コンテンツにスキップ

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。

Strong positive No clear relationship Strong negative

Fig. 5-1-1. 散布図の見た目の傾向を、感覚ではなく数値(相関係数)で表す

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。

Pace (sec/km) Heart rate (bpm)

Fig. 5-3-1. 例に使った10記録の散布図。右肩下がりの傾向があり、相関係数は約-0.86

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