検量線を Excel で描いて、レポートに「相関係数 r = 0.9991 で、良好な直線性が得られた」と書いたとします。ところが、残差を並べてみると、両端がマイナス、真ん中がプラスにきれいに弓なりに並んでいました。点は直線ではなく、ゆるやかな曲線に沿っていたのです。r が 0.999 を超えていても、こういうことは普通に起こります。逆に、3点しかない検量線では、r = 0.99 でも「x と y に関係がある」とさえ統計的には言えません。

この記事の答え
相関係数 r は、2つの量の直線的な関係の強さと向きを −1〜+1 で表す数で、x と y の共分散をそれぞれの標準偏差の積で割って求めます。切片のある直線回帰では r2 が決定係数 R2 に等しくなります。

r は計算こそ1行ですが、「何を測っている数なのか」を知らないと、検量線の評価にも分析法の比較にも使い方を誤ります。この記事では、定義式を検量線のデータで手計算し、なぜ −1〜+1 に収まるのか、決定係数とどこが同じでどこが違うのか、0.999 でも直線と言えない理由、点の数による有意性の判定、外れ値と濃度範囲の影響までを順に確かめます。最小二乗法の公式と決定係数の導出は最小二乗法の記事に任せ、ここでは相関係数そのものに集中します。

この記事で学ぶこと
・相関係数 r の定義(共分散 ÷ 標準偏差の積)と、検量線データでの手計算
・r が −1〜+1 に収まる理由と、単位や x・y の入れ替えで変わらない理由
・決定係数 R2 との関係(切片ありなら一致、原点を通す回帰では不一致)
・r = 0.999 でも直線とは限らない理由、外れ値と範囲で r が動く理由、有意性の検定
・スピアマンの順位相関、相関と因果、2つの分析法の比較、Excel の CORREL・PEARSON・RSQ

相関係数とは:直線的な関係の強さと向き

相関係数(correlation coefficient)にはいくつか種類がありますが、ふつう「相関係数」と言えばピアソンの積率相関係数(Pearson product-moment correlation coefficient)r のことです。Excel の CORREL 関数・PEARSON 関数が返すのもこれです。

定義式:共分散 ÷ 標準偏差の積

n 組のデータ (xi, yi) について、最小二乗法の記事と同じ記号で偏差平方和と偏差の積和を作ります。

Sxx = Σ(xi − x)2      Syy = Σ(yi − y)2      Sxy = Σ(xi − x)(yi − y)

         Sxy              sxy
r = ——————————  =  ———————     (sxy = Sxy/(n − 1):共分散、sx = √[Sxx/(n − 1)]:標準偏差)
     √(Sxx Syy)          sx sy

右の形が「共分散 ÷ 標準偏差の積」です。分子の共分散は、x が平均より大きいときに y も平均より大きい(同じ向きにずれる)点が多ければ正、逆向きが多ければ負になります。ただし共分散の大きさは単位に左右されます。濃度を mg L−1 で書くか mol L−1 で書くかで値が10万倍以上も変わってしまい、強い・弱いの物差しになりません。そこで x と y それぞれの散らばり(標準偏差)で割って、単位を消したものが r です。

標準偏差は 標準偏差と標準誤差の記事と同じく n − 1 で割った s を使っていますが、共分散も n − 1 で割るので、分子と分母で打ち消し合います。n で割る流儀の本でも、分子と分母を同じ流儀でそろえていれば r は同じ値になります。左の形(Sxy/√(SxxSyy))で計算すれば、この割り算自体が要りません。

なぜ −1〜+1 に収まるのか

x の偏差を並べた列 (x1 − x, x2 − x, …) と、y の偏差の列を、それぞれ n 次元の矢印(ベクトル)と見ます。すると Sxy は2本の矢印の内積、√Sxx と √Syy はそれぞれの長さです。内積を長さの積で割ったものは、2本の矢印のなす角 θ の cos θ にほかなりません。

r = (x の偏差ベクトル · y の偏差ベクトル) / (|x の偏差ベクトル| × |y の偏差ベクトル|) = cos θ

cos は −1 から +1 の間の値しかとらないので、r も必ずこの範囲に入ります(代数的にはコーシー・シュワルツの不等式 Sxy2 ≤ SxxSyy のことです)。r = +1 は2本の矢印が同じ向き、つまり y の偏差が x の偏差の正の定数倍で、すべての点が右上がりの1本の直線にぴったり乗る場合です。r = −1 は右下がりの直線、r = 0 は矢印が直交していて、直線的な傾向がまったく無い場合です。

この見方から、r の性質が2つ読み取れます。1つ目は、x と y を入れ替えても r は変わらないことです。内積は順番によりません。y を x に回帰した直線と x を y に回帰した直線は別物でしたが(最小二乗法の記事の「なぜ縦方向のずれなのか」)、r はどちらから見ても1つです。2つ目は、x や y を定数倍したり定数を足したりしても r は変わらないことです。偏差をとると足した定数は消え、正の定数倍は矢印の長さを変えるだけで角度を変えません(負の数を掛けると符号だけが反転します)。濃度の単位を mg L−1 から mol L−1 に直しても、吸光度を100倍しても、r は小数の最後の桁まで同じです。

r の値と散布図の見え方

数字だけでは感覚がつかみにくいので、r がちょうど決まった値になるように作った25点のデータを並べます(図1)。

相関係数rの値と散布図の見え方を比べた6枚のグラフ。r=0.99は点がほぼ直線上、r=0.90は細い帯、r=0.50は傾向は見えるが大きくばらつく、r=0は傾向なし、r=マイナス0.90は右下がりの帯。右下の放物線(U字形)のデータは x と y が完全に関係しているのに r=0 になる

目で見て「きれいな直線」と感じるのは 0.99 あたりからで、0.90 でも点はかなり散らばっています。注目してほしいのは右下の U 字形です。y は x で完全に決まっている(y = (x − 0.5)2)のに、r はちょうど 0 です。左半分の右下がりと右半分の右上がりが打ち消し合うからです。r が測っているのは「直線的な」関係の強さだけで、r = 0 は「関係が無い」ではなく「直線的な傾向が無い」という意味にすぎません。

例題1:検量線のデータで r を手計算する

以下の例題の数値は、計算の練習のために作った仮の値です。すべて Python(scipy)で計算し直して確かめています。

例題1:ある化合物の標準液を光路長 1.00 cm のセルで測り、次の吸光度を得た。濃度と吸光度の相関係数 r を求めよ。

濃度 x(mg L−1) 0 2 4 6 8 10
吸光度 y 0.003 0.104 0.198 0.305 0.397 0.503
例題1の解答

① 和を作る:n = 6、Σx = 30、Σy = 1.510、Σx2 = 220、Σy2 = 0.553672、Σxy = 11.036。平均は x = 5、y = 0.25167。
② 偏差の和:Sxx = 220 − 302/6 = 70、Sxy = 11.036 − 30 × 1.510/6 = 3.486、Syy = 0.553672 − 1.5102/6 = 0.1736553。
③ 相関係数:r = 3.486 / √(70 × 0.1736553) = 3.486 / 3.48653 = 0.99985。
④ 共分散の形でも:sxy = 3.486/5 = 0.69720、sx = √(70/5) = 3.74166、sy = √(0.1736553/5) = 0.186363 から 0.69720 / (3.74166 × 0.186363) = 0.99985 で一致する。

手計算で気をつけたいのは途中の桁です。r が 1 に近いとき、情報は「1 からどれだけ離れているか」の小さな差に入っています。③で Syy を 3桁の 0.174 に丸めると r = 0.99886、4桁の 0.1737 でも 0.99972 になり、正しい 0.99985 から下2〜3桁が変わってしまいます。4桁で切り捨てて 0.1736 とすると r = 1.00001 となり、1 を超える「ありえない値」まで出ます。途中は最低でも答えより2〜3桁多く持ち、最後に丸めます(桁の考え方は有効数字の記事)。和の形 Σy2 − (Σy)2/n は近い大きさの数どうしの引き算になるので、桁を落としやすい点も最小二乗法の手計算と同じです。

決定係数 R2 との関係

Excel の近似曲線に出る R2(決定係数、coefficient of determination)と、CORREL で出る r は、検量線ではたいてい「R2 = r2」の関係にあります。ただし、いつでも成り立つわけではありません。

切片のある直線回帰なら r2 = R2 になる理由

決定係数は「y のばらつき(総平方和 SStot = Syy)のうち、直線で説明できた部分(回帰平方和 SSreg)の割合」でした(定義と平方和の分解は最小二乗法の記事の「決定係数 R2 の意味と限界」)。最小二乗法の直線では、直線上の値の偏差は ŷi − y = b1(xi − x)、傾きは b1 = Sxy/Sxx なので、

SSreg = Σ(ŷi − y)2 = b12 Sxx = Sxy2 / Sxx

R2 = SSreg / SStot = Sxy2 / (Sxx Syy) = r2

となり、相関係数の定義式の2乗がそのまま出てきます。例題1なら r2 = 0.999852 = 0.99970 で、1 − SSres/SStot で計算した R2 も 0.99970 です。同じ式から、傾きの符号と r の符号がいつも一致すること(どちらも Sxy の符号)も分かります。

この一致には条件が2つ隠れています。①当てはめたのが直線で、②切片も自由に決めた(重心を通る)最小二乗法であることです。どちらかが外れると、R2 は r2 と別の数になります。

r と R2 は何が違うのか

比べる点 相関係数 r 決定係数 R2
何についての数か 2つの量 x・y の関係そのもの(モデルを決める前に計算できる) 当てはめた式(モデル)がどれだけ y を説明したか
範囲と符号 −1〜+1。符号が関係の向き(右上がり・右下がり)を表す 通常 0〜1。向きの情報は無い
x と y の入れ替え 変わらない 直線(切片あり)なら変わらないが、式の形しだいで変わる
曲線・多変数 直線的な関係しか測れない 2次式や重回帰にも定義できる
Excel CORREL・PEARSON 近似曲線の R-2乗値、LINEST の3行1列目。RSQ は r2 を返す

2次式で当てはめたときの R2 は、x と y の相関係数の2乗ではありません。最小二乗法で切片を含めて当てはめた式なら、R2 は「y と、式で計算した ŷ の相関係数」の2乗に等しくなります。直線のときは ŷ が x の1次式なので、これが x と y の相関に戻る、というのが上の一致の別の見方です。Excel の回帰分析ツールが出す「重相関 R」(英語版の Multiple R。Harvey の教科書は直線回帰でこれを相関係数 r として説明しています)も、この y と ŷ の相関のことです。R2 の正の平方根として出るので、傾きが負のデータでも重相関 R は正の値になり、符号を知りたければ CORREL を使います。

原点を通す回帰では一致しない

例題2:例題1の吸光度すべてに、試薬由来のブランクの上乗せ 0.030 が乗った検量線(0.033、0.134、0.228、0.335、0.427、0.533)を考える。(1)CORREL と RSQ の値、(2)近似曲線の切片を 0 に固定したときのグラフの R2、(3)その直線で吸光度 0.250 の試料を読んだ濃度を、切片ありの直線と比べよ。

例題2の解答

(1)全点に同じ数を足しても r は変わらないので、CORREL は例題1と同じ 0.99985、RSQ は 0.99970。切片ありの直線は傾き 0.04980、切片 0.03267。
(2)原点を通す直線の傾きは Σxy/Σx2 = 0.05425。バージョン 2005(2020年5月)以降の Excel のグラフに出る R2 は 0.99678 で、まだ 0.997 と高い。同じ当てはめを通常の定義(1 − 残差平方和/Syy)で計算すると 0.98797 まで下がり、それより前の Excel のグラフにはこちらの値が出る。RSQ はどの直線を引いたかを知らないので、0.99970 のまま。
(3)切片ありでは (0.250 − 0.03267)/0.04980 = 4.364 mg L−1、原点を通す直線では 0.250/0.05425 = 4.608 mg L−1 で、約 5.6% 大きく出る。

Microsoft の解説「Changes to internal calculations of linear trendlines in a chart」によると、バージョン 2005(2020年5月)以降の Excel では、切片を 0 に固定した近似曲線の R2 は、平均からではなく 0 からの2乗の和(近似値の2乗の和 ÷ 測定値の2乗の和)で計算されます。LINEST で定数を FALSE にしたときの r2 も同じく y の値そのものの2乗の和で計算されます(Microsoft の LINEST の解説)。0 から測れば y の「ばらつき」は大きく見えるので、当てはまりが悪くなっても R2 は高く出やすくなります。こうして、RSQ(0.99970)、グラフの R2(0.99678)、通常の定義の R2(0.98797)という3つの数が並ぶことになります。切片を 0 に固定してよいかの判断は、まず切片が 0 と区別できるかを確かめるのが先です(最小二乗法の記事の例題2、Excel の近似曲線の記事の「切片を0に固定してよいか」)。レポートに R2 を書くときは、切片を固定したかどうかも書く、が実用上の結論です。

「9 の数」で比べてはいけない理由

検量線の r は 0.99 台、0.999 台、0.9999 台と「9 の数」で語られがちです。けれども、r が 1 に近いところでは、値の差が実際の当てはまりの差を正しく伝えません。当てはまりの悪さを表すのは、y のばらつきのうち直線で説明できずに残った割合 1 − r2 のほうです。

r R2 = r2 説明できずに残った割合 1 − r2 √(1 − r2)(残差の散らばり ÷ y の散らばり の目安)
0.99 0.9801 2.0% 0.141
0.995 0.9900 1.0% 0.100
0.999 0.9980 0.20% 0.045
0.9995 0.9990 0.10% 0.032
0.9999 0.9998 0.020% 0.014

r が 0.99 から 0.999 になると、数字の上では 0.009 しか変わりませんが、説明できずに残ったばらつきは 10分の1 になっています。逆に、√(1 − r2) の列を見ると、r = 0.999 の検量線でも、点は直線のまわりに「y の全体の散らばりの約 4.5%」程度ずれていることが分かります(正確には自由度の補正が入り、例題1では残差の標準偏差 0.00362 が y の標準偏差 0.186 の 1.94% です)。r を比べるなら 1 − r2 で、検量線の精度を語るなら r ではなく残差の標準偏差 sr と傾きの信頼区間で、というのが筋です。

r=0.999 でも直線とは限らない

Harvey の教科書は、ほとんどの直線の検量線で相関係数は +1 にとても近く、ふつう 0.99 以上になると述べたうえで、r の意味を信じすぎる傾向があると注意し、r = 0.993 なのに明らかに曲がっているデータの例を示しています。結論は「相関係数に惚れ込むな(do not fall in love with the correlation coefficient!)」です。英国王立化学会の分析法委員会(AMC)も 1988 年の報告で、r が分析データの解釈で誤用されやすく、高い r は直線関係の証明にならないとしています。

実験でよく出会う形で確かめます。濃度を 0〜20 mg L−1 まで広げた検量線で、高濃度側で吸光度が少しずつ頭打ちになる(線が寝てくる)データです。高濃度で吸光度が直線からずれる理由はランベルト・ベールの法則の記事で扱っています。

濃度(mg L−1) 0 4 8 12 16 20
吸光度 0.004 0.196 0.386 0.559 0.728 0.881
直線からの残差 −0.0154 +0.0007 +0.0149 +0.0121 +0.0053 −0.0176

このデータの r は 0.99913 で、「0.999 を超えたから良好」と書いてしまいそうな値です。ところが残差は、両端が負、真ん中が正の弓形にきれいに並びます(図2)。

r=0.999でも直線とは限らないことを示す図。左は濃度0から20 mg/Lの検量線で、高濃度で吸光度が頭打ちになるデータに直線を当てはめると r=0.99913。右は残差プロットで、曲がった検量線の残差はマイナス0.015、プラス0.001、プラス0.015、プラス0.012、プラス0.005、マイナス0.018と弓形に並ぶ。比較として例題1の直線の検量線の残差は0を中心に不規則に散らばる

なぜ r がこれほど高いままなのでしょうか。r2 は「説明できたばらつき ÷ 全体のばらつき」で、分母の全体のばらつき Syy は、濃度範囲が広いほど大きくなります。曲がりによるずれ(±0.015 程度)は、0 から 0.88 まで動く y の全体に比べればわずかなので、割合にすると 0.2% 以下にしかなりません。r は「ずれが全体に比べて小さいか」しか見ておらず、「ずれに規則性があるか」は見ていないのです。規則性を見るのは、残差を x に対して描いた残差プロット(residual plot)の仕事です。比較のために重ねた例題1の残差は、0 のまわりに符号がばらばらに散らばっていて、これが「直線+偶然の誤差」の残差の姿です。

弓形が見えたら、次のどれかで対処します。①直線とみなせる範囲に絞る(どこまで絞るかは、絞った範囲の残差に規則的な並びが残らず、大きさが標準液の繰り返し測定のばらつきと同じ程度になるかで決めます)。②試料を希釈して低濃度側で測る。③曲がる理由がはっきりしていて範囲の中で使うなら、2次式などで当てはめる(理由の無い高次式は使わない。Excel の近似曲線の記事の多項式近似の注意)。検量線の記事で「R2 が 0.999 だから範囲の外でも直線だと考える」を間違いとして挙げたのは、範囲の中でさえ r が直線性を保証しないからでもあります。

回帰直線も r もほぼ同じなのに、グラフにするとまったく違う4組のデータ(アンスコムの例)も同じことを示しています。4組とも r は 0.816 で一致しますが、1組は直線+ばらつき、1組はなめらかな曲線、1組は1点の外れ値、1組は1点だけで傾きが決まっています。4組の図は最小二乗法の記事の図3にあります。

分析法バリデーションでは r と一緒に何を出すか

医薬品の分析法の評価方法を定めた国際ガイドライン ICH Q2(R2)(2023年採択)は、直線的な応答を評価するとき、データのプロット、相関係数または決定係数、y 切片、回帰直線の傾きを示すよう求め、実測点の回帰直線からのずれの解析(残差プロットに規則的なパターンが無いか)が直線性の評価に役立つとしています。直線性の評価には範囲に適切に分布した少なくとも5濃度を勧めています。r は提出物の1つにすぎず、プロットと残差とセットで読むものだ、という位置づけです。なお、このガイドラインは「r がいくつ以上なら合格」という数値を示していません。検出限界・定量限界を含む分析法バリデーションの全体は検出限界と定量限界の記事で扱っています。

r を大きく動かす2つのもの:濃度範囲と外れ値

濃度範囲:同じ装置でも範囲を広げれば r は上がる

先ほどの理由をそのまま裏返すと、測定のばらつきが同じでも、x の範囲を広げるだけで r は 1 に近づくことになります。最小二乗法の記事の例題2(0〜5 mg L−1)と例題3(0〜1 mg L−1)は、残差の標準偏差がほぼ同じ(0.00243 と 0.00255)なのに、r は 0.99993 と 0.99814 でした。範囲の狭い検量線の r が低いのは、測り方が悪いからではなく、y の全体の散らばりが小さいからです。r の値で2つの検量線の「良さ」を比べられないのはこのためで、比べるなら範囲と点の数をそろえるか、残差の標準偏差どうしで比べます。

外れ値:1点で r が下がることも、上がることもある

例題3:例題1の 6 mg L−1 の標準液で希釈を誤り、吸光度が 0.305 ではなく 0.250 と記録された。r と残差はどう変わるか。

例題3の解答

r は 0.99985 から 0.99369 に下がる。それでも 0.99 台で、r だけを見ると「やや悪いが良好」に見える。残差は +0.0056、+0.0085、+0.0045、−0.0415、+0.0075、+0.0154 で、6 mg L−1 の点だけが他の点の約3〜9倍外れているうえ、この1点に引っぱられて直線全体が下がり、ほかの5点の残差がすべて正になっている。6 mg L−1 の点を除いた5点では r = 0.99989、傾き 0.04974 で、元の傾き 0.04980 とほぼ同じに戻る。

1点の値が 18% も間違っていても、r は 0.994 にとどまります。r は外れ値を見つける道具としては鈍いのです。外れ値は残差を並べれば一目で分かります。ただし、統計の数字だけを理由に点を除いてはいけません。まず実験ノートで希釈・ピペット操作・セルの汚れなどの原因を確かめ、原因が分からないときの扱い方は外れ値の検定(グラブス検定とQ検定)の記事で扱います。

例題4:低濃度の標準液 1.0、1.2、1.4、1.6、1.8 mg L−1 の吸光度が 0.062、0.055、0.071、0.060、0.068 だった。この5点の r を求めよ。次に、10.0 mg L−1 の標準液(吸光度 0.502)を1点加えた6点の r を求めよ。

例題4の解答

低濃度の5点だけでは r = 0.421 で、後で述べる検定(自由度3)では p = 0.48 と、濃度と吸光度の関係さえ確認できない(傾き 0.0085 は本来の傾きの約6分の1)。10.0 mg L−1 の1点を加えると、r = 0.99734 に跳ね上がり、傾きは 0.05075 になる。6点の r が高いのは、低濃度の5点がよく測れたからではなく、遠く離れた1点と低濃度の塊とを結ぶ直線がほぼ決まってしまうからである。

外れ値とてこの点が相関係数を動かす様子を示す2枚のグラフ。左は例題1の検量線で6 mg/Lの点を0.250と誤記録すると、rは0.99985から0.99369に下がるが0.99台にとどまり、残差はその点だけマイナス0.042と大きく外れる。右は低濃度の5点だけではr=0.421なのに、10 mg/Lの1点を加えるとr=0.997に跳ね上がる

例題4のように、ほかの点から遠く離れた1点をてこの点(leverage が大きい点)と呼びます。重心から遠い点ほど傾きを強く決める、という最小二乗法の性質(傾きは各点に重み xi − x を掛けた和)が、r にもそのまま効いています。検量線の標準を低濃度に固めて、最高濃度だけ離して置くと、r は高く出ても、肝心の低濃度域の傾きは確かめられていない、ということが起こります。標準は試料の濃度を挟んで範囲の中に均等に置くのが基本です。

r の有意性の検定:点が少ないと r=0.99 でも意味がない

データが偶然そう並んだだけでも、r は 0 にはなりません。特に点が少ないと、本当は関係が無くても、たまたま大きな r が出ます。極端な例として、点が2つなら(x も y も2点で値が違うとき)、どんなデータでも r は必ず +1 か −1 です。「この r は偶然で説明できる大きさか」を判定するのが、相関係数の有意性の検定です。

t = r√(n − 2)/√(1 − r2) と自由度 n − 2

帰無仮説を「母集団の相関係数 ρ は 0(x と y に直線的な関係は無い)」とします。x と y が2変量正規分布に従い、各組が独立なら、次の t は自由度 ν = n − 2 の t 分布に従います。

        r √(n − 2)
t = ———————————        自由度 ν = n − 2
       √(1 − r2)

|t| が t 分布の臨界値(両側 5%)より大きければ「ρ = 0 とはいえない(有意な相関がある)」

自由度が n − 2 なのは、回帰直線の残差の標準偏差を n − 2 で割るのと同じ理由です。実はこの t は、回帰直線の傾きを、その標準誤差で割った t(b1/sb1)と同じ値になります。例題1では、r から計算した t も、傾き 0.04980 を標準誤差 0.000433 で割った値も 114.97 です。「相関が 0 か」と「傾きが 0 か」は同じ問いだからです。最小二乗法の記事の傾きの相対標準誤差の式 sb1/b1 = √[(1 − R2)/((n − 2)R2)] の逆数をとると、この t の式が出てきます。LINEST が返す F 値(例題1なら 13,218)はこの t の2乗で、回帰の分散分析の F です(F と分散分析の関係は分散分析(一元配置ANOVA)の記事)。

t の式を r について解くと、有意になる r の境目(臨界値)が点の数ごとに決まります。scipy で t 分布の値から計算した表です(rc = tc/√(tc2 + n − 2))。

点の数 n 自由度 ν t の臨界値(両側 5%) |r| の臨界値(両側 5%) |r| の臨界値(両側 1%)
3 1 12.706 0.9969 0.9999
4 2 4.303 0.9500 0.9900
5 3 3.182 0.8783 0.9587
6 4 2.776 0.8114 0.9172
8 6 2.447 0.7067 0.8343
10 8 2.306 0.6319 0.7646
15 13 2.160 0.5140 0.6411
20 18 2.101 0.4438 0.5614
30 28 2.048 0.3610 0.4629

3点の検量線では、r が 0.9969 を超えないと 5% で有意になりません。r = 0.99 なら t = 7.02、p = 0.090 で、「濃度と吸光度に関係がある」とさえ言えないのです。点が少ないうちは、2点を結べば必ず直線になるのと同じ理屈で、偶然でも点が直線に近く並びやすいからです。逆に 30 点あれば、r = 0.37 でも有意になります。同じ r でも、点の数で意味がまったく変わるので、r を書くときは必ず n を添えます。t 分布と自由度の考え方はt 検定の記事で扱っています。

例題5:10 ロットの原料について、含水率と、HPLC で測った分解物のピーク面積比の相関係数を計算すると r = 0.62 だった。5% の有意水準で、相関があると言えるか。

例題5の解答

t = 0.62 × √8 / √(1 − 0.622) = 1.754 / 0.785 = 2.235。自由度 8 の t の臨界値(両側 5%)は 2.306 なので |t| < 2.306 で、有意ではない(p = 0.056)。表の |r| の臨界値 0.6319 と比べても同じ結論になる。「含水率が分解に関係していない」と結論するのではなく、「このデータからは相関があるとはいえない」と書き、ロットを増やすか、含水率の幅を広げた試験を計画する。

検量線で「有意な相関」を言っても意味が薄い

有意性の検定が答えるのは「ρ = 0 か」という問いだけです。検量線では、濃度と信号に関係があることは測る前から分かっているので、例題1の p = 3.4 × 10−8 のような結果を書いても、検量線の良さは何も示せません。Harvey の教科書も、回帰の分散分析の p 値は、不適切な検量線であっても小さくなりやすいと注意しています。検定が役に立つのは、例題5のように関係があるかどうか自体が分からない2つの量を調べるときです。検量線の評価には、残差プロット・残差の標準偏差・傾きと切片の信頼区間を使います。

スピアマンの順位相関係数:直線でなくても単調なら 1

ピアソンの r は直線的な関係しか測れませんでした。「x が増えれば y も増える(曲がっていてもよい)」という単調な関係の強さを測りたいときは、値を順位に置き換えてから相関をとるスピアマンの順位相関係数 rs(Spearman’s rank correlation coefficient)を使います。ρ と書く本も多いのですが、この記事では ρ を母集団の相関係数に使っているので、rs と書きます。

rs = (x の順位と y の順位のピアソンの相関係数)

同順位が無いときは       rs = 1 − 6Σdi2 / [n(n2 − 1)]      (di:各組の x の順位と y の順位の差)

例題6:活性炭に色素を吸着させ、平衡濃度 0.5、1、2、4、8、16 mmol L−1 で吸着量 0.667、1.000、1.333、1.600、1.778、1.882 mmol g−1 を得た(濃度が上がると頭打ちになるラングミュア型)。ピアソンの r とスピアマンの rs を求めよ。

例題6の解答

ピアソンの r = 0.812。点が曲線に沿っているので、直線の物差しでは 1 から遠い値になる。スピアマンでは、x の順位も y の順位も 1、2、3、4、5、6 で完全にそろうので、すべての di = 0、rs = 1 − 0/(6 × 35) = 1。吸着量は濃度とともに一方向に増え続けているので、単調な関係としては完全である。仮に最後の2点の大小が測定のばらつきで入れ替わると Σdi2 = 2 で、rs = 1 − 12/210 = 0.943 になる。

スピアマンの rs は、値そのものではなく順位しか使わないので、外れ値の影響を受けにくいという長所もあります。例題3の誤記録の点は、0.250 でも順位は4位のままなので、rs は 1 のままです。その代わり、直線かどうか、傾きがいくつかは何も教えてくれません。検量線の評価に使うものではなく、「順序の関係があるか」を調べる道具です。曲がった関係を直線に直して扱いたいときは、理論式に合わせて軸を変換する方法(片対数グラフ・両対数グラフの記事)を先に考えます。

相関と因果、相関と一致

相関があっても原因とは限らない

r が大きくても、x が y の原因であるとは限りません。実験室でよくあるのは、両方を動かしている第3の量が隠れている場合です。たとえば、1日かけて試料を順に測ったとき、HPLC のベースラインの高さと、試料の測定値の両方が少しずつ上がっていけば、2つの間に高い相関が出ます。けれども原因はどちらでもなく、室温の変化や装置のドリフトといった「時間とともに変わるもの」かもしれません。検量線の標準を低濃度から順に測ると、ドリフトが濃度と同じ向きに乗って傾きを偏らせるのも、同じ構造です(最小二乗法の記事の前提の表)。相関から原因を主張したいなら、ほかの条件を固定して x だけを変える実験で確かめます。

2つの分析法の比較:r が高くても一致しているとは限らない

新しい分析法を既存の方法と比べるとき、同じ試料を両方で測って散布図を描き、「r = 0.9999 で両法はよく一致した」と書くレポートを見かけます。これは誤りです。r は「直線的に連動しているか」を見るだけで、「同じ値が出るか」は見ていません。方法 B が方法 A のちょうど 1.10 倍の値を出しても、r は 1 です。臨床測定の分野で Bland と Altman が 1986 年に指摘したのも、この「相関」と「一致(agreement)」の取り違えでした。

例題7:8 つの試料を方法 A と方法 B で測り、次の値(mg L−1)を得た。A:12.1、25.4、38.0、50.6、63.2、75.9、88.1、101.3。B:13.4、27.0、41.2、55.1、68.0、82.4、94.6、109.5。両法は一致していると言えるか。

例題7の解答

r = 0.99993 で、直線的にはほぼ完全に連動している。しかし B を A に回帰した直線の傾きは 1.0780(95% 信頼区間 1.078 ± 0.012)で、1 を含まない。B/A の比は 1.063〜1.107、平均 1.082 で、B はどの試料でも A より約 8% 高い。差 B − A(平均 4.58 mg L−1)について対応のある t 検定をすると t = 5.28(自由度 7)、p = 0.0012 で、偶然では説明しにくい。両法は「よく相関している」が「一致している」とは言えず、比例的な系統誤差(校正の違いなど)を疑う。

2つの方法を比べるときに見るべきなのは、差(または比)とその散らばりです。差を2法の平均に対してプロットすれば(Bland と Altman の提案した図)、差が濃度とともに大きくなるか(比例的な誤差)、一定か(一定の誤差)も見えます。例題7では差が 1.3 から 8.2 まで濃度とともに増えていて、比例的な誤差であることが分かります。比例的な誤差と一定の誤差の区別は検量線の記事の「誤差を2種類に分ける」、対応のある t 検定はt 検定の記事で扱っています。

Excel で求める:CORREL・PEARSON・RSQ

例題1のデータを A2:A7 に濃度、B2:B7 に吸光度として入れた場合です。関数の書式は Microsoft の公式サポートの表記に合わせています。

関数(書式) 返す値 例題1での値
CORREL(配列1, 配列2) ピアソンの相関係数 r =CORREL(A2:A7,B2:B7) → 0.99985
PEARSON(配列1, 配列2) 同じ r =PEARSON(A2:A7,B2:B7) → 0.99985
RSQ(既知の y, 既知の x) r の2乗(切片ありの直線の R2 と同じ) =RSQ(B2:B7,A2:A7) → 0.99970
T.DIST.2T(x, 自由度) t から両側の p 値 例題5:=T.DIST.2T(2.235,8) → 0.056
RANK.AVG(数値, 範囲, [順序]) 順位(同順位は平均の順位) スピアマンの準備に使う

CORREL と PEARSON は同じ値を返します。r は x と y を入れ替えても変わらないので、この2つは引数の順番を気にしなくて構いません。RSQ は SLOPE・INTERCEPT と同じく「y を先、x を後」の書式ですが、r2 も入れ替えで変わらないので、値は同じです。気をつけたいのは空のセルと 0 の扱いです。Microsoft の解説によると、範囲の中の文字列・論理値・空白のセルは無視されますが、0 は数値として計算に入ります。また、2つの範囲の要素数が違うと #N/A、どちらかの標準偏差が 0(全部同じ値)だと CORREL は #DIV/0! を返します。

有意性の p 値を出すには、t をセルで計算してから T.DIST.2T に渡します。T.DIST.2T は x に負の数を入れると #NUM! を返すので、r が負のときは絶対値をとります。

C1 に r       =CORREL(A2:A7,B2:B7)
C2 に n       =COUNT(A2:A7)
C3 に t       =ABS(C1)*SQRT(C2-2)/SQRT(1-C1^2)
C4 に p 値    =T.DIST.2T(C3,C2-2)

Excel にはスピアマンの順位相関係数を直接返す関数がありません。D 列に =RANK.AVG(A2,$A$2:$A$7)、E 列に =RANK.AVG(B2,$B$2:$B$7) と入れて順位の列を作り、=CORREL(D2:D7,E2:E7) とします。RANK.AVG は順序を省略すると大きい順(降順)に順位を付けますが、x と y の両方を同じ向きで付けていれば結果は同じです。同順位があれば平均の順位が返るので、同順位を含むデータでも「順位のピアソン相関」というスピアマンの定義どおりの値になります。

よくある間違い

よくある間違い
・r = 0.999 だから直線だと結論する。直線かどうかは残差プロットで判断する
・r の値で範囲や点の数の違う検量線の良さを比べる。範囲を広げるだけで r は上がる
・r が高いことを「2つの分析法が一致した」根拠にする。一致は差や比で見る
・切片を 0 に固定したグラフの R2 を、CORREL の2乗と同じものとして扱う
・r = 0 を「関係が無い」と読む。曲がった関係では r = 0 でも強い関係がありうる

レポートで r を書くときの書き方もまとめておきます。①r と R2 のどちらを書いたかを明記する(0.9998 が r なのか R2 なのかで意味が違う)、②点の数 n と濃度範囲を添える、③途中で丸めず、r は 0.9998 のように 1 との差が読める桁まで書く(1.000 と丸めない)、④検量線なら r だけでなく、傾き・切片とその信頼区間、残差の標準偏差、残差プロットを付ける。表とグラフの体裁はレポートの表・グラフの書き方、考察の書き方は実験レポートの書き方を参照してください。

試験での問われ方

大学の分析化学・物理化学実験の試験や院試では、相関係数は次のような形で問われます。

  • 計算:5〜6 組のデータから Sxx・Syy・Sxy を作って r を求める(例題1)。途中の桁を落とさないことが採点の分かれ目
  • r と R2 の関係:切片のある直線回帰で r2 = R2 となることを示す。原点を通す回帰で一致しない理由を説明する
  • 解釈:r が 1 に近くても直線とは限らない理由、r = 0 でも関係がありうる例、範囲や外れ値で r が変わる理由を述べる記述問題
  • 検定:t = r√(n − 2)/√(1 − r2) を計算し、自由度 n − 2 の臨界値と比べる(例題5)
  • 使い分け:2つの分析法の比較で r を一致の根拠にしてはいけない理由、スピアマンの順位相関を使う場面

まとめ

相関係数の要点
・r = Sxy/√(SxxSyy) = 共分散 ÷ 標準偏差の積。偏差ベクトルのなす角の cos なので −1〜+1。単位の変換や x・y の入れ替えで変わらない
・切片のある直線回帰では r2 = R2。原点を通す回帰や曲線の当てはめでは別の数になる
・r は直線的な関係の強さだけを測る。0.999 でも曲がっていることがあり、判断は残差プロットで
・r は範囲を広げると上がり、外れ値やてこの点1つで大きく動く。n と範囲を必ず添える
・有意性は t = r√(n − 2)/√(1 − r2)(自由度 n − 2)。3点では r = 0.99 でも有意でない

相関係数は、2つの量の偏差がどれだけ同じ向きを向いているかを1つの数にまとめたものでした。まとめたぶん、曲がり・外れ値・範囲の広さ・点の数・系統的なずれといった情報は消えています。r を書いたら、その数が「何を見ていないか」を思い出し、残差・点の数・差と比をあわせて示す。それができれば、Excel が出す 0.9998 を自分の言葉で評価できるようになります。

よくある質問

相関係数とは何ですか?

相関係数は、2つの量の間の直線的な関係の強さと向きを −1 から +1 の数で表したものです。ふつうはピアソンの積率相関係数 r を指し、x と y の共分散を、x の標準偏差と y の標準偏差の積で割って求めます。+1 に近いほど右上がりの直線に、−1 に近いほど右下がりの直線に点が集まり、0 に近いほど直線的な傾向がありません。曲がった関係は r では正しく表せないので、散布図とあわせて読みます。

相関係数の求め方を教えてください。

n 組のデータについて、x の偏差平方和 Sxx = Σ(x − x の平均)2、y の偏差平方和 Syy = Σ(y − y の平均)2、偏差の積和 Sxy = Σ(x − x の平均)(y − y の平均) を計算し、r = Sxy / √(Sxx × Syy) とします。r が 1 に近いときは差の小さな部分に情報があるので、途中の計算は答えより2〜3桁多く持ちます。Excel では CORREL 関数または PEARSON 関数で同じ値が求まります。

相関係数と決定係数の違いは何ですか?

相関係数 r は2つの量の直線的な関係の強さと向きを −1〜+1 で表す数で、決定係数 R2 は当てはめた式が y のばらつきのうち何割を説明したかを表す数です。切片を含めた直線を最小二乗法で当てはめた場合に限り、R2 は r の2乗に等しくなります。切片を 0 に固定した直線や2次式の当てはめでは、R2 は r の2乗とは別の値になります。また、r には符号があり関係の向きが分かりますが、R2 には向きの情報がありません。

検量線の相関係数が0.999以上なら直線と言えますか?

言えません。相関係数は直線からのずれが y 全体の散らばりに比べて小さいかどうかしか見ていないので、濃度範囲が広ければ、高濃度で曲がっている検量線でも 0.999 を超えることがあります。直線かどうかは、残差を濃度に対してプロットし、弓形などの規則的な並びが無いかで判断します。分析法バリデーションの国際ガイドライン ICH Q2(R2) も、相関係数または決定係数とあわせて、データのプロットと回帰直線からのずれの解析を求めています。

相関係数の有意性はどうやって検定しますか?

母集団の相関係数が 0 という帰無仮説のもとで、t = r√(n − 2) / √(1 − r2) を計算し、自由度 n − 2 の t 分布の臨界値と比べます。両側 5% の臨界値は自由度 8 で 2.306 などで、|t| がこれより大きければ有意な相関があると判断します。点が3つしかないと r = 0.99 でも有意にならず、30 点あれば r = 0.37 程度でも有意になります。ただし有意かどうかは相関が 0 でないかを示すだけで、検量線の直線性や精度は示しません。

参考文献

  • D. Harvey, Analytical Chemistry 2.1, §5.6 Using Excel and R for a Linear Regression(LibreTexts)
  • Analytical Methods Committee, “Uses (proper and improper) of correlation coefficients”, Analyst 1988, 113, 1469
  • Analytical Methods Committee, “Is my calibration linear?”, Analyst 1994, 119, 2363
  • ICH Harmonised Guideline, Validation of Analytical Procedures Q2(R2)(2023年11月1日採択), §3.2.2.1 Linear Response
  • F. J. Anscombe, “Graphs in Statistical Analysis”, The American Statistician 1973, 27, 17–21
  • J. M. Bland, D. G. Altman, “Statistical methods for assessing agreement between two methods of clinical measurement”, The Lancet 1986, 327, 307–310
  • C. Spearman, “The Proof and Measurement of Association between Two Things”, The American Journal of Psychology 1904, 15, 72
  • Microsoft サポート「CORREL 関数」「PEARSON 関数」「RSQ 関数」「RANK.AVG 関数」「T.DIST.2T 関数」「LINEST 関数」、「Changes to internal calculations of linear trendlines in a chart」

関連記事

機器分析の全体像は機器分析総まとめ、実験操作は有機化学実験の基本操作まとめにまとめています。