情報の勉強高校 情報Ⅰ

第4章 情報通信ネットワークとデータの活用

散布図と相関・相関係数(疑似相関ぎじそうかんに注意)

「気温が高い日ほどアイスが売れる」のように、2つの量のつながりを調べるのが散布図と相関係数です。点の並び方の読み方、相関係数の意味と計算の考え方、外れ値はずれちの影響、そして「相関があっても原因とは限らない」ことまで、図と動く散布図で確かめます。

説明

1. 2つの量を1枚の図に:散布図

ある学校の売店で、10日分の最高気温とアイスの売れた数を記録しました。表のままでは、気温とアイスの関係はつかみにくいですね。

最高気温(℃)23252627282930313234
アイス(個)32324448605667607269

そこで、横の軸に気温、縦の軸にアイスの数を取り、1日を1つの点で打ちます。28℃で60個の日は、横の28と縦の60が交わる所に点を打ちます。こうして作った図を散布図(さんぷず)といいます。点が右上に向かって並んでいるので、「気温が高い日ほど、よく売れる」傾向が一目で分かります。

2040608022242628303234最高気温(℃)アイスの売上(個)28℃・60個 の日
1日が1つの点。横が気温、縦がアイスの数。
点が並んだ図を指さしながら、2つのデータの関係を考える人
点の並び方から、2つのデータの関係を考える。

2. 点の並び方を読む:正の相関・負の相関

2つの量の一方が増えると、もう一方も増える(または減る)傾向があるとき、2つの量には相関(そうかん)がある、といいます。

  • 右上がり(一方が増えると他方も増える)…正の相関
  • 右下がり(一方が増えると他方は減る)…負の相関
  • はっきりした形がない…相関がない(相関なし)

点が1本の直線の周りに細く集まっているほど「相関が強い」、ぼんやり広がっているほど「相関が弱い」といいます。散布図は、2つの量的データりょうてきでーた(数で表せるデータ)の関係を見るためのグラフです。

正の相関右上がり例:気温とアイス負の相関右下がり例:気温とホット飲料相関なし形が見えない例:身長と数学の点
右上がりは正、右下がりは負。点が直線の近くに集まるほど相関が強い。

3. 相関の強さを1つの数で:相関係数

「強い」「弱い」を見た目だけで決めると、人によって判断が分かれます。そこで、相関の向きと強さを1つの数で表したものが相関係数(記号 r)です。

  • 値は必ず −1 以上 1 以下(x・y のどちらかがすべて同じ値で、標準偏差ひょうじゅんへんさが 0 のときは、相関係数は求められません)。
  • プラスなら正の相関、マイナスなら負の相関。
  • 1 や −1 に近いほど強く、0 に近いほど弱い。1 や −1 のときは、点がすべて1本の直線にのります。

強さの目安は、およそ「絶対値が 0.7 以上で強い、0.4〜0.7 で中くらい、0.2〜0.4 で弱い、0.2 未満でほとんどない」です。ただし、これは目安で、本や分野によって線の引き方は少し違います。問題文に目安が書かれていれば、そちらに従います。

−1−0.7−0.400.40.71強い負ほとんどなし強い正負正弱弱相関係数 r は −1 から 1 まで(強さの目安)r = −0.9r = −0.5r = 0r = 0.5r = 0.9
見本の点はそれぞれ15個。r が 1(−1)に近いほど、点が直線の形に集まる。

相関係数が 1 より大きい、−1 より小さいことはありません。1.2 や −1.5 が出たら、計算の間違いです。

4. 相関係数の計算の考え方(共分散ぶんさん ÷ 標準偏差の積)

5人の勉強時間と小テスト(10点満点)で、計算の流れを見ます。まず x・y それぞれの平均(3 時間、6 点)を引いて偏差(へんさ:平均との差)を出し、x の偏差と y の偏差をかけ算します。

人勉強時間 x点 yx の偏差y の偏差偏差の積
114−2−24
225−1−11
337010
446100
558224
平均 3平均 6合計9

図の右上と左下の区画にある点は積がプラス、左上と右下はマイナスになります。偏差の積を合計してプラスになれば、積の平均もプラスです。右上がりの散布図では、普通右上と左下の点のプラスのほうが大きく、合計がプラスになります(点の個数だけでは決まりません)。この「偏差の積の平均」を共分散(きょうぶんさん)といいます。ここでは 9 ÷ 5 = 1.8 です。

共分散は単位(時間×点)や散らばりの大きさに左右されるので、x と y の標準偏差(散らばりの大きさ。ここではどちらも √2 ≒ 1.41)の積で割って、−1〜1 の数にそろえます。

相関係数 = 共分散 ÷(x の標準偏差 × y の標準偏差)
= 1.8 ÷(√2 × √2)= 1.8 ÷ 2 = 0.9

表計算ソフトウェアでは、CORREL 関数(例:=CORREL(B2:B6, C2:C6))で求められます。平均・分散・標準偏差の詳しい求め方は「代表値だいひょうちと散らばり」の単元で説明しています。

2468100123456勉強時間(時間)小テスト(点)+×+=+−×−=+−×+=−+×−=−x の平均 3y の平均 6
平均の線で4つに分けると、右上・左下は偏差の積がプラス、左上・右下はマイナス。

5. 相関係数だけで判断しない(外れ値・曲がった関係)

相関係数は便利ですが、1つの数にまとめた分、見落としも起きます。必ず散布図と一緒に見ましょう。

外れ値に引っぱられる:説明1の売店のデータに、運動会で売店が早く閉まった日(33℃・8個)を足すと、相関係数は 0.93 から 0.33 まで下がります。たった1つの外れ値(ほかから大きく離れた値)で、数が大きく変わることがあります。外れ値は、理由(記録のミスか、特別な日か)を調べてから、入れるか除くかを決め、どうしたかを書いておきます。

曲がった関係:月の平均気温と家庭の電気の使用量は、寒い月(暖房)も暑い月(冷房)も多いU字の形です。相関係数は −0.07 でほぼ 0 ですが、関係がないわけではありません。相関係数が表すのは直線的な関係の強さだけです。

02040608022263034最高気温(℃)アイス(個)外れ値が1つあると外れ値r:0.93 → 0.33(点線は外れ値がないときの直線)2002402803200102030月の平均気温(℃)電気の使用量(kWh)曲がった関係r = −0.07冷房と暖房で、両端が多い
左:外れ値1つで r が大きく変わる。右:r がほぼ 0 でも、曲がった関係があることがある。
1本だけ飛び抜けて高い棒グラフを、虫めがねで見て考える子ども
飛び抜けた値を見つけたら、まず「どうして?」と理由を調べる。

6. 相関があっても、原因とは限らない(疑似相関)

夏は、アイスの売上が多い日ほど、熱中症ねっちゅうしょうで運ばれる人も多くなります。2つの間には正の相関があります。でも「アイスを食べると熱中症になる」わけではありません。どちらも気温が高いことで増えているだけです。

このように、2つの量の両方に影響する第3の要因(交絡因子(こうらくいんし)ともいう)のせいで、直接の関係がないのに相関が出ることを疑似相関といいます。

「Aが原因でBが起こる」という関係を因果いんが関係(いんがかんけい)といいます。相関があっても、因果関係があるとは限りません。たまたまの一致や、原因と結果が逆のこともあります。因果関係を確かめるには、第3の要因をそろえて比べる(例:同じ気温の日同士で比べる)、実験をするなど、別の方法が必要です。

気温が高い第3の要因(交絡因子)アイスの売上熱中症で運ばれる人増える増える相関はあるでも、アイスが原因ではない(疑似相関)
気温という第3の要因が、両方を増やしている。
太陽から、アイスクリームと浮き輪の両方に矢印が伸び、どちらのグラフも増えている図
アイスの売上と海の浮き輪の売上が一緒に増えるのも、共通の理由(暑さ)があるから。

「相関がある」と「原因である」は別のこと。共通テストでも、散布図から言えること・言えないことの区別がよく問われます。

7. グループに分ける(層別)・まとめて見る(散布図行列)

公園の売店で13日分を調べると、まとめた相関係数は 0.58 でした。でも平日と休日で点の形を変えてみると、どちらも r = 0.95 の強い正の相関です。休日は来る人が多く、同じ気温でもたくさん売れるので、2本の帯に分かれていたのです。このように、データをグループ(層)に分けて分析することを層別(そうべつ)といいます。

調べたい項目が3つ以上あるときは、すべての組み合わせの散布図と相関係数を表の形に並べた散布図行列を作ると、どの組の相関が強いかを一度に見つけられます(相関係数だけを並べた表は相関行列ともいいます)。下の図では、アイスとホット飲料の間に −0.96 の強い負の相関がありますが、これも気温という第3の要因によるものと考えられます。

層別:平日と休日に分けると103050709020253035最高気温(℃)アイス(個)平日r = 0.95休日r = 0.95まとめるとr = 0.58散布図行列(3つの項目の、すべての組み合わせ)気温気温気温0.93−0.97アイスアイスアイス−0.96ホットホットホット右上:相関係数左下:散布図
層別すると、まとめたときには見えなかった関係が見えることがある。

ひとことで言うと散布図で形を見て、相関係数で強さをはかる。相関は原因とは限らない。

例題

例題1 散布図と相関係数を対応させる

次の散布図 A・B・C の相関係数は、0.9、0.5、−0.9 のどれかです。それぞれに当てはまる値を答えましょう。

散布図 A散布図 B散布図 C

例題2 相関係数を計算する

5日間の最高気温 x(℃)と、部活の後に売れた麦茶の数 y(杯)です。相関係数を求めましょう。

日12345
気温 x2224262830
麦茶 y3229383541

練習

1
相関係数としてあり得ない値はどれですか。
2
ある高校で、生徒のスマホの1日の使用時間と、睡眠すいみんの質のスコアを調べて散布図にしました。この散布図から読み取れることとして最も適当なものはどれですか。
0204060801000601201802403001日のスマホの使用時間(分)睡眠の質(100点満点)
3
x と y の共分散が 6、x の標準偏差が 2、y の標準偏差が 4 のとき、相関係数はいくつですか。
4
ある小学校で調べると、「足のサイズが大きい子ほど、知っている漢字の数が多い」という正の相関がありました。この理由として最も適当な考え方はどれですか。
5
散布図にほかから大きく離れた点(外れ値)が1つ加わりました。相関係数について正しいものはどれですか。

さわってみよう

点を動かして、相関係数を見る

点を指(マウス)で動かしてみましょう(グラフの上ではページがスクロールしないので、スクロールはグラフの外で)。点を直線の形に近づけると r はどうなるでしょう。「回帰直線かいきちょくせん」を押して直線を出してから、「外れ値を1つ足す」で、売店が早く閉まった日を足すと r と回帰直線はどう変わるか、予想してから押しましょう。「平均の線(4つの区画)」で、どの区画に点が多いかも見られます。

外れ値1つで、r も直線も大きく動きました。散布図を見ずに r だけで判断するのは危険です。

相関の強さの見本

r = 0.9、0.5、0、−0.5、−0.9 になるように作った20個の点です。切りかえて、点の集まり方と r の関係を目で覚えましょう。点を1つ動かすと、r がどれくらい動くかも試してみましょう。

やってみよう(共通テスト形式)

このサイトで作った問題です(過去の試験問題ではありません)。

市の地域活動委員の高校生 M さんは、市が公開しているオープンデータから、12 の地区の人口・公園の数・子ども(15 歳未満)の数・コンビニの数を集めた。

地区人口(千人)公園の数子どもの数(人)コンビニの数
A425903
B648303
C7810604
D9711805
E10815205
F12718508
G131014507
H151217009
I1711256011
J1916319010
K2218275013
L2619357017

M さんは表計算ソフトウェアで、4つの項目の組み合わせごとに相関係数を求め、次の表(相関行列)にまとめた。

人口公園の数子どもの数コンビニの数
人口10.960.960.98
公園の数0.9610.920.91
子どもの数0.960.9210.94
コンビニの数0.980.910.941
問1
相関行列から読み取れることとして最も適当なものを選べ。
問2
M さんは公園の数と子どもの数の散布図(下の図)を見て、「公園を増やせば、子どもが増える」と考えた。友人の N さんは「人口の多い地区ほど、公園も子どもも多いだけではないか」と指摘した。N さんが指摘していることとして最も適当なものを選べ。
0100020003000400005101520公園の数子どもの数(人)
問3
人口の大きさのちがいの影響をおさえて比べるには、どの2つの量の散布図を作るのが最も適当か。
問4
M さんが ② の2つの量で散布図を作ると、下の図のようになり、相関係数は −0.02 だった。この結果から言えることとして最も適当なものを選べ。
10121416180.40.60.81.01.2人口1000人あたりの公園の数子どもの割合(%)

この単元が出た過去問の解説

ちょっと寄り道:豆知識・こぼれ話

試験に出るとはかぎりませんが、知っていると情報がもっと面白くなる話です。

チョコレートを食べる国ほど、ノーベル賞が多い?

2012年、医学の専門誌に、国ごとの1人当たりの年間チョコレート消費量と、人口当たりのノーベル賞受賞者の数の間に強い正の相関(23か国で相関係数 約0.79)がある、という短い報告がのりました。では、チョコレートを食べると頭がよくなるのでしょうか。そうとは言えません。豊かな国ほどチョコレートをたくさん買えて、研究にもお金をかけられる、というように、別の要因が両方に関わっているかもしれないからです。この報告は、相関と因果を取り違える危うさを考える話題として、よく取り上げられています。

参考:F. H. Messerli, “Chocolate Consumption, Cognitive Function, and Nobel Laureates”, New England Journal of Medicine, 367 (2012)

相関係数がまったく同じ、形の違う4つの散布図

1973年、イギリスの統計学者フランシス・アンスコムは、11組ずつの4つのデータを作って発表しました。4つとも、x と y の平均値、分散、相関係数(約0.82)、回帰直線(y = 3 + 0.5x)がほとんど同じです。ところが散布図を描くと、1つは普通のばらつき、1つはきれいな曲線、1つは1点だけ外れた直線、1つは1点だけが遠くにある形と、まったく違います。「アンスコムの例(カルテット)」と呼ばれるこの例は、数字だけでなく必ず散布図を見よう、という教えとして有名です。

参考:F. J. Anscombe, “Graphs in Statistical Analysis”, The American Statistician, 27(1), 1973

わからなかったら、ここへもどる

あわせて読む

次はこれ

先生・おうちの方へ

つまずきやすい所:①相関係数の符号(向き)と絶対値(強さ)を混同する(−0.9 を「弱い」と読む)。②相関を因果と読んでしまう。③相関係数だけを見て、散布図で外れ値や曲がった関係を確かめない。

共通テストとのつながり:第4問では、散布図・相関係数の読み取りがよく出ており、散布図行列が出た回(2025年追・再試験)もあります。「散布図から言えること・言えないこと」の区別(相関と因果)、外れ値を除いたときの変化が問われやすい観点です。このページの問題・場面・数値はすべてこのサイトで作ったものです。

計算について:分散・標準偏差・共分散はデータの個数 n で割る式で示しています(n−1 で割っても、相関係数の値は同じになります)。表計算ソフトウェアの CORREL 関数と同じ値です。相関係数の強さの目安は資料によって少し違うため、「目安」として示しています。

ページの数値について:図・問題のデータはこのサイトで作った架空かくうのものです。相関係数・回帰直線は Python の fractions で計算して確かめています(verify/c4-sokan.py)。「相関の強さの見本」の点は、相関係数がちょうどその値になるように作っています。

授業で使うとき:「さわってみよう」で外れ値を足す前に、r がどうなるか予想させると、外れ値の影響が印象に残ります。「平均の線(4つの区画)」を出して、共分散の符号と点の多い区画の関係を確かめられます。

学習指導要領:情報Ⅰ (4)ア(ウ)・イ(ウ) / 参考:高等学校学習指導要領(平成30年告示)解説 情報編 情報Ⅰ (4)ア(ウ)・イ(ウ)(相関係数などの統計指標、相関関係や因果関係、交絡因子)、文部科学省「高等学校情報科『情報Ⅰ』教員研修用教材」第4章 学習22(量的データ間の関係、相関係数、CORREL 関数)