ピアソン相関係数計算
対応のある数値データからピアソンの r、決定係数、関係の強さを計算します。
ピアソンの積率相関
同じ長さのデータを、カンマ、空白、セミコロンで区切って入力してください。
数値を少なくとも二つ入力してください。
数値を少なくとも二つ入力してください。
ピアソン相関について
ピアソン相関係数は、二つの量的変数の線形関係の方向と強さを測ります。通常 r と書き、負の一から正の一までの値を取ります。正の係数は X が大きいほど Y も大きい傾向、負の係数は X が大きいほど Y は小さい傾向を示します。ゼロに近ければ線形の関連は弱いものの、強い非線形パターンが存在する可能性はあります。
計算では各観測値からその変数の平均を引いて中心化します。対応する偏差の積を合計し、二つの偏差平方和の積の平方根で割ります。この標準化により係数は測定単位に依存しません。例えば、すべての X に正の定数を掛けても r は変わりません。ただし対応の順序は重要で、最初の X は最初の Y、二番目は二番目に対応している必要があります。
計算機は r の二乗も表示します。単回帰の文脈では決定係数と呼ばれ、当てはめた線形関係によって説明される分散の割合を表します。二乗すると方向が消えるため、r が 0.8 と -0.8 のどちらでも r の二乗は 0.64 です。この記述的な割合を、一方の変数が他方によって引き起こされた割合と自動的に解釈してはいけません。
ピアソン相関は、観測が独立し、関係がおおむね線形で、極端な外れ値が把握されている場合に適しています。一組の特殊な値だけで係数が大きく変わることがあります。値の範囲が狭いと関係が弱く見え、異なる集団を混ぜると傾向が生まれたり逆転したりします。可能なら数値とともに散布図を確認してください。相関は因果関係を証明せず、この計算機は p 値や信頼区間を提供しません。そうした推測には標本サイズに関する仮定と明確な抽出過程が必要です。透明性のある記述計算、課題の確認、より詳しい統計モデルを使う前のデータ比較に利用してください。
ピアソン相関の例
各行に対応データと、その線形パターンから求まる相関を示します。
| 対応データ | ピアソンの r | 解釈 |
|---|---|---|
| X: 1,2,3,4,5; Y: 2,4,6,8,10 | 1.0000 | 完全な正の線形関係。 |
| X: 1,2,3,4; Y: 8,6,4,2 | -1.0000 | 完全な負の線形関係。 |
| X: 1,2,3,4,5; Y: 2,1,4,3,5 | 0.8000 | 強い正の線形関係。 |
ピアソンの r の求め方
- X の観測値を元の順序で入力します。
- 対応する Y の観測値を同じ順序で入力します。
- 両方のリストに同じ数の数値があることを確認します。
- 「ピアソン相関を計算」を選び、r、r の二乗、組数を確認します。
よくある質問
ピアソン相関がゼロとはどういう意味ですか?
データに線形の関連がないことを示します。r がゼロでも、曲線などの非線形関係は存在する場合があります。
どの程度なら強い相関ですか?
基準は分野や文脈で異なります。この計算機は大まかな説明ラベルを示しますが、実用上の重要性は専門知識に基づいて判断してください。
ピアソン相関で因果関係を証明できますか?
いいえ。交絡、選択、偶然、逆方向の関係でも相関は生じるため、因果の主張には適切な研究設計が必要です。
リストの長さが同じでなければならないのはなぜですか?
式は対応する観測値を使います。各 X には、同じ対象や測定から得た一つの Y が必要です。
外れ値はピアソンの r にどう影響しますか?
偏差の二乗を使うため、外れ値によって係数が大きく増減したり逆転したりします。散布図を見ると、少数の点が結果を支配していないか分かります。