相関分析と回帰分析の違い2026｜相関係数・決定係数R²の意味と使い分け

相関分析と回帰分析はどちらも2つの変数の関係を調べる手法だが、相関は関連の強さを、回帰は一方の変数からもう一方を予測する数式を明らかにする点で目的が異なる。卒業論文や修士論文でアンケートデータや実験データを扱う際、相関と回帰分析の違いを理解せずに使うと、「関連がある」ことと「一方が原因で他方が結果になっている」ことを混同してしまいやすい。本記事では相関係数の読み方から、単回帰の式、決定係数R²の意味、そして相関と回帰をいつどちらを使うべきかまで整理する。

相関分析と回帰分析はそもそも何が違うのか？

相関分析は、2つの変数がどれくらい同じ方向・逆方向に動く傾向があるかという「関連の強さ」を1つの数値（相関係数）で表す手法である。一方、回帰分析は、一方の変数（説明変数）の値からもう一方の変数（目的変数）の値をどれだけ予測できるかを、数式（回帰式）の形で明らかにする手法である。両者はどちらも「2変数の関係」を扱う点で似ているが、相関は変数同士を対等に扱うのに対し、回帰は「どちらが原因側でどちらが結果側か」という方向性を仮定して分析する点が大きな違いになる。

相関係数とは何か？どの範囲でどう解釈する？

相関係数（多くの場合ピアソンの積率相関係数）は、-1から+1の範囲の値をとる。+1に近いほど強い正の相関（一方が増えるともう一方も増える傾向）、-1に近いほど強い負の相関（一方が増えるともう一方は減る傾向）を示し、0に近いほど直線的な関連が弱いことを示す。

この目安はあくまで一般的な解釈の一例であり、分野によって強い・弱いの基準は異なる。心理尺度の相関と、物理量同士の相関では、同じ相関係数でも意味合いが変わってくる点に注意したい。また相関係数は直線的な関係の強さしか捉えられないため、変数同士がU字型のような非直線的な関係にある場合、実際には強い関連があっても相関係数は小さく出ることがある。

相関があれば因果関係があると言えるのか？

相関係数が高いことは、2つの変数が統計的に関連していることを示すにすぎず、一方がもう一方の原因であることを直接証明するものではない。相関が見られる背景には、実際の因果関係のほかに、偶然の一致、両方の変数に影響を与える第三の要因（交絡変数）、あるいは逆方向の因果（結果だと思っていた変数が実は原因側だった）など、複数の可能性が存在する。研究で因果関係を主張したい場合は、相関分析の結果だけでなく、実験デザインや先行研究の理論的根拠と合わせて慎重に議論する必要がある。研究デザイン全体の考え方は研究方法の選び方でも整理しているので参考にしてほしい。

単回帰分析とは何か？回帰式の意味は？

単回帰分析は、1つの説明変数（X）から1つの目的変数（Y）を予測するための直線の式を求める手法である。回帰式は一般に次の形で表される。

Y = a + bX

ここでbは回帰係数（傾き）であり、Xが1単位増えたときにYがどれだけ変化するかを示す。aは切片であり、Xが0のときのYの予測値を示す。例えば「学習時間（X）からテスト得点（Y）を予測する」というテーマの場合、bの値が正であれば学習時間が長いほど得点が高くなる傾向を数値として表現できる、というイメージである（この数値は例示であり、実データに基づくものではない）。

決定係数R²とは何か？何を示している？

決定係数（R²）は、回帰式によって目的変数のばらつきのうち、どれくらいの割合が説明変数によって説明できているかを示す指標であり、0から1の範囲をとる。R²が1に近いほど、回帰式がデータの変動をよく説明できていることを意味し、0に近いほど説明変数がほとんど目的変数の変動を説明できていないことを意味する。単回帰分析の場合、決定係数R²は相関係数を2乗した値と一致するという関係があり、この点からも相関分析と回帰分析が数学的に結びついていることが分かる。ただしR²が高いからといって、その回帰式が因果関係を証明しているわけではない点は、相関の場合と同様に注意が必要である。

相関分析と回帰分析はいつどちらを使えばよいか？

研究の問い（リサーチクエスチョン）が「AとBは関連しているか」であれば相関分析、「AからBをどれくらい予測できるか」であれば回帰分析を選ぶのが基本的な使い分けになる。使用するデータが量的データか質的データかによっても選べる手法は変わるため、定量的研究の進め方や統計手法の選び方フローチャートと合わせて確認するとよい。3群以上のカテゴリー変数間で平均値を比較したい場合は、相関・回帰ではなく分散分析（ANOVA）のやり方が適している点も押さえておきたい。

よくある質問

{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”相関係数がマイナスの場合、関連がないということですか？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”相関係数がマイナスであることは「関連がない」ことを意味しない。マイナスの相関係数は負の相関、つまり一方の値が増えるともう一方の値が減る傾向があることを示しており、絶対値が大きいほど関連は強いと解釈できる。”}},{“@type”:”Question”,”name”:”相関分析と回帰分析は同時に行ってもよいですか？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”研究の実務では、まず相関分析で変数同士の関連の強さを確認し、関連が見られた変数について回帰分析で予測式や説明力（決定係数R²）を確認する、という順序で両方を行うことが多い。相関分析は探索的な位置づけ、回帰分析はより踏み込んだ説明・予測の位置づけとして使い分けられる。”}},{“@type”:”Question”,”name”:”決定係数R²はどれくらいの値であれば十分と言えますか？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”十分とされるR²の値は分野やデータの性質によって大きく異なるため、一律の基準はない。人間の行動や意識を扱う社会科学系の研究では、自然科学の実験データに比べてR²が低めに出やすい傾向があり、値の大小だけでなく、他の説明変数を追加した場合の変化や、先行研究の水準と比較して評価するのが一般的である。”}},{“@type”:”Question”,”name”:”相関係数が高いデータをそのまま回帰分析に使ってよいですか？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”相関係数が高いことは回帰分析を行う前提として参考になるが、回帰分析を行う際には別途、残差の分布や外れ値の有無、変数間の関係が直線的かどうかなど、回帰分析特有の前提条件も確認する必要がある。相関が高いからといって、そのまま回帰式の当てはめが適切であるとは限らない。”}},{“@type”:”Question”,”name”:”相関係数がゼロに近い場合、その2変数は全く無関係と考えてよいですか？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”相関係数がゼロに近い場合でも、2変数の間に直線的でない（非線形の）関係が存在している可能性は残る。相関係数はあくまで直線的な関連の強さを表す指標であるため、散布図を実際に描いて分布の形を目で確認することも合わせて行うとよい。”}}]}

まとめ

相関分析と回帰分析の違いは、相関が「関連の強さ」を測る手法であるのに対し、回帰は「予測・説明のための式」を求める手法である点にある。単回帰分析における決定係数R²は相関係数の2乗と一致するという数学的なつながりを持ちつつも、相関と因果を混同しないことが、研究データを正しく解釈するうえで欠かせない視点となる。