相関関係とは？相関係数の見方から因果関係との違いまで2026年版で徹底解説

相関関係とは？相関係数の見方から因果関係との違いまで2026年版で徹底解説

@ creator • Click to Play Video Inline

🎵 相関関係とは？相関係数の見方から因果関係との違いまで2026年版で徹底解説 ▶ Play Video

「相関関係とは、具体的にどのような関係なのか」「相関係数が0.8なら、2つのデータにはどれほど強いつながりがあるのか」と疑問に感じたことはないだろうか。

相関関係とは、2つのデータが互いにどのように連動して変化するかを示す関係のことだ。統計学やビジネスのデータ分析、マーケティング、医療、教育など、幅広い分野で活用されている。2026年の総務省統計局による統計データ利活用セミナーでも、散布図や相関係数を使った分析が取り上げられており、データから傾向を読み取るための基本的な考え方として扱われている。

ただし、2つのデータに相関があるからといって、一方がもう一方の原因になっているとは限らない。相関係数の−1〜＋1の意味、正の相関・負の相関・無相関の違い、散布図の読み方、ピアソンとスピアマンの使い分け、さらに見かけ上の相関が生じる理由まで理解すると、数字に惑わされずに情報を判断できるようになる。

📌 【この記事の重要ポイントまとめ】

- 相関関係の意味： 2つのデータが連動して変化する傾向を示すもので、相関係数は−1から＋1の範囲で表される。
- 相関係数の見方： ＋に近いほど強い正の相関、−に近いほど強い負の相関、0に近いほど線形の相関が弱い。
- 最も注意したいポイント： 相関関係と因果関係は別物。気温とアイスクリームの売上のように、第三の要因によって見かけ上の相関が生まれる場合もある。

【基礎知識】相関関係とは？意味と具体例をわかりやすく解説

相関関係の意味は「2つのデータが連動すること」

相関関係とは、2つの変数の間に一定の関連性があり、一方の数値が変化すると、もう一方の数値も一定の傾向を持って変化する関係を指す。

例えば、勉強時間とテストの点数を考えてみよう。

勉強時間が長い人ほどテストの点数も高くなる傾向があれば、この2つのデータには正の相関があると考えられる。

一方、運動量が増えるほど体脂肪率が低くなる傾向が見られる場合は、負の相関があると考えられる。

このように、相関関係は2つの数値が同じ方向に動くのか、それとも反対方向に動くのかを把握するための概念だ。

総務省統計局の統計用語解説でも、相関は2つの変数の関係の強さとして説明されている。

ここで重要なのは、相関関係が示すのはあくまでもデータの動き方だという点である。必ずしも一方が他方を変化させていることを意味しない。

相関関係の具体例5選

相関関係は、日常生活のさまざまな場面で確認できる。

代表的な具体例を見てみよう。

1．身長と体重

一般的に、身長が高い人ほど体重も大きくなる傾向がある。もちろん個人差はあるものの、集団全体では正の相関が見られることがある。

2．気温とアイスクリームの売上

気温が上昇すると、冷たい飲み物やアイスクリームを購入する人が増える傾向がある。気温と売上の間には正の相関が生まれやすい。

3．商品の価格と需要量

ほかの条件が一定であれば、商品の価格が上昇すると購入需要が減少する傾向がある。この場合は負の相関が想定される。

4．降水量と傘の売上

雨が多い日や降水量が多い時期には、傘の需要が増加する傾向がある。降水量と傘の販売数には正の相関が考えられる。

5．勉強時間とテストの点数

勉強時間が長いほど点数が高くなる傾向があれば、正の相関がある。ただし、学習方法や理解度、試験の難易度なども結果に影響する。

これらの例から分かるように、相関関係は経済活動や消費行動、健康、教育などのデータを理解する際に役立つ。

ただし、例に挙げた関係があらゆる集団や状況で必ず成立するわけではない。実際の相関の有無や強さは、対象者や調査期間、データの取り方によって変化する。

【基本の3種類】正の相関・負の相関・無相関の違い

相関関係には、大きく分けて正の相関、負の相関、無相関の3種類がある。

それぞれの違いを理解すると、相関係数や散布図を読み解きやすくなる。

正の相関とは？一方が増えると他方も増える関係

正の相関とは、一方の数値が増加すると、もう一方の数値も増加する傾向がある関係だ。

例えば、広告費と売上高の関係が挙げられる。

広告への投資額が大きい企業ほど売上高も大きくなる傾向が確認できれば、両者には正の相関があると考えられる。

散布図では、点が左下から右上に向かって並ぶのが特徴だ。

ただし、広告費を増やせば必ず売上が増えるという意味ではない。商品の品質や市場規模、競合状況など、ほかの条件も考慮する必要がある。

負の相関とは？一方が増えると他方が減る関係

負の相関とは、一方の数値が増加すると、もう一方の数値が減少する傾向を示す関係である。

例えば、一定の距離を移動する場合、平均速度が速くなるほど所要時間は短くなる。

このような関係では、一方が増えると他方が減るため、相関係数はマイナスになる。

散布図では、点が左上から右下に向かって分布する。

なお、負の相関は悪い関係という意味ではない。あくまで2つの変数が反対方向に動く傾向を示す統計上の表現だ。

無相関とは？数値に明確な連動傾向がない状態

無相関とは、2つの変数の間に、特定の相関が確認できない状態を指す。

例えば、ある集団における靴のサイズと好きな音楽ジャンルの関係などは、一般的に明確な線形相関が想定されにくい。

散布図では、点が一定方向に並ばず、ばらばらに分布する。

ただし、ここには注意点がある。

相関係数が0だからといって、2つの変数に何の関係もないとは限らない。

例えば、気温と暖房費の関係を考えてみよう。気温が高すぎても低すぎても暖房費が小さく、ある程度の気温で暖房費が大きくなるような複雑な関係を想定すると、単純な直線の相関係数では関係を十分に捉えられない場合がある。

つまり、無相関という結果は、必ずしも完全な無関係を意味しない。

【一覧で理解】相関係数−1〜＋1の見方と強い相関・弱い相関

相関関係を数値で表す代表的な指標が、相関係数である。

相関係数は、2つの変数の関係がどの方向に、どれほど強く現れているかを示す数値だ。

一般的なピアソンの相関係数は、−1から＋1までの値を取る。

相関係数の数値別の読み方

相関係数を読む際は、プラス・マイナスの符号と、0からの距離に注目する。

- ＋1：完全な正の線形相関
- ＋0.8：強い正の相関の目安
- ＋0.4：中程度の正の相関の目安
- ＋0.1：弱い正の相関の目安
- 0：線形相関がない状態
- −0.1：弱い負の相関の目安
- −0.4：中程度の負の相関の目安
- −0.8：強い負の相関の目安
- −1：完全な負の線形相関

これらの強弱の区分は、あくまでも理解を助けるための目安であり、すべての研究分野に共通する絶対基準ではない。

例えば、医療分野とマーケティング分野では、同じ0.4という相関係数でも、実務上の意味が異なる場合がある。

相関係数の見方で押さえるべき3つのポイント

相関係数を正しく解釈するには、次の3点を確認したい。

ポイント1：符号は関係の方向を表す

プラスなら正の相関、マイナスなら負の相関を意味する。

ポイント2：絶対値は関係の強さを表す

例えば、＋0.9と−0.9は、方向こそ異なるものの、線形関係の強さは同程度だ。

ポイント3：0に近いことと完全な無関係は同じではない

曲線的な関係や複雑な構造が存在すると、相関係数が0に近くても、実際には意味のある関係が隠れている場合がある。

相関係数だけを見て判断せず、必ずデータの分布も確認することが大切だ。

相関分析で使われる指標の比較

相関関係を調べる方法には複数の種類がある。代表的な指標とその特徴を整理した。

相関係数の数値は、関係の方向と強さを整理するうえで便利だ。しかし、データの背景や調査方法まで自動的に説明してくれるわけではない。

【実践編】散布図の見方と相関係数の計算方法

相関分析では、相関係数を計算するだけでなく、散布図を確認することが重要になる。

総務省統計局の「なるほど統計学園」でも、散布図は2つの量の関係を視覚的に確認するためのグラフとして紹介されている。

散布図とは？2つのデータの関係を点で表すグラフ

散布図とは、横軸と縦軸にそれぞれ異なる変数を設定し、2つの数値が交わる位置に点を配置したグラフである。

例えば、横軸に勉強時間、縦軸にテストの点数を設定する。

勉強時間が3時間で点数が80点の人なら、横軸の3時間と縦軸の80点が交わる場所に1つの点を配置する。

この作業をすべての対象者について行うと、点の集まり方からデータの特徴が見えてくる。

散布図を見る際は、次の点に注目したい。

- 右上がり： 正の相関が考えられる。
- 右下がり： 負の相関が考えられる。
- ばらばら： 明確な線形相関が見られない。
- 曲線状： 直線では説明しにくい関係が存在する可能性がある。
- 極端に離れた点： 外れ値が相関係数に影響している可能性がある。
- 複数の集団： 異なるグループが混在している可能性がある。

散布図を確認すれば、相関係数だけでは見落としやすいデータの特徴も発見できる。

ピアソンの積率相関係数の計算方法

ピアソンの積率相関係数は、2つの変数の線形関係を数値化する代表的な方法である。

計算式は次のとおり。

r ＝ Σ[(xi−平均x)(yi−平均y)] ÷ √{Σ(xi−平均x)² × Σ(yi−平均y)²}

ここで使用する記号の意味は以下のとおりだ。

- r：相関係数
- xi：各データのXの値
- yi：各データのYの値
- 平均x：Xの平均値
- 平均y：Yの平均値
- Σ：すべてのデータについて合計すること

この式では、2つの変数がそれぞれの平均値から同じ方向に動く傾向が強いほど、正の相関が強くなる。

反対方向に動く傾向が強い場合は、負の相関が強くなる。

実際の数値で相関係数を計算する

例えば、4人の勉強時間とテストの点数が次のようになっていたとする。

勉強時間の平均は2.5時間、点数の平均は4点になる。

それぞれの平均からの偏差を計算すると、Xの偏差は−1.5、−0.5、0.5、1.5、Yの偏差は−2、−1、1、2となる。

偏差同士の積を合計すると7、Xの偏差の二乗の合計は5、Yの偏差の二乗の合計は10だ。

したがって、相関係数は次のようになる。

r ＝ 7 ÷ √（5 × 10）

r ≒ 0.99

この例では、相関係数が約0.99となり、非常に強い正の線形相関が見られる。

ただし、対象が4人だけの仮想データであるため、この結果だけで一般的な学習効果を証明できるわけではない。

Excelで相関係数を計算する方法

相関係数は、ExcelのCORREL関数を使えば簡単に計算できる。

例えば、A列に勉強時間、B列にテストの点数を入力した場合、次の関数を使用する。

=CORREL(A2:A5,B2:B5)

計算結果として、2つのデータのピアソンの相関係数が表示される。

総務省統計局の2026年版ビジネスパーソン向け統計データ利活用セミナー教材でも、ExcelのCORREL関数を使った相関分析が紹介されている。

実際の分析では、関数で数値を出すだけでなく、同じデータ範囲を使った散布図も作成すると、結果の妥当性を判断しやすくなる。

スピアマンの順位相関係数との違い

相関分析では、ピアソンの積率相関係数だけでなく、スピアマンの順位相関係数もよく使用される。

両者の大きな違いは、分析に使うデータと、捉えようとする関係の種類だ。

ピアソンの積率相関係数

実際の数値を使って、2つの変数の線形関係を測定する。

例えば、気温と商品の販売数のように、数値の増減が直線的に連動するかを調べる場合に適している。

スピアマンの順位相関係数

実際の数値を順位に置き換え、その順位同士の関係を測定する。

例えば、顧客満足度ランキングと購入頻度ランキングのように、順位の上下関係が連動しているかを調べる場合に適している。

スピアマンの方法は、数値そのものの差よりも、順序関係を重視する。関係が一定方向に変化する単調関係を捉えることができ、必ずしも直線的な関係である必要はない。

ただし、どちらの方法もすべての種類の関係を検出できるわけではない。データの性質に合わせて使い分ける必要がある。

【最大の注意点】相関関係と因果関係の違い・擬似相関の正体

相関関係を理解するうえで、最も重要なのが因果関係との違いだ。

2つのデータに強い相関が確認できても、一方がもう一方を引き起こしているとは限らない。

相関関係と因果関係は何が違う？

相関関係は、2つの変数が連動して変化する傾向を示す。

一方、因果関係は、一方の出来事が原因となり、もう一方の出来事が結果として発生する関係を意味する。

例えば、気温が上昇するとアイスクリームの売上が増えるという関係を考えてみよう。

気温と売上には相関関係があると考えられるだけでなく、気温の上昇が消費者の購買行動に影響するという因果関係も考えられる。

しかし、アイスクリームの売上が増えたから気温が上がった、という説明は成立しない。

両者の違いを整理すると、次のようになる。

- 相関関係：2つのデータが連動しているかを確認する。
- 因果関係：一方の変化が他方の変化を引き起こしているかを検証する。

総務省統計局も、散布図で確認できるのは2つの量の見た目の関係性であり、それだけでは因果関係を示せないと説明している。

擬似相関とは？見かけ上の相関が発生する理由

擬似相関とは、2つの変数に相関があるように見えても、実際には第三の要因などによって両方が変化している状態を指す。

見かけ上の相関とも呼ばれる。

代表的な例が、アイスクリームの売上と扇風機の売上だ。

夏になると、アイスクリームの売上が増える。同時に、暑さをしのぐために扇風機の需要も増加する。

この2つの売上を比較すると、正の相関が確認される可能性がある。

しかし、アイスクリームが売れたから扇風機が売れるわけではない。

両方に共通して影響を与えているのは、気温という第三の要因だ。

このような第三の要因は、交絡因子や交絡変数と呼ばれる。

相関係数が高くても、背後にある要因を確認しなければ、誤った結論を導いてしまう。

擬似相関が生まれる代表的な3つのパターン

見かけ上の相関が生まれる理由は、主に次の3つに整理できる。

1．第三の変数が影響している

2つの変数が、別の共通要因によって同時に変化するパターンだ。

例えば、人口が多い地域ほど警察官の人数も犯罪件数も多くなる可能性がある。

この場合、警察官の増加が犯罪件数を増やしたと判断するのは誤りだ。人口という第三の変数が、両方に影響している可能性がある。

2．偶然によって相関が生まれる

多数のデータを比較すると、直接的な関係がない事象同士でも、偶然に相関が見つかることがある。

分析対象や比較する変数が増えるほど、偶然の一致を発見する機会も増える。

特に、結果が出た組み合わせだけを取り上げる分析では注意が必要だ。

3．因果関係の方向が逆になっている

一方が原因で他方が結果だと思っていても、実際には逆の方向に影響しているケースだ。

例えば、売上が高いから広告費を増やせるのか、広告費を増やしたから売上が伸びたのかは、相関係数だけでは区別できない。

時間の順序や意思決定の仕組みまで確認する必要がある。

2026年の統計教材に見る実例：人口の指標を変えると相関が逆転

相関分析の難しさを示す興味深い事例がある。

総務省統計局の2026年版「ビジネスパーソン向け統計データ利活用セミナー」教材では、東京都23区を対象に、コーヒーチェーン店の出店数と人口の関係を調べる演習が紹介されている。

教材では、コーヒーチェーン店の店舗一覧と政府統計の人口データを組み合わせ、相関係数を算出している。

最初に総人口を使って分析したところ、相関係数は−0.40だった。

一見すると、人口が多い区ほどコーヒーチェーン店が少ないという負の相関があるように見える。

ところが、分析対象を総人口から昼間人口に変更すると、相関係数は＋0.71に変化した。

つまり、総人口では負の相関だったものが、昼間人口では正の相関になったのである。

これは、オフィス街を抱える千代田区や港区、新宿区などでは、夜間人口だけでは実際に活動する人の規模を捉えきれないためだ。

コーヒーチェーンの出店戦略を分析するなら、住民の数だけでなく、通勤・通学などによって日中に集まる人の数も考慮する必要がある。

この教材の数値は演習で用いられた特定のデータに基づくものであり、すべての地域やチェーンに当てはまる市場全体の統計ではない。

それでも、同じ対象を分析していても、どの変数を選ぶかによって相関の方向さえ変わるという点は、データ分析における重要な教訓だ。

相関係数の大小だけではなく、何を測定した数値なのかまで確認する必要がある。

【プロの分析視点】相関関係の見分け方と正しい活用方法

相関関係を正確に判断するには、相関係数を計算して終わりにするのではなく、データの背景や分析方法を総合的に確認する必要がある。

相関関係を見分ける7つのチェックポイント

実際のデータを分析する際は、次の順番で確認するとよい。

STEP1：分析したい2つの変数を決める

最初に、何と何の関係を調べるのかを明確にする。

例えば、広告費と売上高を調べるなら、広告費は月間支出なのか、年間支出なのかを統一する。

STEP2：データの対象と期間をそろえる

対象となる地域や人数、調査期間などが異なると、正確な比較が難しくなる。

同じ対象について、対応する2つの数値を集めることが基本だ。

STEP3：散布図を作成する

相関係数を計算する前に、散布図を作る。

右上がり、右下がり、曲線状、複数の集団など、データの全体像を確認する。

STEP4：相関係数を計算する

データの性質に合わせて、ピアソンまたはスピアマンの相関係数を計算する。

STEP5：外れ値の影響を確認する

極端に大きい数値や小さい数値が含まれていないかを調べる。

外れ値が1つあるだけで、相関係数が大きく変わる場合もある。

STEP6：第三の変数を確認する

年齢、気温、人口、所得など、両方の変数に影響している可能性がある要因を検討する。

STEP7：因果関係を主張できる根拠があるか確認する

時間的な順序や理論的な説明、交絡要因への対処、実験や準実験などの研究設計を確認する。

相関が確認できた段階では、原因と結果を断定しないことが大切だ。

相関分析と回帰分析はどう違う？

相関分析と混同されやすい手法に、回帰分析がある。

相関分析は、2つの変数がどの程度連動しているかを調べる手法だ。

一方、回帰分析は、ある変数と別の変数の関係を数式で表し、予測や要因分析に利用する手法である。

例えば、広告費と売上高を調べる場合、相関分析では両者の連動の強さを確認する。

回帰分析では、広告費を説明変数、売上高を目的変数として、広告費から売上高を予測するモデルを作成できる。

ただし、回帰分析を行ったからといって、自動的に因果関係が証明されるわけではない。

交絡要因の調整や研究設計、モデルの仮定などが適切であるかを検討する必要がある。

相関分析が役立つ分野と活用場面

相関分析は、単なる統計学の学習だけでなく、実務上の意思決定にも役立つ。

ビジネス・マーケティング

広告費と売上高、顧客満足度とリピート率、価格と購入数量などを分析し、施策を検討する際の仮説づくりに活用できる。

医療・健康

運動時間と健康指標、年齢と血圧、生活習慣と健康状態などの関係を調べる際に使用される。

ただし、相関があるからといって、特定の生活習慣が病気を直接引き起こしたと断定することはできない。

教育

学習時間と成績、出席率と単位取得率などを比較し、学習環境の改善に役立てられる。

経済・社会分析

人口と店舗数、所得と消費支出、物価と需要などの関係を分析し、政策立案や企業の事業計画に活用できる。

2026年の統計データ利活用においても、相関分析はデータから仮説を発見するための基本的な手法として位置付けられている。

相関関係を使う際に向いている人・注意が必要な人

相関分析は、データを比較して傾向を把握したい人に適している。

特に、次のような目的がある場合に役立つ。

- 売上と広告費の連動を調べたい人
- 複数の指標から関連性のある組み合わせを探したい人
- アンケート結果を統計的に整理したい人
- 研究やレポートでデータの特徴を説明したい人
- 経営判断やマーケティング施策の仮説を作りたい人

一方、相関係数だけを根拠に、商品の施策効果や医療行為の有効性を断定したい場合には注意が必要だ。

原因と結果を判断するには、相関分析とは別の検証方法が求められる。

【よくある質問】相関関係とは何かに関するFAQ

Q1：相関関係とは簡単にいうと何ですか？

A1：2つのデータが連動して変化する傾向のことです。一方の数値が増えると他方も増える正の相関や、一方が増えると他方が減る負の相関などがあります。

Q2：相関係数が0.8の場合、どのような意味がありますか？

A2：一般的には強い正の相関があると解釈されます。2つの変数が同じ方向に動く傾向が強いことを示します。ただし、0.8という数値だけで因果関係があるとは判断できません。

Q3：相関係数がマイナスの場合は悪い関係ですか？

A3：いいえ。マイナスは、一方の変数が増えるともう一方が減る傾向を意味します。良い・悪いという評価とは関係ありません。

Q4：相関係数が0なら2つのデータは無関係ですか？

A4：必ずしもそうではありません。ピアソンの相関係数が0でも、曲線状の関係など、直線では捉えられない関連性が存在する場合があります。

Q5：相関関係と因果関係の違いは何ですか？

A5：相関関係は2つの変数が連動している状態、因果関係は一方が原因となって他方に変化を引き起こす関係です。相関が確認できても、原因と結果の関係まで証明されたことにはなりません。

Q6：相関係数はExcelで計算できますか？

A6：できます。ExcelのCORREL関数を使用し、2つのデータ範囲を指定するとピアソンの相関係数を求められます。例えば「=CORREL(A2:A10,B2:B10)」と入力します。

Q7：ピアソンとスピアマンはどちらを使えばよいですか？

A7：数値同士の線形関係を調べたい場合はピアソン、順位や単調な関係を調べたい場合はスピアマンが適しています。データの性質や分析目的に合わせて選びましょう。

まとめ：相関関係は数字だけでなく背景まで読み解くことが大切

相関関係とは、2つの変数がどのように連動して変化するかを示す統計上の概念である。

相関係数は−1から＋1の範囲で表され、プラスに近いほど正の相関、マイナスに近いほど負の相関が強くなる。0に近い場合は線形の相関が弱いことを意味する。

散布図を使えば、データの分布や外れ値、曲線的な関係なども確認できる。ピアソンの積率相関係数とスピアマンの順位相関係数を使い分ければ、分析できるデータの幅も広がる。

一方で、忘れてはいけないのが相関関係と因果関係の違いだ。

気温とアイスクリームの売上、人口と店舗数などの関係には、第三の要因が影響している場合がある。2026年の総務省統計局の教材で紹介された、東京都23区のコーヒーチェーン店数と人口指標の分析も、データの選び方によって相関係数が変化することを示している。

【プロの結論】相関係数は答えそのものではなく、データの関係を読み解くための出発点である。

数字の大きさだけで判断せず、散布図で分布を確認し、調査対象や期間、第三の変数、因果関係の方向まで検討することが重要だ。

データが示す事実と、そこから導き出した解釈を区別できれば、統計情報やニュース、ビジネスの分析結果をより正確に読み解けるようになる。
（出典: 相関 関係 と は（Yahoo!ニュース））