はじめに
G検定の勉強を進める中で、統計学の「相関」周りの用語に混乱していませんか？
「共分散と相関係数は何が違うの？」「偏相関係数って結局何をしているの？」といった疑問を、数式を最小限にして、直感的なイメージで整理しました。
1. データ間の関係（相関・依存）
まずは基本のキ。データ同士がどう関わっているかを表す言葉です。
- 相関（Correlation）: 2つのデータが「連動して動く」関係。一方が増えれば、もう一方も増える（または減る）。
- 依存（Dependence）: お互いに影響し合っており、無関係（独立）ではない状態。
2. 共分散と相関係数： 「生の素材」と「加工品」
この2つは全く別物ではなく、同じものを測るための 「定規」 が違うだけです。
共分散（生の素材）
2つのデータがどれくらい一緒に変化するかを計算した数値。
- 弱点: データの単位（cm、kg、円など）の影響をモロに受けてしまいます。
- イメージ: 「単位というえこひいき」が含まれた、生の数値。
相関係数（加工品）
共分散から単位の影響を取り除き、-1から1の間にギュッと押し込めた数値。
- なぜ必要か？: 単位や桁数がバラバラな複数の項目（例：気温とチラシ枚数）を、「平等な目線」で比較（ランキング）するためです。
- 見方: 1に近いほど正の相関、-1に近いほど負の相関、0に近いほど無関係。
3. 擬似相関： 「ニセモノ」の関係に注意！
計算上は「相関がある」と出ているのに、実は直接的な関係がない現象です。
-
例: 「アイスの売上」と「水難事故」
- グラフにするとピッタリ連動しますが、アイスが事故の原因ではありません。
- 裏に隠れたボス（第3の要因）である**「夏の暑さ」**が両方を操っているだけです。
- 結論: 「相関があるからといって、因果関係（原因と結果）があるとは限らない」。これを「間違った因果関係」として捉えるのがポイントです。
4. 偏相関係数： 「真実」を暴く引き算
擬似相関の罠を見破り、本当の関係性を証明するための指標です。
どうやって「影響を取り除く」のか？
「第3の要因（気温）」で説明できる分を、データから引き算します。
- アイスの売上から「気温のせい」で増えた分を引く。
- 水難事故から「気温のせい」で増えた分を引く。
- 残った「純粋なデータ同士」で相関を計算し直す。
計算した結果どうなる？
もし直接の関係がない（擬似相関だった）場合、偏相関係数は 「0（ゼロ）」 になります。この「0」という数字こそが、「直接の関係はない」という証拠になります。
まとめ
| 用語 | イメージ | 役割 |
|---|---|---|
| 共分散 | 生の連動値 | 単位の影響を受ける |
| 相関係数 | 平等な定規 | 異なる項目同士を比較・足切りする |
| 擬似相関 | 間違った因果関係 | 第3の要因に騙されている状態 |
| 偏相関係数 | 真実の相関 | 邪魔な要因を「引き算」して無関係を証明する |
AI（機械学習）は数字のパターンを見つけるのは得意ですが、それが「擬似相関」かどうかを見分ける常識はありません。だからこそ、人間がこれらの指標を使って正しくデータを「前処理」してあげることが重要なのです。
おわりに
統計学は漢字が多くて難しそうに見えますが、日常の現象に置き換えるとグッと理解が深まります。