- 実務に活きる数学基礎を極めよ
- 共分散で数値の連動性を見極めよ
- 理論と実例で分析力を磨け
共分散とは、二つのデータが平均値を基準にして、同じ方向へ動く傾向があるか、反対方向へ動く傾向があるかを表す統計量です。たとえば、気温と飲料の販売数、学習時間とテストの点数など、対応するデータの組み合わせを分析するときに使います。数値の符号を見ることで、二つの変数がどのように連動しているかをつかめます。
共分散の計算では、各データとそれぞれの平均値との差を「偏差」と呼び、二つの偏差を掛け合わせてから平均します。式だけを見ると難しそうですが、同じデータの組で両方が平均より上、または両方が平均より下なら積は正になります。片方が平均より上で、もう片方が下なら積は負になります。この仕組みを押さえると、符号の意味も理解しやすくなります。
一方で、共分散の値の大きさだけを見て、関係の強さを判断することはできません。データの単位や尺度によって値が変わるためです。この記事では、共分散の意味から計算手順、母集団と標本の違い、相関係数との使い分け、分析時の注意点まで順に解説します。数式を実際のデータに当てはめながら、結果を読み違えないための考え方も確認していきましょう。
共分散とは二つの変数の動く方向を示す指標
共分散とは、二つの変数が平均値からどのように離れているかを組み合わせ、その偏差の積の平均を求めた値です。変数とは、観測対象ごとに異なる値をとる項目のことで、たとえば顧客ごとの購入回数や、日ごとの気温などが該当します。二つの変数について、一方の値が大きいときにもう一方も大きい傾向があるのかを数値で確認できます。
共分散が正なら、二つの変数は同じ方向に動く傾向があります。平均より大きい値どうし、または平均より小さい値どうしの組み合わせが多いと、偏差の積が正になるためです。たとえば、ある期間の気温が平均より高い日に飲料の販売数も平均より多い傾向があれば、気温と販売数の共分散は正になりやすいと考えられます。
共分散が負なら、二つの変数は反対方向に動く傾向があります。一方が平均より高いときにもう一方が平均より低くなる組み合わせでは、偏差の積が負になるからです。価格が高い期間ほど販売数量が少ない、といった関係が考えられます。ただし、共分散が負だからといって、必ず一方の増加が他方の減少を引き起こしているとは限りません。
共分散がゼロに近い場合は、二つの変数に直線的な連動が見られにくいことを示します。ただし、「関係がまったくない」と言い切れるわけではありません。たとえば、片方の値が増えるともう片方が途中までは増え、その後に減るような曲線状の関係では、正負の偏差の積が打ち消し合い、共分散が小さくなる場合があります。数値を解釈するときは、散布図なども確かめることが重要です。
偏差の積を平均すると連動の方向が分かる理由
共分散の考え方を理解するには、まず各データを平均値と比べる必要があります。偏差は「個々の値から平均値を引いた差」です。平均より大きければ正、平均より小さければ負になります。二つの変数それぞれについて偏差を求め、同じ観測対象に対応する二つの偏差を掛けることで、二つが同じ側にあるか、反対側にあるかを符号で表せます。
両方の偏差が正なら、正と正の積は正です。両方が負でも、負と負の積は正になります。つまり、観測値の組が平均点を基準にした散布図の右上や左下にあると、偏差の積は正です。反対に、一方の偏差が正でもう一方が負なら積は負となり、散布図の右下や左上にある点が該当します。このため、積の平均をとると全体の動く方向が表れます。
偏差の積をただ合計するのではなく平均するのは、データの件数が異なる集団どうしでも、一定の基準で値を算出するためです。平均をとることで、一つの観測値あたりの積の大きさを表せます。ただし、平均しても単位の影響は残ります。気温を摂氏から別の尺度に変えたり、売上を円から千円単位に変えたりすれば、偏差の積や共分散の値も変化します。
偏差の積は、各観測値が二つの平均からどれほど離れているかも反映します。平均から少しずれた組み合わせより、大きくずれた組み合わせのほうが、積の絶対値を大きくすることがあります。そのため、極端な観測値が含まれると共分散が大きく動く可能性があります。符号だけを確認する場合でも、外れ値が分析結果を左右していないか、元データや散布図を見て確かめると安心です。
共分散の計算方法をデータ例で確認する
ここでは、対応する五つのデータを使って共分散を計算します。説明のため、Xの値を2、4、6、8、10、Yの値を3、5、5、7、10とします。各行のXとYは、同じ対象について測定した組です。二つの列を別々に並べ替えたり、対応関係を崩したりすると、意味の異なる計算になるため、元データの組み合わせを保つ必要があります。
Xの平均は(2+4+6+8+10)÷5=6です。Yの平均は(3+5+5+7+10)÷5=6です。平均値が計算できたら、各行についてXの偏差とYの偏差を求めます。たとえば最初の行では、Xの偏差は2-6=-4、Yの偏差は3-6=-3です。平均を先に正しく求めておくことが、後の計算を誤らないための土台になります。
五つの組について、偏差の積を順に計算すると、(-4)×(-3)=12、(-2)×(-1)=2、0×(-1)=0、2×1=2、4×4=16です。これらを足すと32になります。偏差が同じ方向にある組では正の値になり、平均と同じ値を含む組では積が0になります。このように各行の積を確認すれば、計算結果の符号がどう決まったかを追えます。
この五つの値を対象全体として扱う場合、共分散は32÷5=6.4です。標本から母集団の共分散を推定する場合は分母を4にするため、32÷(5-1)=8です。同じデータでも、どちらの定義を使うかで結果が変わります。計算表を作るなら、X、Y、各偏差、偏差の積の列を設け、最後に積の合計を適切な分母で割ると、確認しやすくなります。
計算式の記号と母集団・標本の使い分け
データ数をn、i番目の観測値をxᵢとyᵢ、それぞれの平均をx̄とȳとすると、データ全体の共分散は「(1/n)×Σ(xᵢ-x̄)(yᵢ-ȳ)」と表せます。Σは、指定された値をすべて足し合わせる記号です。この式は、各組の偏差の積を合計し、データ数で割るという計算手順を簡潔に書いたものです。
分析対象としているデータが、関心のある集団の全件、つまり母集団そのものである場合は、通常、nで割ります。母集団とは、調べたい対象全体を指す言葉です。たとえば、対象期間における全日の売上と気温を漏れなく集め、その期間そのものの連動を記述したい場合は、全件を対象とする計算として扱えます。どの範囲を母集団とみなすかは、分析の目的に応じて定めます。
一方、母集団の一部を抽出した標本から、母集団における共分散を推定したい場合には、分母をn-1とする標本共分散がよく用いられます。標本とは、母集団から選び出した一部のデータです。n-1で割る方法は、標本平均を使って偏差を計算することによる推定上の偏りを調整するために使われます。データを単に記述するのか、より大きな集団を推定するのかを区別しましょう。
表計算ソフトや統計ソフトでは、母集団用と標本用の関数が分かれている場合があります。関数名にPが付くものは母集団、Sが付くものは標本を想定するなど、ソフトごとに仕様を確認してください。関数の結果だけを報告するのではなく、分母がnかn-1かも記録しておくと、別の人が再計算するときに混乱しません。異なる定義の値をそのまま並べて比較することは避けます。
共分散と相関係数・分散の違い
共分散と相関係数は、どちらも二つの変数の関係を調べるときに使いますが、得意なことが異なります。共分散は、関係が同方向か逆方向かを符号で示します。しかし値の尺度がデータの単位に左右されるため、数値の大きさをそのまま関係の強さとして読むことはできません。相関係数は共分散を標準化した指標で、単位の影響を抑えて関係の方向と直線的な関係の強さを確認できます。
相関係数は、共分散をXとYの標準偏差の積で割って求めます。標準偏差とは、データが平均値の周りにどれほど散らばっているかを、元の単位で示す尺度です。相関係数は通常-1から1までの範囲に収まり、1に近いほど強い正の直線的関係、-1に近いほど強い負の直線的関係を示します。0に近い場合は直線的な関係が弱いと読めますが、非線形の関係まで否定する値ではありません。
分散は一つの変数のばらつきを表し、共分散は二つの変数の偏差を組み合わせた量です。式の上ではXとYに同じ変数を当てはめると、共分散はその変数の分散になります。たとえばCov(X,X)はVar(X)に相当します。この関係から、共分散は分散を二変数へ広げた考え方と捉えられます。分散がデータ単独の散らばりを扱うのに対し、共分散は二つの散らばり方の対応を扱います。
どの指標を使うかは、知りたい内容で決めます。二つの変数の動く方向を確認する基礎的な計算や、分散共分散行列を組み立てる場合には共分散が役立ちます。単位の違う項目どうしを比較して、直線的な関係の強さを把握したいときは相関係数が適しています。ただし相関係数にも限界があり、外れ値や曲線状の関係に影響されます。数値だけで結論を出さず、データの背景も確認しましょう。
結果を読み違えないための注意点
共分散の値が大きいほど関係が強い、とは限りません。Xをメートルからセンチメートルに変換すればXの偏差は100倍になり、共分散も100倍になります。Yの単位も変更すれば、さらに値は変化します。したがって、異なる単位で計算した共分散を並べて「こちらのほうが連動している」と判断するのは不適切です。大きさを比較したいときは相関係数などを使い、比較対象と計算条件をそろえます。
共分散が正でも、必ずしも強い関係があるとは言えません。符号は全体の向きを示すもので、値の絶対的な大きさには尺度が影響するためです。逆に、共分散がほぼ0でも、二つの変数が無関係とは限りません。曲線を描く関係や、集団ごとに異なる傾向が混ざったデータでは、正負の偏差の積が相殺されることがあります。散布図を作り、分布の形を目で確かめることが大切です。
共分散や相関が見つかっても、それだけで因果関係があるとは判断できません。因果関係とは、一方の変化が他方を引き起こす関係です。たとえば二つの指標が同じ時期に上昇しても、季節や制度変更など別の要因が両方に影響している可能性があります。施策の効果を評価するときは、実施前後の比較だけでなく、対象者の違いや他の要因、時間の流れも考慮し、単純な連動と原因・結果を区別します。
外れ値やデータの組み合わせ間違いも、結果に大きく影響します。極端な値は偏差の積を大きくし、共分散の符号や大きさを変えることがあります。また、日ごとの気温と月ごとの売上のように、観測単位や期間が揃っていないデータを組み合わせると、対応関係そのものが曖昧になります。欠損値の扱い、集計期間、除外したデータの理由を確認し、分析結果を他者が追えるように記録しましょう。
共分散を業務や学習の分析に活用する
業務データでは、二つの数値が連動しているかを探索するときに共分散を使えます。たとえば、日ごとの気温と商品販売数、広告出稿量と問い合わせ数、作業時間と処理件数などを同じ期間・同じ単位で並べます。共分散の符号から、平均より高い日どうしが重なりやすいか、反対の動きが見られるかを確認できます。これは仮説を立てる手がかりであり、施策の効果を確定する結論ではありません。
財務やリスク管理では、複数の資産・事業の収益が同じ方向に動くかを調べる際に、共分散が基礎情報になります。ある対象の収益が悪いときに別の対象が良い傾向なら、組み合わせによって変動を抑えられる可能性があります。ただし、実際の評価では各対象の変動幅も関係するため、共分散だけで判断することはできません。期間の選び方や市場環境によって関係が変化することも踏まえ、継続して点検します。
学習データの分析では、二科目の得点や学習時間と成果の関係を調べる用途があります。対応する生徒や期間をそろえ、平均からの偏差の積を計算すると、二つの項目が同じ方向に動く傾向を把握できます。ただし、得点の関係が見つかったとしても、学習時間だけが成績を決めているとは言えません。前提知識、課題の難易度、学習方法なども関係するため、共分散は状況を理解する一つの材料として扱います。
実務で使うときは、分析目的を先に定め、何を一つの観測単位とするかを明確にします。月別、店舗別、顧客別などの単位が混在すると、共分散の解釈が難しくなります。次に、対象期間と欠損値の処理を決め、散布図でデータの形や外れ値を確認してから計算します。共分散の符号と相関係数、業務上の背景をあわせて報告すれば、数値を過度に一般化せず、次に検証すべき問いにつなげられます。
複数の変数をまとめる共分散行列
分析対象の変数が三つ以上あるときは、変数どうしの共分散を一覧にした共分散行列を使います。行列とは、数値を行と列に並べた表のことです。変数がp個なら、共分散行列はp行p列の正方形になります。対角線上には各変数自身の共分散、つまり分散が並び、それ以外の位置には異なる変数どうしの共分散が入ります。
共分散はCov(X,Y)とCov(Y,X)が同じ値になるため、共分散行列は対角線を挟んで左右対称です。たとえば、XとYの共分散が行列のX行・Y列に入るなら、Y行・X列にも同じ値が入ります。この性質は、計算結果の確認にも役立ちます。対応する二つの位置で値が異なる場合は、データ範囲や計算方法、変数の並び順に誤りがないか確かめてください。
共分散行列は、主成分分析など複数の変数を扱う統計手法で使われます。主成分分析は、複数の変数に含まれる情報を、少数の新しい軸にまとめる方法です。共分散行列から変数間のばらつきや連動を捉え、データ全体の変動を説明する方向を調べます。ただし、変数の単位や尺度が大きく異なると、分散の大きな変数が分析に強く影響することがあります。目的に応じて標準化するか検討します。
共分散行列を用いる場合も、個々の共分散の値をそのまま強さとして比較できない点は変わりません。標準化したデータから相関行列を作ると、単位の影響を取り除いた関係を整理できます。一方、元の尺度が重要な分析では、共分散行列を使う理由があります。どちらを採用するかは分析目的と変数の意味に照らして決め、標準化の有無、母集団・標本の定義、欠損値処理などを明記しましょう。
共分散とは何かを理解し、分析に活かすためのまとめ
共分散とは、二つの変数それぞれの偏差を掛け合わせ、その平均を求めることで、データが同じ方向に動くか、反対方向に動くかを表す指標です。正なら同方向、負なら逆方向の傾向が見られます。計算では、まず二つの平均を出し、対応する各データの偏差を求め、偏差の積を合計してから適切な分母で割ります。偏差の符号と積の意味を理解すれば、公式の形だけに頼らず結果を読み取れます。
分母は、対象データ全体を記述するのか、標本から母集団を推定するのかで異なります。母集団として扱う場合はn、標本共分散を求める場合はn-1で割るのが基本です。ソフトの関数を使うときも、この違いを確認してください。また、共分散の値の大きさは単位や尺度に依存するため、関係の強弱を判断するなら相関係数を併用します。目的に合った指標を選ぶことが、正確な分析につながります。
共分散だけでは、非線形の関係や因果関係を十分に判断できません。外れ値やデータの対応関係、観測期間の違いも結果に影響します。計算前にデータの定義をそろえ、散布図で分布を確認し、計算条件を記録することが大切です。共分散を二つのデータの動く方向を把握する出発点として使い、相関係数や業務上の知識と組み合わせれば、数値を適切な判断材料として活用できます。
グロービス式と呼びたくなる、強制力の強いアウトプットの機会・グループワークがあることでモチベーションを持続させ走り抜けた感覚です。
データ分析の基本をまなぶことで、普段聞いていて点だった単語や考え方が線で繋がりました。
ビジネスパーソンの教養として、挑戦してよかったです。