メインコンテンツへスキップ
見出し画像

具体ケースで学ぶ擬似相関 | 交絡因子・相関係数・相関と因果・標準偏差・分散・共分散

    【図解】相関関係と因果関係はどう違う?疑似相関の落とし穴と相関係数の求め方

    「アイスクリームが売れる日に、水難事故が増える」この話を聞いて、アイスを食べると事故が起きやすくなる、と結論づけてよいでしょうか。

    答えはいいえ。2つの数字が一緒に動いていても、一方が他方の原因とは限りません。背景にある「暑い季節」などの共通要因によって、見かけ上の相関(疑似相関)が生まれることがあります。

    本記事では、IPA試験対策にもつながる次の内容を、身近な例と計算で解説します。

    • 相関関係・因果関係・疑似相関(交絡)の違い

    • 正の相関・負の相関・相関がほぼない状態の見分け方

    • 平均、分散、標準偏差、共分散から相関係数を求める手順

    • 疑似相関の具体例と、データ分析で間違えないための確認ポイント

    IPA試験との関係:2026年11月1日時点の応用情報技術者試験シラバス Ver.7.2には、「相関係数」「相関と因果」「擬似相関」「分散」「標準偏差」が明記されています。また、データ利活用では「交絡バイアス」も登場します。

    出典:IPA公式シラバス


    1. 相関関係・因果関係・疑似相関の違い

    相関関係:2つの数値が一緒に変化する関係

    相関関係とは、2つの変数の間に統計的な関連が見られることです。

    例えば「学習時間が長い人ほど、テストの点数が高い傾向がある」というデータが得られた場合、正の相関があるといえます。ただし、その結果だけでは「学習時間を延ばせば必ず得点が上がる」とまでは断定できません。

    相関の向きは、主に以下の3つです。

    • 正の相関:Xが増えるほどYも増える傾向がある(例:身長と体重の集団データ)。

    • 負の相関:Xが増えるほどYは減る傾向がある(例:一定条件下での商品の価格と需要量)。

    • 線形相関がほぼない:XとYの間に直線的な傾向が見られない。曲線的な関係まで否定するものではありません。

    画像
    画像

    因果関係:原因が結果に影響を与える関係

    因果関係は、ある要因Xを変えることで、ほかの条件が適切にそろっていれば結果Yが変わる、という関係です。

    例えば、仕様が同じソフトウェアで、ある処理の不要な待機時間だけを短縮した結果、応答時間が短くなったなら、その変更が応答時間を短縮した因果効果を持つ可能性があります。もっとも、因果と断定するには同時期の負荷や構成変更なども確認する必要があります。

    疑似相関:関係があるように見えるが、説明に注意が必要

    疑似相関は、2つの変数に相関が見られても、その相関を直接の因果関係と解釈するのが不適切な状況です。

    代表的な原因が交絡(こうらく)です。交絡とは、XとYの両方に関係する第三の要因Zが、XとYの関係の評価をゆがめることです。このZを交絡因子と呼びます。厳密には、疑似相関と交絡は同義語ではありません。交絡は疑似相関を生む代表的な仕組みの一つです。逆方向の因果、偶然、データの抽出方法の偏りなども検討する必要があります。

    相関・因果・交絡の概念図

    相関:      X ─ ─ ─ Y    (一緒に動くという観察)
    因果:      X ─────▶ Y   (XがYに影響する)
    交絡:         Z
                ↙   ↘
               X     Y       (Zが双方に関係する)

    ※図の矢印は概念を簡略化したものです。交絡因子の厳密な判定には、時間的前後関係や変数間の因果構造を確認します。


    2. 疑似相関の具体例3選

    例1:アイスクリームの売上と水難事故

    夏にはアイスクリームの売上が伸び、水難事故も増える傾向が観察されることがあります。しかし、そこから「アイスを買うと事故が増える」と結論づけるのは誤りです。

    考えられる背景には、暑い季節・気温や水辺で過ごす人数の増加があります。暑さはアイスの需要を増やし、同時に水辺の活動も増えやすくします。

    画像

    例2:靴のサイズと読解力

    小学生全体を調べると、靴が大きい子ほど読解力テストの得点が高くなる傾向が見られるかもしれません。しかし「大きい靴を履けば読解力が上がる」わけではありません。

    第三の要因は年齢(学年)です。成長につれて足が大きくなり、学習経験も蓄積します。年齢をそろえた集団で比較すれば、単純集計とは関係の見え方が変わる可能性があります。

    画像

    例3:消防車の出動台数と火災被害額

    消防車が多く出動した火災ほど、被害額が大きいというデータがあったとします。それだけで「消防車が増えると火災被害が拡大する」と主張できるでしょうか。

    答えはできません。大きな火災ほど消防車が多数出動し、被害額も大きくなりやすいからです。火災の規模が共通の要因になっています。実際の消火活動による効果を調べるには、火災規模や発見時刻などの条件を考慮する必要があります。

    画像

    身近な例から学ぶポイント

    3例とも、XとYの関係を見ただけで結論を出さず、「両方に影響する要因はないか?」を探すことが重要です。なお、交絡因子を統計的に調整しても、測定できていない要因の影響まで完全に除去できるとは限りません。


    3. 相関係数とは? −1から+1の意味

    一般に「相関係数」というと、ピアソンの積率相関係数を指すことが多く、記号は r です。

    これは直線的な関係の向きと強さを数値で表します。

    • r = +1:完全な正の直線関係

    • r が +1に近い:強い正の線形相関

    • r ≈ 0:線形相関が弱い(ただし非線形の関係はあり得る)

    • r が −1に近い:強い負の線形相関

    • r = −1:完全な負の直線関係

    「r = 0.8以上なら必ず強相関」などの区切りは、分野や用途による目安であり、普遍的な判定基準ではありません。また、相関係数が高いことは因果関係の証明になりません。

    注意:r = 0でも無関係とは限らない

    例えばXが−2, −1, 0, 1, 2で、Y = X²なら、きれいなU字の関係があります。しかし、XとYのピアソン相関係数は0です。これはピアソンのrが直線関係を測る指標だからです。

    画像

    4. 相関係数の前に、平均・分散・標準偏差・共分散を理解する

    (1) 平均値

    データの中心を表す値です。

    xˉ=1n∑i=1nxi\bar{x}=\frac{1}{n}\sum_{i=1}^{n}x_i

    (2) 分散

    データが平均からどの程度散らばっているかを表します。
    偏差を二乗して平均するため、単位は元のデータの単位の二乗になります。

    母分散:

    σx2=1N∑i=1N(xi−μx)2\sigma_x^2=\frac{1}{N}\sum_{i=1}^{N}(x_i-\mu_x)^2

    標本分散(不偏分散):

    sx2=1n−1∑i=1n(xi−xˉ)2s_x^2=\frac{1}{n-1}\sum_{i=1}^{n}(x_i-\bar{x})^2

    ※手元のデータそのものの分散をnで記述する場合もあります。母集団の分散を標本から推定するときにはn−1を使う不偏分散が重要です。

    (3) 標準偏差

    分散の平方根です。

    元のデータと同じ単位で、ばらつきを捉えられます。

    σx=σx2,sx=sx2\sigma_x=\sqrt{\sigma_x^2},\qquad s_x=\sqrt{s_x^2}

    (4) 共分散

    XとYの偏差を掛け合わせて平均したもので、2つの変数の「同じ向きに変化する傾向」を表します。

    標本共分散:

    sxy=1n−1∑i=1n(xi−xˉ)(yi−yˉ)s_{xy}=\frac{1}{n-1}\sum_{i=1}^{n}(x_i-\bar{x})(y_i-\bar{y})

    共分散は、正なら同方向、負なら逆方向に動きやすいことを意味します。ただし測定単位の影響を受けるため、異なるデータ間で強さを比較しにくいという弱点があります。

    (5) 相関係数=共分散を標準偏差で割る

    r=sxysxsy\boxed{r=\frac{s_{xy}}{s_xs_y}}

    計算時に同じn−1が約分されるので、次の式でも求められます。

    r=∑i=1n(xi−xˉ)(yi−yˉ)∑i=1n(xi−xˉ)2∑i=1n(yi−yˉ)2\boxed{r=\frac{\sum_{i=1}^{n}(x_i-\bar{x})(y_i-\bar{y})}{\sqrt{\sum_{i=1}^{n}(x_i-\bar{x})^2\sum_{i=1}^{n}(y_i-\bar{y})^2}}}

    さらに、平均からの偏差を一つずつ求めなくても計算できる式があります。

    r=n∑xy−(∑x)(∑y)[n∑x2−(∑x)2][n∑y2−(∑y)2]\boxed{r=\frac{n\sum xy-(\sum x)(\sum y)}{\sqrt{\bigl[n\sum x^2-(\sum x)^2\bigr]\bigl[n\sum y^2-(\sum y)^2\bigr]}}}

    ※XまたはYがすべて同じ値の場合は標準偏差が0になるため、ピアソン相関係数は定義できません。


    5. 計算例:3組のデータから相関係数を求める

    次の3組の観測データを使います。

    • (X, Y) = (1, 2)

    • (X, Y) = (2, 3)

    • (X, Y) = (3, 5)

    まず、必要な合計を計算します。

    xyx2y2xyhline12142 23496 3592515hline∑x=6∑y=10∑x2=14∑y2=38∑xy=23\begin{array}{c|c|c|c|c} x&y&x^2&y^2&xy\\hline 1&2&1&4&2\ 2&3&4&9&6\ 3&5&9&25&15\\hline \sum x=6&\sum y=10&\sum x^2=14&\sum y^2=38&\sum xy=23 \end{array}

    ※この数表はMarkdown表ではなく、KaTeXのarray環境で記述しています。

    公式へ代入すると、

    r=3×23−6×10(3×14−62)(3×38−102) =984 ≈0.982\begin{aligned} r&=\frac{3\times23-6\times10}{\sqrt{(3\times14-6^2)(3\times38-10^2)}}\ &=\frac{9}{\sqrt{84}}\ &\approx 0.982 \end{aligned}

    結果:r ≈ 0.982。強い正の線形相関が観察されます。

    ただし、3組だけのサンプルであり、この値だけから一般的な因果関係や集団全体の傾向を断定できません。


    6. 実務で疑似相関を見抜く5つのチェックポイント

    ① 散布図を描く。
    rだけでなく、曲線的な関係、外れ値、集団の混在を目視で確認します。

    ② 時間の前後関係を確認する。
    原因と考える出来事が結果より前に起きているか。逆因果の可能性はないか。

    ③ 第三の要因を探す。
    季節、気温、年齢、顧客規模、施策前からの購買意欲などが両方に関係していないか。

    ④ 条件別に比較する。
    季節別・年代別・店舗別などに層別し、集計後も同じ傾向が見られるかを検討します。集計の仕方で傾向が逆転するシンプソンのパラドックスにも注意が必要です。

    ⑤ 因果を問うなら設計を変える。
    実施可能で倫理的に許されるならランダム化比較試験(A/Bテストなど)を検討します。観察データしかない場合は、交絡を考慮した回帰分析、マッチング、自然実験などを活用します。ただし手法にはそれぞれ前提条件があります。

    ビジネス例:広告費と売上

    広告費を増やした月ほど売上が高くても、繁忙期には広告費も需要も増えるため、広告の純粋な効果とは限りません。

    曜日・季節・既存顧客比率などの条件を確認した上で、可能ならA/Bテストで施策効果を検証するのが基本です。


    7. IPA試験対策:間違えやすいポイントと確認問題

    Q1. 相関係数が0.95であれば、XがYを引き起こしているといえるか?
    A. いえません。
    強い線形相関を示すだけで、因果の方向、交絡、偶然、測定上の偏りなどは別途検討が必要です。

    Q2. 相関係数が0の場合、2つの変数は独立か?
    A. 限りません。
    XとX²のような非線形関係がある場合にも、r=0になることがあります。

    Q3. 共分散は、なぜそのまま比較しないのか?
    A. 単位や尺度の影響を受けるためです。
    相関係数はそれぞれの標準偏差で割って基準化するので、−1〜+1の範囲で比較できます。

    Q4. 「ある企業では、研修受講者ほど業務成績が高い。だから研修の効果は大きい」と結論づけてよいか?
    A. まだ判断できません。
    もともと成績が高い人が研修を受けやすい、という選択の偏りがある可能性があります。受講前の成績や職種などを確認し、比較設計を工夫する必要があります。


    まとめ:相関は「発見」、因果は「検証」

    • 相関関係:2つの変数の間に統計的な関連があること。

    • 因果関係:一方を変えることが他方の変化を引き起こす関係。

    • 疑似相関:見かけ上の関連を、直接の因果と誤読しやすい状況。

    • 交絡因子:2つの変数の関係をゆがめる、第三の要因。

    • 相関係数:直線的な関連の強さと向きを−1〜+1で示す指標。

    試験対策では公式を覚えるだけでなく、「相関が高い=因果がある、ではない」という判断を身につけましょう。実務でも、売上分析や施策の効果検証で役に立つ考え方です。

    関連記事


    参考文献・確認資料

    1. IPA「応用情報技術者試験シラバス Ver.7.2」 — 応用数学・データ利活用の出題範囲と用語例。

    2. NIST Dataplot「CORRELATION」 — ピアソン相関係数の定義式。

    3. Penn State「Describing Data, Part 2」 — 散布図、外れ値、相関と因果の注意点。

    4. CDC Field Epidemiology Manual「Analyzing and Interpreting Data」 — 交絡と層別分析。

    5. Penn State「Relationships Between Measurement Variables」 — 相関から因果を断定できない理由。

     
     
    IT資格の勉強法・合格ノウハウを発信。 書籍では追いにくい最新技術や最新動向まで。 試験対策だけでなく実務にも活きる知識をお届け。 【保有資格】 ・IPA:FE、AP、SC ・DB:OracleDB-Gold、OSSDB-Gold ・Cloud:AWS-SAP、OCI-AP

    あなたへのおすすめ