相関分析計算ツール

相関分析とは？

相関分析は、2つの変数間の関係の強さと方向を定量化する統計的測定方法です。 相関係数は-1（完全な負の関係）から+1（完全な正の関係）までの範囲を持ち、 0は線形関係がないことを示します。相関分析は、心理学、教育学、医学、 経済学、社会科学において最も広く使用される手法の1つです。

相関の概念は、Sir Francis Galtonが1880年代に遺伝と 平均への回帰に関する研究で先駆的に取り組みました。彼の研究は Karl Pearsonによって体系化され、1896年に今日まで 使用されている数学的基盤である積率相関係数（Pearsonのr）を 開発しました。1904年にはCharles Spearmanが順序データと 単調関係のためのノンパラメトリックな代替法である順位相関係数（Spearmanのrho）を導入しました。この2つの指標が現代の二変量相関分析の 基盤を形成しています。

Pearson相関（r）

Pearsonのrは、2つの連続型変数間の線形関係の 強さを測定します。2つの変数の共分散をそれぞれの標準偏差の積で割って 計算されます。両方の変数が間隔尺度または比率尺度で測定され、関係が おおよそ線形であり、データがおおよそ正規分布に従う場合にPearsonを 使用します。

Spearman相関（rho）

Spearmanのrho（r_s）は、生の値ではなく 順位を使用して2つの変数間の単調関係を評価するノン パラメトリックな指標です。データが順序型（例：リッカート尺度）であるか、 関係が単調であるが必ずしも線形ではない場合、または外れ値が懸念される 場合にSpearmanを使用します。順位に基づいているため、Spearmanのrhoは Pearsonのrよりも極端値に対して頑健です。

相関係数と他の検定の比較

正しい相関の方法を選択するには、データの種類、分布、および予想される 関係の性質によって異なります。以下は選択を助けるための比較表です：

相関の強さの解釈

相関係数の絶対値は関係の強さを示します。文脈が重要であり分野によって 基準が異なりますが、以下のガイドライン（Evans, 1996に基づく）は一般的な 枠組みを提供します：

注意：これらの基準は正の相関と負の相関の両方に同等に適用されます。 r = -.85はr = +.85と同じ強さであり、方向のみが 異なります。

相関分析の前提条件

相関の結果を解釈する前に、以下の前提条件が満たされているか確認してください：

APA形式による報告方法

APA第7版のガイドラインによると、相関の結果報告には相関係数、自由度 （N - 2）、p値、できれば95%信頼区間を含める必要があります。以下は 実際の数値を含むテンプレートです：

注意：相関係数は先頭の0を付けずに小数点以下2桁まで報告します（例： 0.87ではなく .87）。p値は小数点以下3桁まで報告し、.001未満の 場合は p < .001と表記します。相関の自由度はN - 2です。

よくある間違い

• 相関と因果の混同： 有意な相関は2つの変数が関連して いることのみを示し、一方の変数がもう一方を引き起こすことを意味しません。 常に交絡変数を考慮し、因果的な表現を避けてください（例：「〜に起因する」 ではなく「〜と関連がある」を使用）。
• 外れ値の無視： 1つの外れ値がPearsonのrを 劇的に変化させる可能性があります。例えば、1つの極端なデータポイントが 弱い相関を強い相関に（またはその逆に）変えることがあります。結果を 報告する前に、常に散布図を確認してください。
• 範囲の制限： 標本が一方の変数の狭い範囲のみを含む 場合、観測される相関は弱められます（減衰）。例えば、入学した大学院生 （すでに両変数とも高い）の間でGPAとGREスコアを相関分析すると、実際の 母集団における相関を過小評価してしまいます。
• 非線形データへのPearsonの使用： Pearsonのrは 線形関係のみを捉えます。散布図が明確な曲線（例：二次関数、対数関数）を 示している場合、Pearsonのrは実際の関連性を過小評価します。 Spearmanのrhoを使用するか、データを変換してください。
• p = .000と報告する： 統計ソフトウェアが p = .000と表示することがあります。常に p < .001と 報告してください。p値は決して正確に0ではありません。