相関係数・回帰直線 計算ツール｜2変数の関係性を即時分析
2変数のデータから相関係数（ピアソン）と回帰直線（最小二乗法）の傾き・切片を計算。データ間の関係性を統計的に分析。
相関係数・回帰 計算機
計算式と前提
r ＝ Σ((xᵢ−x̄)(yᵢ−ȳ)) / √(Σ(xᵢ−x̄)² × Σ(yᵢ−ȳ)²) ／ 傾き a ＝ Σ((xᵢ−x̄)(yᵢ−ȳ)) / Σ(xᵢ−x̄)² ／ 切片 b ＝ ȳ − a × x̄ ／ R² ＝ r²
既定データ（X＝10〜100の10点、Y＝15〜102の10点）で追うと、平均は X̄＝55.00、Ȳ＝56.50 です。偏差の積和と各変数の平方和から基準化すると r＝0.9978、その2乗が R²＝0.9956 です。傾きは偏差積和を X の平方和で割って 0.9436、切片は Ȳ−a×X̄ で 4.6000、回帰直線は y ＝ 0.9436x + 4.6000 になります。標準偏差は不偏分散（n−1で割る形）を使うため、X が 30.277、Y が 28.633 と表示されます。
早見表と相関係数の解釈
既定データを入れたときの出力
ページを開いた時点で入っているデータに対して、計算機が表示する値の一覧です。ご自身のデータに入れ替えると、この欄がその場で更新されます。
| 項目 | 既定データでの値 |
|---|---|
| 相関係数 r | 0.9978 |
| 決定係数 R² | 0.9956 |
| 回帰直線 | y = 0.9436x + 4.6000 |
| サンプル数 n | 10 |
| X 平均 ／ Y 平均 | 55.00 ／ 56.50 |
| X 標準偏差 ／ Y 標準偏差 | 30.277 ／ 28.633 |
| 関係性の判定 | 正の非常に強い相関 |
r の絶対値と関係性の目安
| r の絶対値 | 関係性 |
|---|---|
| 0.0 〜 0.2 | ほぼ無相関 |
| 0.2 〜 0.4 | 弱い相関 |
| 0.4 〜 0.7 | 中程度の相関 |
| 0.7 〜 0.9 | 強い相関 |
| 0.9 〜 1.0 | 非常に強い相関 |
| 1.0 | 完全な相関（直線関係） |
相関と因果関係
「相関がある」≠「因果関係がある」。第3の変数（交絡因子）が両方に影響していることも。
相関係数と回帰直線の詳しい解説
相関係数が必ず−1から1の間に収まるのは、2変数の連動の強さを、それぞれのばらつきの大きさで割って基準化しているからです。分子の偏差積和は「X が平均より大きいとき Y も大きいか」を足し上げた量で、単位を掛け合わせた値です。これを X と Y の平方和の平方根で割ると単位が消え、身長と体重でも売上と気温でも同じ物差しで比べられます。決定係数 R² は「Y のばらつきのうち、直線で説明できた割合」です。既定データの 0.9956 は、Y の変動の99.6%が X で説明できることを意味します。ただしこれは当てはまりの良さであって、将来の予測が当たる保証ではありません。
実務で判断が分かれるのは「r がいくつなら相関があると言ってよいか」です。0.7以上を強い相関とする慣習はありますが、この閾値に統計的な根拠があるわけではなく、分野によって基準は違います。より重要なのはサンプル数です。n＝5 で r＝0.7 が出ることは偶然でも珍しくありませんが、n＝100 で同じ値なら偶然とは考えにくくなります。判断するときは r 単体ではなく、無相関検定の t 値や信頼区間と併せて見るのが筋です。既定データは n＝10、r＝0.9978 で t 値は約42.7になり、この規模でも偶然では説明が難しい水準にあります。
見落とされやすいのは、r が壊れやすい指標だという点です。極端な値が1点混じるだけで r は大きく動きますし、逆に本来は無関係でも外れ値のせいで高い値が出ることがあります。U字型のような曲線の関係では、明確な規則性があっても r はほぼ0になります。観測範囲が狭いと、強い関係があっても r は小さく出ます（範囲制限）。全体では正に見えても、グループごとに分けると符号が逆転することもあります。時系列データ同士は、どちらも時間とともに増えているというだけで高い相関を示しがちです。数値を読む前に必ず散布図を描いて、点の並び方を目で確認してください。
回帰直線については、向きと範囲に注意が必要です。y ＝ ax + b は「X から Y を説明する」ための式で、X と Y を入れ替えて計算すると別の直線になります。傾きは単純に逆数にはなりません。単位を変えると傾きと切片は変わりますが、r は変わりません。また観測した X の範囲を外れたところへ直線を伸ばす外挿は、根拠のない推定です。既定データは X が10〜100で得られた関係であり、X＝500 の予測には使えません。そして最も基本的な注意として、相関は因果を意味しません。第3の要因が両方を動かしている場合、片方に手を加えても結果は変わらないからです。実験ができない場面では、層別や統計的な調整で交絡の影響を減らす工夫が必要になります。
よくある間違い・注意点
- 相関があるから因果があると結論づける — 第3の要因が両方を動かしている可能性を先に検討してください。
- 散布図を見ずに r の値だけで判断する — 曲線の関係や外れ値の影響は、数値だけでは見えません。
- サンプル数を無視して閾値で判定する — n が小さいほど、高い r は偶然でも出ます。検定や信頼区間と併せて読んでください。
- 観測範囲の外に回帰直線を伸ばす — 既定データは X が10〜100の範囲の関係であり、その外側の予測には使えません。
- X と Y を入れ替えても同じ直線になると思う — 回帰は説明する向きが決まっており、傾きは逆数にはなりません。
参考資料・公的情報
- 総務省統計局 — 統計の作成と公表に関する一次情報
- なるほど統計学園（総務省統計局） — 相関・回帰の基礎解説
- e-Stat 政府統計の総合窓口 — 分析に使える公的データ
- 総務省 統計基準・統計制度 — 統計調査の設計と用語の基準
- 独立行政法人 統計センター — 統計データの提供と匿名データ
- 統計数理研究所 — 統計手法の研究機関
- 日本統計学会 — 統計検定と学術情報
- 日本産業標準調査会（JIS） — 統計用語および記号の規格
- 文部科学省 — 数学・情報分野の学習指導要領
※本ツールは標準的な統計式に基づく参考計算です。研究や業務上の判断には、検定や区間推定と併せて専門家の確認をお願いします。
よくある質問（FAQ）
既定のデータでは相関係数はいくつになりますか？
r＝0.9978、決定係数はR²＝0.9956、回帰直線はy＝0.9436x＋4.6000です。サンプル数は10、判定は「正の非常に強い相関」と表示されます。
r がいくつから「相関がある」と言えますか？
絶対値0.7以上を強い相関とする慣習はありますが、統計的な根拠のある閾値ではありません。同じ0.7でも n＝5 と n＝100 では意味がまったく違います。無相関検定や信頼区間と併せて判断してください。
決定係数 R² は何を表していますか？
Y のばらつきのうち、回帰直線で説明できた割合です。R²＝0.9956 なら Y の変動の99.6%が X で説明できることになります。当てはまりの良さを示す指標で、予測精度そのものの保証ではありません。
相関があれば原因と結果と言えますか？
言えません。第3の要因（交絡）が両方を動かしている可能性があります。時系列データ同士は、どちらも時間とともに増えているというだけで高い相関を示しがちです。
外れ値があるとどうなりますか？
r は1点の極端な値で大きく動きます。無関係なデータでも高い値が出たり、逆に強い関係が隠れたりします。計算する前に散布図で点の並びを確認してください。
X と Y を入れ替えても同じ回帰直線になりますか？
なりません。回帰は「X から Y を説明する」向きが決まっており、入れ替えると別の直線が得られます。傾きは単純な逆数にはなりません。なお相関係数 r は入れ替えても同じ値です。
標準偏差は n と n−1 のどちらで割っていますか？
n−1（不偏分散）で計算しています。既定データでは X が30.277、Y が28.633です。母集団全体のデータを扱う場合は n で割る式を使うため、値がわずかに変わります。
データが2組未満だとどうなりますか？
相関係数は計算できないため、各項目は「—」と表示され、判定欄に不足している旨が出ます。また X または Y の値がすべて同じ場合もばらつきが0になるため計算できません。