ホーム 芸能ニュース・ゴシップ 相関係数の公式を2026年版で徹底解説!計算式・求め方からExcel活用まで

相関係数の公式を2026年版で徹底解説!計算式・求め方からExcel活用まで

藤崎 和樹 藤崎 和樹 • 更新: • 公開: • 読了約 22 分
目次

相関係数の公式は、2つのデータがどの程度連動して変化するかを数値で表すための統計学の基本式です。代表的なピアソンの積率相関係数では、共分散をそれぞれの標準偏差の積で割ることで算出できます。値は−1から+1までの範囲を取り、プラスなら正の相関、マイナスなら負の相関、0に近ければ直線的な関係が弱いことを示します。

ただし、公式を覚えるだけでは正しく使いこなせません。共分散や標準偏差の計算方法、偏差積和の意味、実際の計算例、ExcelのCORREL関数、スピアマンの順位相関係数との違いまで理解する必要があります。2026年現在も、ビジネス分析、アンケート調査、研究、データサイエンスなどで活用される相関係数について、計算手順から結果の読み解き方、統計的な注意点まで整理します。

【基本公式】相関係数とは?ピアソンの積率相関係数の計算式

相関係数公式

相関係数とは、2つの変数の間にある直線的な関係の方向と強さを数値化した指標です。一般に、単に相関係数と呼ぶ場合は、ピアソンの積率相関係数(Pearson's product-moment correlation coefficient)を指します。

相関係数の基本公式

標本データから計算するピアソンの積率相関係数は、次の式で表されます。

r = sxy ÷(sx × sy)

ここで、sxyはXとYの標本共分散、sxはXの標本標準偏差、syはYの標本標準偏差です。

偏差積和を利用すると、次の形でも計算できます。

r = Σ[(xi−x̄)(yi−ȳ)]÷√{Σ(xi−x̄)² × Σ(yi−ȳ)²}

記号の意味は次のとおりです。

  • r:標本の相関係数
  • xi:Xの各データの値
  • yi:Yの各データの値
  • x̄:Xの平均値
  • ȳ:Yの平均値
  • Σ:対象となるデータをすべて合計する記号
  • n:データの組数

この式の要点は、XとYの平均からのズレを比較していることです。Xが平均より大きいときにYも平均より大きくなる傾向があれば、偏差の積はプラスになりやすくなります。反対に、Xが平均より大きいときにYが平均より小さくなる傾向があれば、偏差の積はマイナスになりやすくなります。

なぜ標準偏差で割るのか

共分散だけでも2つの変数が同じ方向に動くか、逆方向に動くかは判断できます。しかし、共分散はデータの単位や尺度に左右されるため、数値の大きさをそのまま比較することは困難です。

そこで、共分散をXとYそれぞれの標準偏差の積で割ります。これによって単位の影響が取り除かれ、異なる尺度のデータ同士でも比較できる相関係数になります。

例えば、身長をセンチメートル、体重をキログラムで記録していても、ピアソンの相関係数を計算できます。単位を変更しても、正の倍率による換算であれば相関係数自体は変わりません。

【計算方法】共分散・標準偏差・偏差積和を使った求め方

相関係数を手計算する場合、最初に理解しておきたいのが共分散と標準偏差です。この2つを順番に求めれば、基本公式に当てはめて相関係数を算出できます。

1.平均値を求める

最初に、XとYそれぞれの平均値を求めます。

平均値 = データの合計 ÷ データ数

例えば、Xのデータが1、2、3、4、5の場合、平均値は3です。Yのデータが2、3、5、4、6の場合、平均値は4になります。

2.偏差を求める

偏差とは、各データから平均値を引いた値です。

Xの偏差 = xi − x̄

Yの偏差 = yi − ȳ

平均より大きい値ならプラス、平均より小さい値ならマイナスになります。偏差を計算することで、それぞれのデータが平均からどの程度離れているかが分かります。

3.偏差積和を計算する

偏差積和とは、Xの偏差とYの偏差をそれぞれ掛け合わせ、その結果をすべて足した値です。

偏差積和 = Σ[(xi−x̄)(yi−ȳ)]

偏差の積がプラスになる組み合わせが多ければ、偏差積和はプラス方向に大きくなります。逆にマイナスになる組み合わせが多ければ、偏差積和はマイナス方向に傾きます。

4.共分散を求める

標本共分散の計算式は次のとおりです。

sxy = 偏差積和 ÷(n−1)

母集団全体の共分散を求める場合は、分母をnとします。標本の共分散ではn−1を使う点が違いです。

5.標準偏差を求める

標本標準偏差は、偏差平方和をn−1で割り、平方根を取って求めます。

sx = √{Σ(xi−x̄)² ÷(n−1)}

sy = √{Σ(yi−ȳ)² ÷(n−1)}

標準偏差は、データが平均値の周辺にどの程度散らばっているかを示します。値が大きければデータのばらつきが大きく、小さければ平均付近に集まっていることを意味します。

6.共分散を標準偏差の積で割る

最後に、求めた共分散をXとYの標準偏差の積で割ります。

相関係数 = 共分散 ÷(Xの標準偏差 × Yの標準偏差)

標本共分散と標本標準偏差を一貫して使用すれば、偏差積和を使った計算式と同じ結果になります。途中で母集団用の公式と標本用の公式を混在させないことが大切です。

【具体例】相関係数の計算例を5組のデータで解説

ここでは、5組のデータを使って、相関係数が実際にどのように計算されるのか確認します。

次のXとYのデータを使います。

  • X:1、2、3、4、5
  • Y:2、3、5、4、6
平均値と偏差を計算する

Xの平均値は3、Yの平均値は4です。それぞれの平均値を各データから引くと、次の結果になります。

  • Xの偏差:−2、−1、0、1、2
  • Yの偏差:−2、−1、1、0、2
偏差積和と偏差平方和を求める

各組の偏差を掛け合わせると、4、1、0、0、4となります。

したがって、偏差積和は9です。

また、Xの偏差平方和は10、Yの偏差平方和も10になります。

これらを偏差積和を使った公式に代入します。

r = 9 ÷ √(10 × 10)

r = 9 ÷ 10 = 0.9

つまり、この5組のデータの相関係数は0.9です。一般的な目安では、強い正の相関があると判断できます。

共分散と標準偏差から計算しても同じ結果になる

同じデータを使い、共分散と標準偏差から計算してみましょう。

データ数は5なので、標本共分散は次のようになります。

共分散 = 9 ÷(5−1)= 2.25

続いて、XとYの標本標準偏差を求めます。

標準偏差 = √(10 ÷ 4)≒ 1.5811

両方の標準偏差が同じため、相関係数は次の計算になります。

r = 2.25 ÷(1.5811 × 1.5811)

r ≒ 0.9

2つの計算方法で同じ答えが得られました。手計算では偏差積和を利用する方法が分かりやすく、統計学の基本的な仕組みを理解するのに適しています。

【数値の読み方】相関係数−1〜+1の意味と強さの目安

相関係数を算出した後に必要なのが、その数値の解釈です。相関係数は−1から+1までの値を取り、プラスかマイナスかによって関係の方向が変わります。

正の相関・負の相関・無相関の違い

+1に近い場合:正の相関

一方の変数が増えると、もう一方も増える傾向があります。例えば、学習時間とテスト得点の間に正の相関が見られる場合、学習時間が長い人ほど得点が高い傾向があると解釈できます。

−1に近い場合:負の相関

一方の変数が増えると、もう一方は減る傾向があります。例えば、商品の価格と購入数量の間に負の相関が見られる場合、価格が高いほど購入数量が少なくなる傾向を示します。

0に近い場合:直線的な相関が弱い

2つの変数の間に明確な直線的関係が見られない状態です。ただし、相関係数が0だからといって、あらゆる関係が存在しないとは限りません。曲線状の関係などは、ピアソンの相関係数だけでは捉えられない場合があります。

相関係数の強さの一般的な目安

相関の強さは、相関係数の絶対値で判断します。以下は統計資料などでも用いられる代表的な区分です。

  • 0.0以上〜0.2未満:ほとんど相関がない
  • 0.2以上〜0.4未満:弱い相関
  • 0.4以上〜0.7未満:中程度の相関
  • 0.7以上〜1.0以下:強い相関

この基準は絶対的な判定ルールではありません。研究分野やデータの性質によって評価基準は異なります。例えば、医学や心理学などでは、0.3程度の相関でも研究上意味のある結果として扱われることがあります。

散布図で相関関係を確認する

相関係数を解釈するときは、数値だけでなく散布図も確認しましょう。散布図は、X軸とY軸にそれぞれのデータを配置し、2つの変数の関係を視覚的に表したグラフです。

  • 右上がり:正の相関がある可能性が高い
  • 右下がり:負の相関がある可能性が高い
  • 点が広く散らばる:直線的な相関が弱い可能性がある
  • 曲線状に並ぶ:非線形の関係が存在する可能性がある

総務省統計局の「Data StaRt」でも、相関係数は直線状の関係を測る尺度であり、散布図による確認が重要だと説明されています。外れ値が1つあるだけで相関係数が大きく変わるケースもあるため、グラフとの併用が欠かせません。

【Excelで簡単計算】CORREL関数の使い方とエラー対処法

Excelを利用すれば、複雑な計算を手作業で行わなくても相関係数を算出できます。代表的な方法がCORREL関数です。

CORREL関数の基本構文

ExcelのCORREL関数は、次の形式で使用します。

=CORREL(配列1, 配列2)

例えば、A2からA6にXのデータ、B2からB6にYのデータを入力した場合は、次の数式を使います。

=CORREL(A2:A6,B2:B6)

今回の計算例と同じデータを入力すれば、結果は0.9になります。

Excelで計算するときの手順
  1. Excelを開き、XのデータをA列に入力する。
  2. YのデータをB列に入力する。
  3. 空いているセルを選択する。
  4. CORREL関数に2つのデータ範囲を指定する。
  5. Enterキーを押して相関係数を表示する。

例えば、売上高と広告費、勉強時間とテスト得点、気温と商品の販売数など、対応するデータを2列に並べれば計算できます。

CORREL関数でエラーが出る原因

Microsoftの公式サポートによると、CORREL関数ではデータの状態によってエラーが発生することがあります。

  • #N/A:2つの配列のデータ要素数が一致していない。
  • #DIV/0!:配列が空、またはどちらかのデータの標準偏差が0になっている。
  • 計算結果が想定と違う:対応するデータの行がずれている、不要な数値や0が混在している可能性がある。

特に注意したいのが空白セルとゼロの違いです。CORREL関数では、参照範囲内の空白セルやテキストなどは無視されますが、数値の0は計算対象になります。

例えば、売上データが欠損しているセルを0に置き換えてしまうと、実際には売上がなかったという意味になり、分析結果が変わる可能性があります。欠損値なのか、本当に0なのかを確認してから計算しましょう。

【応用と注意点】スピアマンの順位相関・有意性検定・因果関係の違い

ピアソンの積率相関係数は便利な指標ですが、すべてのデータ分析に適しているわけではありません。データの性質に応じて別の手法を選び、相関係数の統計的な意味も確認する必要があります。

ピアソンとスピアマンの順位相関係数の違い

スピアマンの順位相関係数は、実際の数値ではなくデータの順位を使って関連性を評価する指標です。順位相関係数とも呼ばれます。

例えば、商品Aと商品Bの人気ランキング、顧客満足度の順位、試験の順位など、数値そのものよりも順番の関係を調べたい場合に適しています。

順位に同順位がない場合、スピアマンの順位相関係数は次の簡略公式で求められます。

rs = 1 − 6Σd² ÷ {n(n²−1)}

ここで、dは同じ対象についてのXの順位とYの順位の差、nはデータ数です。同順位が存在する場合は、この簡略公式ではなく、平均順位を使って順位データのピアソン相関係数を計算します。

両者の特徴を整理すると、次のようになります。

関連する概念・手法 基本的な関係・計算方法 適した用途・注意点
ピアソンの積率相関係数 共分散を標準偏差の積で割る 量的データの直線的な関係を測定する
共分散 2つの変数の偏差の積の平均 変数が同じ方向・逆方向に動く傾向を確認する
標準偏差 偏差平方和から算出する データのばらつきを測定し、相関係数の標準化に使う
偏差積和 対応する偏差の積を合計する 相関係数の分子を計算する
スピアマンの順位相関係数 順位データのピアソン相関係数 順位尺度や単調な関係を分析する
散布図 2変数のデータを座標上に配置する 直線・曲線・外れ値などを視覚的に確認する
Excel CORREL関数 2つの配列から相関係数を返す 表計算ソフトでピアソン相関を算出する
相関係数の有意性検定 標本相関係数から母相関係数を検定する 観測された相関が偶然の変動だけでは説明しにくいかを調べる
相関係数の有意性検定とは?

相関係数を計算しただけでは、その関係が統計的に意味のあるものなのかまでは判断できません。そこで用いられるのが相関係数の有意性検定です。

一般的なピアソン相関の無相関検定では、母相関係数をρとすると、次の仮説を設定します。

  • 帰無仮説:母相関係数ρ=0
  • 対立仮説:母相関係数ρ≠0

標本相関係数rから計算する検定統計量は、次の式で表されます。

t = r√{(n−2)÷(1−r²)}

自由度はn−2です。このt値をt分布に照らし合わせてp値を求め、あらかじめ定めた有意水準と比較します。

例えば、有意水準を5%に設定した場合、p値が0.05以下であれば帰無仮説を棄却する判断につながります。これは、母集団において相関が0ではないことを示す統計的な証拠が得られたという意味です。

ただし、p値が小さいからといって、相関が強いとは限りません。標本数が非常に多ければ、小さな相関でも統計的に有意になる場合があります。相関係数の大きさとp値は分けて評価しましょう。

相関関係と因果関係はまったく違う

相関分析で特に注意したいのが、相関関係と因果関係の混同です。

相関関係は、2つの変数が関連して動く傾向を示します。一方、因果関係は、一方の変数が原因となり、もう一方の変数に影響を与える関係です。

例えば、アイスクリームの販売数と熱中症の発生件数が同時に増える場合、両者には正の相関が見られる可能性があります。しかし、アイスクリームの購入が熱中症を引き起こしているわけではありません。

この場合、気温という第三の変数が両方に影響している可能性があります。このような関係は疑似相関と呼ばれます。

相関係数だけでは、原因と結果の方向や第三の変数の影響を特定できません。因果関係を主張するには、実験や研究デザイン、交絡要因の調整など、別の検証が必要です。

相関係数を使う際に見落としやすい4つのポイント

1.外れ値の影響

極端に大きい値や小さい値が混ざると、ピアソンの相関係数が大きく変わる場合があります。散布図で外れ値を確認することが大切です。

2.非線形関係の見落とし

U字型や逆U字型のような関係では、実際には強い関連性があっても、ピアソンの相関係数が0に近くなることがあります。

3.標本数の不足

データ数が少ないと、相関係数が偶然の影響を受けやすくなります。数値の大きさだけで結論を出さず、信頼区間や有意性検定も確認しましょう。

4.対象データの偏り

特定の年齢層や地域、条件に限定したデータでは、全体とは異なる相関が現れることがあります。分析対象の選び方やデータ収集方法も結果に影響します。

【プロの結論】相関係数は公式よりも使い方と解釈が重要

相関係数を正しく使いこなすには、次の順番で分析するのが効果的です。

  1. 分析したい2つの変数と対象データを明確にする。
  2. 散布図を作り、直線的な関係があるか確認する。
  3. 量的データならピアソン、順位や単調な関係ならスピアマンを検討する。
  4. 共分散と標準偏差、またはExcelのCORREL関数で相関係数を算出する。
  5. 相関係数の符号と絶対値から関係の方向と強さを評価する。
  6. 必要に応じて有意性検定や信頼区間を確認する。
  7. 因果関係を主張する場合は、交絡要因や研究デザインを別途検証する。

手計算の仕組みを理解したい人には偏差積和を使う方法、日常的な業務で大量のデータを処理したい人にはExcelのCORREL関数が向いています。また、順位データを扱う場合はスピアマンの順位相関係数を選ぶことで、データの性質に合った分析ができます。

一方、散布図を確認せずに相関係数だけで判断する方法や、相関があるという理由だけで原因と結果を断定する分析はおすすめできません。数値の背景にあるデータの構造を確認することが、信頼性の高い分析につながります。

【相関係数の公式】に関するよくある質問(FAQ)

Q1:相関係数の公式は簡単に覚えるとどうなりますか?
A1:最も基本的な覚え方は「相関係数=共分散÷(Xの標準偏差×Yの標準偏差)」です。偏差積和を使えば、分子をΣ[(xi−x̄)(yi−ȳ)]、分母を2つの偏差平方和の積の平方根として計算できます。

Q2:相関係数が0.8の場合、どのくらい強い相関ですか?
A2:一般的な目安では強い正の相関に分類されます。ただし、相関の強さの基準は分野によって異なるため、0.8という数値だけで研究上の重要性や因果関係まで判断することはできません。

Q3:相関係数がマイナスになるのはなぜですか?
A3:一方の変数が増えると、もう一方が減る傾向があるためです。例えば、価格が上がるほど購入数量が減るような関係では、負の相関が生じる可能性があります。マイナスの符号は関係の方向を表しており、相関の強さは絶対値で判断します。

Q4:Excelで相関係数を求める関数は何ですか?
A4:CORREL関数を使います。例えば、A2:A6とB2:B6の相関係数を求める場合は「=CORREL(A2:A6,B2:B6)」と入力します。2つの配列のデータ数を一致させ、同じ行のデータ同士が対応していることを確認してください。

Q5:ピアソンとスピアマンはどちらを使えばよいですか?
A5:数値データの直線的な関係を調べたい場合はピアソン、順位データや単調な関係を調べたい場合はスピアマンが候補になります。データの尺度や分布、外れ値の状況を確認して選択しましょう。

Q6:相関係数が0なら関係性はないのでしょうか?
A6:必ずしもそうではありません。ピアソンの相関係数が0に近い場合は直線的な関係が弱いことを意味します。U字型などの非線形関係が存在する可能性もあるため、散布図でデータの形状を確認する必要があります。

相関係数の公式は、共分散をXとYの標準偏差の積で割るというシンプルな仕組みです。ピアソンの積率相関係数では、偏差積和を利用した計算方法もあり、どちらを使っても同じ結果が得られます。

相関係数は−1〜+1の範囲を取り、プラスは正の相関、マイナスは負の相関、絶対値の大きさは直線的な関係の強さを表します。手計算では平均値・偏差・偏差積和・共分散・標準偏差の順に求め、ExcelではCORREL関数を利用すると効率的です。

加えて、順位データにはスピアマンの順位相関係数、標本から得られた結果の評価には有意性検定というように、目的に応じて分析方法を使い分けることも欠かせません。

最も大切なのは、相関係数の数値だけで結論を出さないことです。散布図でデータの分布を確認し、外れ値や交絡要因、標本数の影響を考慮することで、数字の意味をより正確に読み取れます。公式の暗記にとどまらず、計算の仕組みと解釈の両方を理解することが、実践的な統計分析への第一歩です。

参考にした公的・専門資料:

- 総務省統計局「Data StaRt」相関分析の解説
- Microsoft公式サポート「CORREL関数」
- ペンシルベニア州立大学「STAT 200」相関と仮説検定
- OpenStax「Testing the Significance of the Correlation Coefficient」
- 国土交通省の統計用語解説
- Wolfram MathWorld「Spearman Rank Correlation Coefficient」

同じカテゴリの記事

藤崎 和樹
トレンドリサーチャー 藤崎 和樹
プロフィールを見る →

アニメとゲームの新作情報を担当。制作会社・配信元の公式告知と登壇情報を照合して記事化します。

おすすめの関連記事