統計で英語多読 2-7: 2変数の関係② — 相関係数で関係性の強さを測る

「大人のための英語多読図書館」へようこそ。今回は、関係の強さを-1から+1までの数値で表す「相関係数」と、データ分析で最も大切な教訓「相関は因果ではない」を、英語の文章でたどっていきます。

📊 このユニットの情報 語数: 約660語 / 推定読了時間: 5〜7分 / 難易度: ★★☆☆☆(初中級)

Learning Objectives

みなさんこんにちは。大人のための英語多読図書館へようこそ。

前回は、2つの変数の関係の「向き」（プラスかマイナスか）を、散布図や共分散で捉える方法を学びました。しかし、共分散の値は単位に影響されるため、「関係がどれくらい強いのか」を客観的に判断するのは難しいという課題がありました。

今回は、その課題を解決する「相関係数 (Correlation Coefficient)」を学びます。相関係数は、関係の強さを-1から+1までの範囲の数値で示してくれる、非常に便利な指標です。これにより、どんなデータでも同じ基準で「関係の強さ」を比べることができます。そして最後に、データ分析を行う上で最も重要な教訓の一つ、「相関関係は因果関係ではない」ということについてもしっかりと理解を深めます。

それでは今回も多読を楽しんでいきましょう。

Summary

• Covariance indicates the direction of a linear relationship but not its strength, as it is dependent on the units of the variables.
• The Pearson Correlation Coefficient (r) is a standardized measure that quantifies both the direction and strength of a linear relationship.
• The value of r always ranges from -1 to +1.
  • r = +1: Perfect positive linear correlation.
  • r = -1: Perfect negative linear correlation.
  • r = 0: No linear correlation.
• The closer |r| is to 1, the stronger the linear relationship.
• A critical principle in statistics is that correlation does not imply causation. A strong relationship between two variables doesn't mean one causes the other.

Explanation

The Need for a Standardized Measure

In the last section, we learned that covariance tells us the direction of a relationship between two variables. A positive covariance means a positive relationship, and a negative covariance means a negative relationship. However, the magnitude of the covariance is not very informative. If we change the units of our data (e.g., from dollars to cents for sales, or Celsius to Fahrenheit for temperature), the covariance value will change dramatically, even though the underlying relationship remains exactly the same.

We need a measure that is independent of the units—a standardized score for the strength of the relationship. This measure is the correlation coefficient.

Pearson's Correlation Coefficient (r)

The most common type of correlation coefficient is the Pearson's product-moment correlation coefficient, usually just called the correlation coefficient and denoted by the letter r.

It is calculated by taking the covariance and dividing it by the product of the standard deviations of the two variables.

\[ r = \frac{\text{Covariance}(x, y)}{\sigma_x \sigma_y} \]

This calculation effectively standardizes the covariance. The result is a number that always falls between -1 and +1, regardless of the original units of the data.

Interpreting the Correlation Coefficient

The value of r tells us two things: the direction and the strength of the linear relationship.

• Direction:

  • A positive r indicates a positive correlation (as x increases, y tends to increase).
  • A negative r indicates a negative correlation (as x increases, y tends to decrease).

• Strength:

  • r = +1.0: This represents a perfect positive linear relationship. All points on the scatter plot would form a perfectly straight line going up.
  • r = -1.0: This represents a perfect negative linear relationship. All points would form a perfectly straight line going down.
  • r = 0: This means there is no linear relationship between the variables.
  • The closer the absolute value of r is to 1, the stronger the linear relationship.

As a general rule of thumb: - |r| > 0.7: Strong linear relationship - 0.4 < |r| < 0.7: Moderate linear relationship - 0.2 < |r| < 0.4: Weak linear relationship - |r| < 0.2: Very weak or no linear relationship

For example, if the correlation between temperature and ice cream sales is calculated to be r = +0.95, it indicates a very strong positive linear relationship. If the correlation between a car's age and its price is r = -0.88, it suggests a strong negative linear relationship.

The Golden Rule: Correlation Does Not Imply Causation

This is one of the most important concepts in all of statistics. Just because two variables are strongly correlated does not automatically mean that one variable causes the other to change.

Consider the classic example: throughout the year, ice cream sales and the number of drowning incidents are strongly positively correlated. As ice cream sales go up, so do drownings.

Does this mean that eating ice cream causes people to drown? Of course not.

There is a third, unobserved variable, called a lurking variable or confounding variable, that is driving both. In this case, that variable is hot weather. - Hot weather causes people to buy more ice cream. - Hot weather also causes more people to go swimming, which unfortunately leads to more drowning incidents.

The two variables are correlated, but there is no causal link between them. Always be critical when you hear a claim that one thing causes another. Ask yourself if there might be a lurking variable that could explain the relationship. Without a carefully designed experiment, it is impossible to prove causation from observational data alone, no matter how strong the correlation is.

---

まとめ

今回は、共分散の限界を乗り越える「相関係数（r）」を学びました。共分散を2つの変数の標準偏差の積で割ることで、単位に左右されず、必ず-1から+1の範囲に収まる指標になります。rが+1に近いほど強い正の関係、-1に近いほど強い負の関係を表し、絶対値が1に近いほど関係は強くなります。そして最も大切な教訓が「相関は因果ではない」こと。アイスの売上と水難事故のように、背後に「暑さ」のような潜伏変数が隠れている場合があるため、強い相関を見ても安易に因果を結びつけない姿勢が欠かせません。

次回からは確率の世界に入り、事象と確率の基本ルール（加法定理・乗法定理）を見ていきます。

---

日本語訳(全文)

英文を最後まで読み終えてから、答え合わせ用にお使いください。多読の原則として、まずは訳を見ずに英文だけで理解を試みることをおすすめします。

Summary

• 共分散は線形な関係の向きを示しますが、その強さは示しません。変数の単位に左右されるからです。
• ピアソンの相関係数（r）は、線形な関係の向きと強さの両方を数値化する、標準化された指標です。
• r の値は常に-1から+1の範囲に収まります。
  • r = +1: 完全な正の線形相関。
  • r = -1: 完全な負の線形相関。
  • r = 0: 線形相関なし。
• |r| が1に近いほど、線形な関係は強くなります。
• 統計学における決定的な原則は、相関関係は因果関係を意味しないということです。2つの変数のあいだに強い関係があっても、一方がもう一方を引き起こしているとは限りません。

標準化された指標の必要性

前のセクションでは、共分散が2つの変数のあいだの関係の向きを教えてくれることを学びました。正の共分散は正の関係を、負の共分散は負の関係を意味します。しかし、共分散の大きさはあまり多くを語りません。データの単位を変えると（例: 売上をドルからセントへ、気温を摂氏から華氏へ）、根底にある関係はまったく同じであっても、共分散の値は劇的に変化してしまいます。

私たちは、単位に左右されない指標、つまり関係の強さを表す標準化された得点を必要としています。この指標が相関係数です。

ピアソンの相関係数（r）

最も一般的なタイプの相関係数は、ピアソンの積率相関係数で、通常は単に相関係数（相関係数）と呼ばれ、文字 r で表されます。

これは、共分散を取り、それを2つの変数の標準偏差の積で割ることによって計算されます。

\[ r = \frac{\text{Covariance}(x, y)}{\sigma_x \sigma_y} \]

この計算は、実質的に共分散を標準化します。その結果は、元のデータの単位に関係なく、常に-1から+1のあいだに収まる数値になります。

相関係数を読み解く

r の値は、2つのこと、すなわち線形な関係の向きと強さを教えてくれます。

• 向き:

  • 正の r は正の相関を示します（x が増えると、y も増える傾向にあります）。
  • 負の r は負の相関を示します（x が増えると、y は減る傾向にあります）。

• 強さ:

  • r = +1.0: これは完全な正の線形関係を表します。散布図上のすべての点が、右上がりの完全な直線を形づくります。
  • r = -1.0: これは完全な負の線形関係を表します。すべての点が、右下がりの完全な直線を形づくります。
  • r = 0: これは変数のあいだに線形な関係がないことを意味します。
  • r の絶対値が1に近いほど、線形な関係は強くなります。

一般的な目安としては次のとおりです。 - |r| > 0.7: 強い線形関係 - 0.4 < |r| < 0.7: 中程度の線形関係 - 0.2 < |r| < 0.4: 弱い線形関係 - |r| < 0.2: 非常に弱い、または線形関係なし

たとえば、気温とアイスクリームの売上のあいだの相関が r = +0.95 と計算されれば、それは非常に強い正の線形関係を示します。車の年式とその価格のあいだの相関が r = -0.88 であれば、強い負の線形関係を示唆します。

黄金律: 相関は因果を意味しない

これは、すべての統計学の中で最も重要な概念の一つです。2つの変数が強く相関しているからといって、一方の変数がもう一方を変化させる原因になっているとは、自動的には言えないのです。

古典的な例を考えてみましょう。1年を通して、アイスクリームの売上と水難事故の件数は強い正の相関を示します。アイスクリームの売上が上がるにつれて、水難事故も増えるのです。

これは、アイスクリームを食べることが人を溺れさせる原因になっている、という意味でしょうか。もちろん、違います。

そこには、潜伏変数（lurking variable）または交絡変数（confounding variable）と呼ばれる、観測されていない第3の変数があり、それが両方を引き起こしているのです。この場合、その変数は暑い天気です。 - 暑い天気は、人々にアイスクリームをより多く買わせます。 - 暑い天気はまた、より多くの人々を泳ぎに行かせ、それが残念ながらより多くの水難事故につながります。

2つの変数は相関していますが、両者のあいだに因果関係はありません。あることが別のことを引き起こすという主張を耳にしたら、常に批判的になりましょう。その関係を説明できる潜伏変数があるのではないか、と自問してみてください。注意深く設計された実験がなければ、相関がどれほど強くても、観測データだけから因果関係を証明することは不可能なのです。