしまいます。このような非線形データを見落とさないためにも、数値計算の前に必ず散布図を描いて形状を確認することが肝要です。
まとめ：データ分析の第一歩として相関を正しく活用しよう
相関関係の求め方をマスターすることは、データドリブンな思考を身につけるための確実な足がかりとなります。手計算の理論的背景を理解したうえで、ExcelのCORREL関数や散布図作成を上手に活用すれば、日々の業務効率や分析精度は飛躍的に向上します。
数値の大きさだけに惑わされず、疑似相関の有無や因果関係の論理性を慎重に見極めながら、確かな根拠に基づいたデータ活用を推進してください。 （出典: 相関 関係 求め 方（Yahoo!ニュース））
関連フォトギャラリー
相関 関係 求め 方
相関 関係 求め 方
