Free Press

正の相関は、2つの変数の間の直接的な関係、すなわち、一方の変数の値が増加すると、他方の変数の値も増加すると定義することができます。 この記事では、心理学におけるこの概念について、いくつかの例を挙げて説明します。

「ニューヨークのアイスクリームの消費量（1人当たりパイント）と殺人の件数は正の相関がある。 つまり、一人当たりのアイスクリームの販売量が増えれば、殺人事件の数も増える。 不思議だが本当だ！」
– Deborah J. Rumsey, Statistics For Dummies®

心理学ではさまざまな方法で研究を行いますが、そのひとつに任意の2つの変数の相関関係を調べることがあります。 相関とは、2 つの変数間の関係の度合いを示す指標にほかなりません。

相関は2つの変数の関係を研究し、その係数は-1から1までの範囲になります。 正の傾きを持つ関係は、正の相関に他なりません。 その値は0から1までの範囲になります。 正の相関は、2つの変数の間に正の関係があることを意味し、すなわち、一方の変数の値が増加すると他方の変数の値も増加し、一方の変数の値が減少するとその逆が起こることを意味します。 相関は、数学、統計学、経済学、心理学など、多くの分野で使用されています。

研究者が 2 つの変数、すなわち「x」と「y」の関係を研究しようとしている仮想的な例を見てみましょう。 5220>

‘x’ を学生の学習時間数、’y’ をテストの得点 (最高得点 120 点) とする。 研究者はクラスから20人の学生を選び、テストのために勉強した時間数を記録する。 そして、テストでの点数を記録する。 5220>

► 与えられたデータは、2つの変数 ‘x’ と ‘y’ からなっています。 研究者によって記録された20の観察があります。 我々は、グラフ上のこれらのポイントをプロットします。

► グラフ上のポイントをプロットした後、我々は散布図が得られます。 散布図はトレンドを示し、相関が正か負かを表示します。

► 上昇トレンドは通常、正の相関を示し、一方、下降トレンドは通常、負の相関を示します。 しかし、その程度はその都度異なる。 このように、散布図は相関関係を視覚化するのに役立ちます。

心理学では、相関関係は行動パターンを研究するのに役立ちます。 たとえば、落ち込んでいる学生が試験で失敗するか、またはスコアが低いかを研究したい場合、観察結果をプロットして、それらの間の関連性を研究することができます。 正の相関がある場合、うつ病の学生は試験に失敗しやすいことを意味します。

データのグラフ表示。 散布図

What Do We Observe?

► グラフ上にポイントをプロットした後、散布図が上昇・増殖傾向にあることに気づくでしょう。 これは、変数’x’の値が増加すると、’y’の値も増加することを示している。 したがって、これは、より多くの学習時間を費やした学生が、テストでより良いスコアを得たことを示している。

► しかし、この調査方法には限界がある。 このデータは、IQレベルの異なるクラス20人の生徒の統計に基づくものである。 ここで観察された傾向はポジティブなものですが、その生徒のIQレベルも重要な一因となり得る可能性が高いのです。 もし、すべての生徒のIQレベルが平均的に同じであると仮定すれば、勉強時間が多ければ多いほどスコアが良くなるという推論が成り立つかもしれません。 しかし、学生の集中力のレベルなど、点数に影響を与える可能性のある変数が他にもあることは否定できません。

実生活における正の相関の例

► もっと歩けば、もっとカロリーを消費できるだろう。
► 会社の成長に伴い、会社の株式の時価が上がる。
► 需要が増えると、製品の価格が上がる（供給水準が同じ場合）。
►勉強量が増えると、試験で高得点が取れる。
►従業員への給与が増えると、従業員のモチベーションが上がり、パフォーマンスが上がる。
►瞑想量が増えると、集中力が高まる。

なお、相関関係は因果関係を意味しないことに注意が必要である。 直接的な関係や肯定的な関係は、それらが互いの原因と結果であることを意味するものではない。 2つの変数の間の相関関係は、研究者がそれらの間の関連性を決定するのに役立ちます。 しかし、統計データはサンプルに基づいているため、時には誤解を招く結果を招くことがある。 強い正の相関は、必ずしも両者の間に関係があることを意味せず、未知の外部変数に起因する可能性もある。 したがって、研究者は推論を行う際に統計データについて注意しなければならないのです。