2つの指標の「関係の強さ」を数値にする ― 相関分析の考え方¶
テックノート No.5
「ペースが速い日は心拍数も高い気がする」——散布図を見ればなんとなくの傾向はつかめますが、「なんとなく」は人によって感じ方が変わってしまいます。Dailythm Runの詳細分析機能では、この「関係の強さ」を 相関係数 という1つの数値で表しています。この記事では、その数値がサンプルデータからどう計算されるのかを、そのまま追って説明します。
5-1. 散布図だけでは伝わらないこと¶
2つの指標(例えばペースと心拍数)を散布図にプロットすると、右肩下がり・右肩上がり・ばらばら、といった傾向が視覚的にわかります。ただし、「どれくらいはっきりした関係なのか」を散布図の見た目だけで判断すると、人によって評価が分かれてしまいます。
この「関係の強さ」を客観的な1つの数値にまとめるために使われるのが、統計学における相関係数(ピアソンの相関係数)です。
5-2. アプローチ: 相関係数の考え方¶
相関係数は、2つの指標が「一緒に増えたり減ったりする度合い」を、-1から+1の範囲の数値で表したものです。
- +1に近い … 一方が増えると、もう一方もほぼ確実に増える(強い正の相関)
- 0に近い … 2つの指標の間に、はっきりした直線的な関係が見られない
- -1に近い … 一方が増えると、もう一方はほぼ確実に減る(強い負の相関)
計算の考え方は、それぞれの指標について「平均からどれだけ離れているか(偏差)」を求め、2つの指標の偏差が同じ方向に動いているか、逆方向に動いているかを見る、というものです。
5-3. サンプルデータで計算してみる¶
説明のため、10回分のサンプルデータについて、平均ペース(秒/km)と平均心拍数(bpm)を例に、相関係数を計算してみます。
| 記録 | ペース(秒/km) | 心拍数(bpm) |
|---|---|---|
| 1 | 300 | 168 |
| 2 | 308 | 172 |
| 3 | 315 | 160 |
| 4 | 318 | 165 |
| 5 | 322 | 158 |
| 6 | 328 | 163 |
| 7 | 332 | 150 |
| 8 | 336 | 159 |
| 9 | 342 | 152 |
| 10 | 348 | 148 |
平均は、ペース324.9秒/km、心拍数159.5bpmです。
ステップ1: それぞれの平均からの差(偏差)を求める¶
| 記録 | ペースの偏差 | 心拍数の偏差 | 偏差の積 | ペース偏差の2乗 | 心拍数偏差の2乗 |
|---|---|---|---|---|---|
| 1 | −24.9 | 8.5 | −211.65 | 620.01 | 72.25 |
| 2 | −16.9 | 12.5 | −211.25 | 285.61 | 156.25 |
| 3 | −9.9 | 0.5 | −4.95 | 98.01 | 0.25 |
| 4 | −6.9 | 5.5 | −37.95 | 47.61 | 30.25 |
| 5 | −2.9 | −1.5 | 4.35 | 8.41 | 2.25 |
| 6 | 3.1 | 3.5 | 10.85 | 9.61 | 12.25 |
| 7 | 7.1 | −9.5 | −67.45 | 50.41 | 90.25 |
| 8 | 11.1 | −0.5 | −5.55 | 123.21 | 0.25 |
| 9 | 17.1 | −7.5 | −128.25 | 292.41 | 56.25 |
| 10 | 23.1 | −11.5 | −265.65 | 533.61 | 132.25 |
| 合計 | −917.5 | 2068.9 | 552.5 |
ステップ2: 相関係数を計算する¶
3つの合計値(偏差の積の合計、ペース偏差2乗の合計、心拍数偏差2乗の合計)から、相関係数を求めます。
r = -917.5 ÷ √(2068.9 × 552.5)
= -917.5 ÷ √1,143,067.25
= -917.5 ÷ 1069.14
≈ -0.858
相関係数は約 -0.86 となり、ペースが速い(=秒数が小さい)記録ほど心拍数が高くなる、強めの負の相関があることがわかります。
ステップ3: 「意味のある関係」と言えるかを確認する¶
記録の件数が少ないと、たまたま強い相関係数が出てしまうこともあります。そこで、この相関係数が偶然の範囲を超えているかどうかを、次の計算で確認します。
t = r × √(n-2) ÷ √(1-r²)
= -0.858 × √8 ÷ √(1-0.736)
≈ -4.73
(nは記録数。ここでは自由度 n-2 = 8 です)
このt値をt分布に照らし合わせると、p値は 約0.0015 となります。0.05を下回っているため、この相関は偶然とは考えにくく、「意味のある関係がありそうだ」と判断できます。
5-4. 相関の強さの目安と有意性の判定¶
相関係数の絶対値(|r|)は、おおよそ次のような目安で解釈されます(教科書的な一般的な目安であり、厳密な基準ではありません)。
| |r|の範囲 | 目安 |
|---|---|
| 0 〜 0.2 | ほとんど相関がない |
| 0.2 〜 0.4 | 弱い相関 |
| 0.4 〜 0.7 | 中程度の相関 |
| 0.7 〜 1.0 | 強い相関 |
Dailythm Runの詳細分析機能では、相関係数の数値と散布図をあわせて表示することで、数値だけでなく実際のデータの分布も確認できるようにしています。
5-5. 実装で工夫した点¶
- 相関係数の数値だけを見せるのではなく、必ず散布図とセットで表示することで、外れ値の影響などを目で確認できるようにしています
- 記録件数が極端に少ない場合は、相関係数が不安定になりやすいため、注意書きを添えています
- 相関はあくまで「関係の強さ」を示すものであり、因果関係(一方がもう一方の原因になっているか)までは判断できないという前提で説明文を作成しています
5-6. 限界・今後の展望¶
- 相関分析が示すのはあくまで直線的な関係の強さです。データが曲線的な関係を持つ場合、相関係数が低くても実際には強い関係があることがあります
- 「相関があること」と「一方が他方の原因であること」は別の話です。例えばペースと心拍数の相関は、両方が「その日の運動強度」という共通の要因の影響を受けている可能性があります
- 詳細分析では、2つの指標の組み合わせを1つずつ確認します。みんなのダッシュボードの「探索」は、すべての指標の組み合わせを総当たりで相関検定し、p<0.05のものを|r|の大きい順に並べます。組み合わせが多いほど偶然に強く見えるものも混ざり、補正は行っていないため、一覧は仮説の候補として読んでください
- 散布図・相関では、値が0の記録は「未計測」として除外しています。0が本当の値の指標では、除外の影響があります
- 1人が何度も走った記録は互いに独立ではなく、記録数が多くてもp値は実際より小さめに出ている可能性があります
5-7. 関連ページ¶
- 詳細分析機能の使い方 — この機能が実際にどう表示されるか
- 「たまたま」と「本当の違い」を見分ける ― 分散分析の考え方
- 記録の見方