公開

相関と因果の違いとは?散布図・ヒストグラムとグラフの読み方

文:野澤 嘉孝 (ソフトウェアエンジニア/プログラミングスクール Sandbox 代表)

相関と因果の違いとは?散布図・ヒストグラムとグラフの読み方

この記事の概要

アイスがよく売れる日は、保健室に来る人も多い。 そんなデータがあったら、「アイスが体調不良の原因だ」と言えるのでしょうか? 先に結論:グラフに見える「関係」と「原因」は別 目的に合うグラフを選ぶ:数量の分布ならヒストグラム、カテゴリーの比較なら棒グラフ、2つの数量の関係なら散布図。

アイスがよく売れる日は、保健室に来る人も多い。

そんなデータがあったら、「アイスが体調不良の原因だ」と言えるのでしょうか?

先に結論:グラフに見える「関係」と「原因」は別

  • 目的に合うグラフを選ぶ:数量の分布ならヒストグラム、カテゴリーの比較なら棒グラフ、2つの数量の関係なら散布図。
  • 相関係数だけで判断しない:直線的な関係を表す数字なので、曲線的な関係や外れた点は散布図でも確かめる。
  • 相関だけで原因を決めない:共通の原因や偶然などでも、関係があるように見える場合がある。

散布図は、2つの数量を横軸と縦軸に取り、1件を1つの点で表すグラフです。「一方が大きいと、もう一方も大きい/小さい」という傾向を調べられますが、それだけで原因や対策の効果までは決まりません。

プロ研のYouTubeチャンネル

アイスが売れると保健室が混む。販売中止で解決?

生徒会だよりを作っているユウキが、購買のアイスの販売個数と保健室の来室者数を日ごとに調べました。散布図を見ると、販売個数が多い日は来室者も多い傾向があります。

ユウキ「分かった。アイスの食べすぎが原因だ! 販売中止にしよう!」
ハルカ「ちょっと待って。その結論、どこから来たの?」
Sandy「点は右上がりや。せやけど、原因の矢印まで描いたんは誰や?」

物語は学習用の架空の設定です。次の図も、動画の元データではなく、傾向を説明するために作成した8日分の架空データです。

図で示したのは「一緒に増える傾向」であり、販売中止の効果ではありません。

日ごとのアイス販売個数と来室者数に右上がりの傾向を示す架空の散布図

1点は1日分の集計。個人の因果や販売中止の効果までは示していません。

この問題を解くには、まず「どんなグラフが何を教えてくれるのか」を押さえましょう。

ヒストグラムと棒グラフの違いは、横軸にある

ヒストグラムは、数量を区間に分けて、その分布を見るグラフです。通学時間なら「0分以上10分未満」「10分以上20分未満」のように区切ります。

この区間が階級、区間に入るデータの個数が度数、区間の真ん中の値が階級値。階級と度数をまとめたものが度数分布表です。

たとえば12人の通学時間が次のようになっていたとします。

2, 7, 10, 12, 14, 17, 19, 21, 25, 29, 31, 38(分)

通学時間の階級

階級値

度数

0分以上10分未満

5分

2人

10分以上20分未満

15分

5人

20分以上30分未満

25分

3人

30分以上40分未満

35分

2人

10分ちょうどは2行目、20分ちょうどは3行目に入ります。「以上」「未満」を確認すると、境界で二重に数えずに済みます。

また、10分以上20分未満の階級値15分は、区間の両端から求めた真ん中の値です。この階級の5人の平均通学時間、という意味ではありません。表にすると、10分未満の人や30分以上の人が何人いるかなど、分布を読み取りやすくなります。

一方、徒歩・自転車・バスというカテゴリーごとの人数を比べるなら棒グラフです。数量の階級なのか、種類なのか。横軸の意味を確かめるのが見分ける入口です。

同じ人数のグラフでも、横軸が通学時間の区間か、通学方法かで役割が変わります。

通学時間を区切るヒストグラムと通学方法を比べる棒グラフ

横軸が数量の階級かカテゴリーかを確認しましょう。

ユウキ「棒がくっついていたらヒストグラム、じゃないの?」
Sandy「隙間だけで決めたら早とちりや。度数ゼロの階級なら、そこは空白に見えるで」

この記事のヒストグラムは等幅の階級で、高さを度数にしています。階級幅が異なる場合には、面積が度数に比例するように度数密度(度数÷階級幅)を使うなど、縦軸の設定を確認します。また、階級の幅や区切り方を変えると分布の見え方も変わります。

グラフは「何を知りたいか」で選ぶ

見た目がかっこいいから、とグラフを選ぶと、伝えたいことが迷子になります。先に比較や分析の目的を決めましょう。

知りたいこと

グラフの例

学校での利用例

カテゴリーごとの大きさ

棒グラフ

通学方法ごとの人数

時間に沿った変化

折れ線グラフ

毎月の平均気温

1つの全体の内訳

円グラフ

ある学年の通学方法の割合

集団ごとの内訳の比較

帯グラフ

学年ごとの通学方法の割合

数量データの分布

ヒストグラム

通学時間の分布

2つの数量の関係

散布図

通学距離と通学時間

複数項目のバランス

レーダーチャート

体力測定の各項目

値の大小を色で把握

ヒートマップ

曜日・時間帯ごとの自習室利用数

迷ったら、まず「大きさは棒、時間変化は折れ線、内訳は円・帯、分布はヒストグラム、関係は散布図」と整理しましょう。

レーダーチャートでは、単位の異なる測定値をそのまま並べず、各項目を共通の評価点にするなど、比較の基準をそろえます。ヒートマップでは「どの色がどの値か」を示す凡例も確認します。

文章のアンケートを分析するなら、テキストマイニングという方法もあります。単語の出現回数だけでなく、一緒に現れやすい言葉や文脈などから傾向・関係を探ります。

ワードクラウドは、単語の頻度や重みなどを文字の大きさで表す図です。ただし、「大きい言葉=最重要」とは限りません。「楽しくない」の「楽しい」だけが目立てば、意味が逆に伝わることもあります。元の文章に戻る確認が必要です。

散布図と相関係数:右上がり・右下がりを読む

散布図の1点は、同じ1件から得られた2つの数の組です。通学距離と通学時間なら1点が1人分。冒頭の事件なら1点が1日分です。同じ組合せがあると点が重なるため、見える点の数が件数と一致しない場合もあります。

  • 正の相関:一方が大きいほど、他方も大きい傾向。
  • 負の相関:一方が大きいほど、他方は小さい傾向。

相関係数は、この関係の向きと強さを数字で表します。本記事で扱うのはピアソンの相関係数rで、測っているのは直線的な関係です。

両方の変数にばらつきがある場合、rは−1以上1以下です。読み方は「符号で向き、絶対値で強さ」と分けます。

見るところ

意味

例

符号が+

一方が大きいほど他方も大きい傾向

r=0.9

符号が−

一方が大きいほど他方は小さい傾向

r=−0.9

絶対値が1に近い

直線的な関係が強い

0.9も−0.9も強い

0に近い

直線的な関係が弱い

曲線的な関係まで否定するわけではない

したがって、r=−0.9は、r=0.3より強い直線的な関係を表します。「マイナスだから弱い」ではありません。また、正の相関でも、すべての点が完全に右上がりに並ぶとは限りません。

次の3つは、描いた座標から相関係数を計算した学習例です。

正の相関rが1、負の相関rがマイナス1、U字の関係rが0になる3つの散布図

相関係数は直線的な関係を測るため、0でも曲線的な関係がある場合があります。

右の点はU字に並んでいますが、r=0です。相関係数が0でも、曲線的な関係はあり得ると分かります。ただし、曲線なら必ず0になるわけではありません。また、外れた点1つで相関係数が大きく動く場合もあるため、数値と散布図を合わせて確認します。

どちらかの変数がすべて同じ値の場合、通常のピアソンの相関係数は定義できません。計算方法そのものは次の学習段階で扱い、ここでは意味を押さえましょう。

相関と因果の違い:気温が共通の原因かもしれない

ここで、相関と因果を区別しましょう。

用語

意味

冒頭の例で言うと

相関

2つの数量の間に、増減の傾向があること

アイスが多く売れる日は、来室者も多い

因果

一方が原因となって、他方に影響を与えること

アイスを食べることが、来室につながる体調不良を引き起こす

今回の散布図から確認できるのは、相関までです。 1点は1日分なので、「その日にアイスを買った生徒」と「保健室に来た生徒」が同じ人かどうかさえ分かりません。

さらに、暑い日にはアイスが売れやすく、暑さに関係する体調不良で保健室の利用が増える可能性もあります。つまり、気温が両方に関わる共通原因の候補になります。

共通の原因から相関が生まれる可能性を、仮説として描くと次のようになります。

気温を販売個数と来室者数の共通原因の候補とした仮説図

点線の矢印は仮説です。今回の原因が気温だと確定したわけではありません。

このように、直接の因果がなくても、共通の原因などによって相関が生じることがあります。これが疑似相関の一例です。偶然の一致で相関が見える場合もあります。

ただし、気温は原因の候補であって、確定した答えではありません。 「本当の原因は気温だった」とも「アイスには影響がない」とも、このデータだけでは決められません。

Sandy「新しい犯人を思いついただけで、事件解決にしたらアカンで」

原因を決める前に、次の3つを考えます。

  1. 原因と結果が逆ではないか。 どちらが先に起きたのかを確認する。
  2. 両方に関わる別の原因はないか。 今回なら、気温が候補になる。
  3. 偶然ではないか。 限られた観測日だけで、たまたま傾向が出た可能性を考える。

この3つは調べ始める手掛かりです。次に気温や来室理由、観測した期間などを調べ、条件をそろえた比較や適切な実験などで根拠を集めます。相関を見つけたことと、販売中止の効果を確かめたことは別です。

ミスリードグラフ:同じ数字でも印象が変わる

グラフは結論の付け方だけでなく、描き方でも誤解を招きます。

たとえばA=100、B=101、C=102。棒グラフの縦軸を0から始めると、差は小さく見えます。ところが99から始めると、見える棒の高さは1、2、3。元の数値とは違う比率に見えてしまいます。

同じ値を、0から始まる軸と99から始まる軸で描き比べてみましょう。

値100、101、102を縦軸0始まりと99始まりで描いた棒グラフの比較

99始まりでは差が強調されます。棒の長さで比べる場合は原則0から描きます。

棒の長さで数量を比較するなら、数値軸は原則0から。 一方、折れ線グラフや散布図では、変化や関係を見やすくするために軸の範囲を絞ることもあります。「途中から始まっている=全部うそ」と決めず、グラフの種類・目的・軸の範囲を確認しましょう。

読み取る順番は、①何を比べる図か → ②軸の単位と範囲 → ③目盛り → ④実際の数値です。「Bの棒がAの2倍に見える」と思っても、この例の数値は101と100。比は101÷100=1.01倍です。

目盛りにも注目します。線形の軸なら、等しい数値差を等しい距離で示します。対数軸では等しい比を等しい距離で示すので、数値の差が一定でないだけで不正とは言えません。軸が何を意味するかを読むことが大切です。

立体円グラフの遠近や厚みは、割合の印象を変えることがあります。絵の大きさで数量を表す場合も注意。「数量が2倍だから」と絵の縦横を両方2倍にすると、面積は2×2=4倍です。面積で数量を示すなら、面積が数量に比例するようにします。

オリジナル練習問題:データから言えるのはどこまで?

この記事用の学習問題です。実際の共通テスト問題ではありません。

ある学校で、日ごとの自習室利用者数と図書貸出冊数を調べると、正の相関が見られました。最も適切な説明はどれでしょう。

  1. 自習室を利用すると、必ず本を借りるようになる。
  2. 両者が一緒に増える傾向はあるが、原因まではこの結果だけで決められない。
  3. 相関係数が正なら、共通の原因は存在しない。

正解は2。 試験前という時期が両方に関わる可能性などを考えられますが、それも現時点では仮説です。日ごとの集計だけで、利用者本人の行動を断定することもできません。

もう1問。毎月の平均気温の「時間に沿った変化」を見たい場合は、折れ線・円・散布図のどれが適しているでしょう?

答えは折れ線グラフ。 月の順番に沿った変化が見やすくなるからです。円グラフは全体の内訳、散布図は2つの数量の関係を見る目的に向いています。

まとめ:データが示したことと、原因の仮説を分けよう

ユウキとハルカは、生徒会だよりの見出しを書き直しました。「アイスをやめれば保健室が空く」から、「アイスの販売個数と来室者数に相関。原因はさらに調べよう」へ。

ユウキ「……だいぶ地味になったな」
ハルカ「でも、分かったことと提案を分けて伝えられるよ」

  • ヒストグラムは数量の階級ごとの分布、棒グラフはカテゴリーごとの大きさを見る。
  • 散布図の1点は、1件に対応する2つの数。
  • 相関係数は直線的な関係の向きと強さ。0でも曲線的な関係はあり得る。
  • 相関だけで因果や、対策を実行した効果は決められない。
  • グラフの種類、軸、目盛り、面積や立体表現を確認する。

Sandy「点を正しく打つだけやなくて、そのあとに何を言うか。そこもデータ分析の大事なとこやで」

関連学習:第41話|記事原稿|箱ひげ図・分散・標準偏差

自分でデータを集め、グラフにして、読み取れることを説明する経験も理解につながります。プログラミングスクールSandboxでは、アプリ制作やデータ分析などに取り組めます。

参考資料

あわせて読みたい記事

Sandboxのサポート内容 Sandboxの情報Ⅰ学習サポートを見る →
共通テスト情報Ⅰのまとめ 共通テスト「情報Ⅰ」対策シリーズの一覧を見る →
野澤 嘉孝

この記事を書いた人

野澤 嘉孝

ソフトウェアエンジニア/プログラミングスクール Sandbox 代表

ソフトウェアエンジニア。同志社大学理工学部を経て、京都大学大学院で核融合発電の基礎研究(プラズマ物理)に従事。高校生向け数学塾の講師、大学での物理実験の授業を通じて延べ500名以上の学生をサポート。現在は業界特化型SaaSの開発に携わりながら、小中高生向けプログラミングスクール Sandbox を運営。

プロフィールと執筆記事の一覧 →

「情報Ⅰ、うちの子はどう対策すればいい?」

情報Ⅰ対策について無料で相談する

志望校の配点を一緒に確認したい方は → 無料の学習相談へ

入会金無料・いつでも退会OK・退会後もいつでも再入会できます