相関関係と因果関係の違いとは｜統計でよくある「見せかけの相関」の見抜き方

「このグラフ、2つの数字がきれいに同じ形で動いていますね」——編集部の会議で誰かがそう言うと、私はつい「じゃあ関係があるということですね」と返してしまいます。元IT企業の広報だった私は、プレスリリースの「業界初」「大幅に向上」という言葉には反射的に疑いを持つ癖があるのですが、実はもっと単純な種類のグラフに長く騙され続けていました。二つの数字が同じように動くグラフを見ると、「きっと理由があるはずだ」と反射的に思ってしまう癖です。

この記事で扱うのは「相関関係」と「因果関係」の違いです。データ分析やニュースの数字を読むときに欠かせない考え方ですが、混同すると「アイスクリームが売れると人が溺れる」というような、ばかばかしい結論にたどり着いてしまいます。統計局の公式資料と、アメリカの統計学者が公開している「わざと見つけた無意味な相関」のデータベースを使って、順番に確認していきます。

• 相関関係と因果関係は何が違うのか
• なぜ「見せかけの相関」にだまされるのか
• 相関を因果と勘違いしないための3つのチェックポイント
• 2026年の大学入学共通テストでも問われた統計の基本

相関関係とは何か｜2つの数字が一緒に動く関係

相関関係とは、2つの数字（変量）が同じ方向、あるいは逆方向に動く傾向のことです。総務省統計局の統計学習サイト「なるほど統計学園」では、相関関係を数値で表す方法として相関係数を紹介しています。相関係数は-1から1までの値を取り、1に近いほど強い正の相関、-1に近いほど強い負の相関、0の付近は相関がないと説明されています。

同サイトが例に挙げているのは、世界の河川の長さと流域面積の関係です。河川が長いほど流域面積も広くなる傾向があり、実際に計算すると相関係数は0.6743になります。長い河川ほど陸上を長く流れるため、より広い範囲の雨水を集めて流域面積が広がる、という理屈です。この「係数を実際に計算してみたら0.6743だった」という進め方が、相関係数の基本的な使い方です。

ここで大事なのは、相関係数はあくまで「2つの数字がどれくらい同じ形で動くか」を測る道具だという点です。相関係数それ自体は、どちらが原因でどちらが結果か、あるいはそもそも原因と結果の関係があるのかどうかを教えてくれません。

因果関係とは何か｜相関との決定的な違い

因果関係とは、一方の事象（原因）が起きたことによって、もう一方の事象（結果）が変化する関係のことです。データサイエンティスト向けの学習メディア「CO-WRITE」の解説によると、相関関係には出来事の起こる順番は関係ありませんが、因果関係には方向性があります。「気温が上がったのでかき氷の売り上げが上がった」は成り立ちますが、「かき氷の売り上げが上がったので気温が上がった」は成り立ちません。この一方向にしか成り立たない関係が因果関係の特徴です。

同じ解説では、交絡因子（見せかけの相関を生む「第三の要因」）についても具体例が挙げられています。1日の最低気温と鍋の素の売上額を記録すると、気温が低いほど鍋の素の売上が高くなる傾向が見られますが、これは「鍋の素を買ったから寒くなった」わけではなく、冬が近づいて気温が下がったことが、鍋を食べたくなる気持ちと売上の両方を動かしているだけです。同様に、アイスクリームの売り上げとビールの売り上げにも相関が生まれますが、これも「気温」という交絡因子が両方に影響しているためで、アイスとビールの間に直接の因果関係はありません。

私がこの記事を書くまで整理できていなかったのは、まさにこの「交絡因子」という言葉でした。偏差値の記事でも扱った正規分布のように、データの散らばりや関係性を数値で表す統計量はいくつも存在しますが、その数値だけを見て「関係がある」「原因がある」と判断するのは早計だということを、恥ずかしながら今回あらためて学び直しました。偏差値の仕組みを扱った記事でも触れた正規分布や標準偏差と同じく、相関係数も「集団の性質を数字で表す道具」の一つです。道具である以上、使い方を間違えれば誤った結論を導いてしまいます。

なぜ相関を因果と勘違いしてしまうのか｜見せかけの相関の正体

相関関係と因果関係を混同する典型例としてよく引き合いに出されるのが、「アイスクリームの売上が増えると水難事故（溺死）が増える」という話です。数学・統計教室を運営する和から株式会社の解説によると、この2つには確かに統計的な相関がありますが、直接の因果関係はなく、背景には「気温の上昇」という交絡因子があります。暑くなるとアイスが売れ、同時に水辺で泳ぐ人も増えるため、事故も増えるという構造です。

この「見せかけの相関（疑似相関）」を、いたずら心たっぷりに大量生産して見せているのが、アメリカの統計学者タイラー・ヴィゲン氏が公開している「Spurious Correlations（見せかけの相関集）」というプロジェクトです。ヴィゲン氏はサイト上で、自分のデータベースには25,237個の変数が入っており、それらすべてを総当たりで比較すると、636,906,169通りの相関計算を行っていることになると説明しています。

実際に25,237を2乗して確かめてみました。25,237×25,237＝636,906,169。ヴィゲン氏の言う「636,906,169通り」は、ちょうど変数の個数を2乗した値と一致します（自分自身との組み合わせ・順序の入れ替えも含めて総当たりした数と考えられます）。

25,237×25,237を計算してみました。636,906,169。合っています。本当に合っています。これだけの組み合わせを総当たりで比べれば、たまたま同じ形で動く数字のペアなど、いくらでも見つかってしまいます。ヴィゲン氏自身も、この作業を「data dredging（データ浚渫）」と呼んでいます。仮説を立ててから検証するのではなく、大量のデータの中から「たまたま似た形」を後から探し出しているだけだ、という自己申告です。

相関係数がどれほど「見せかけ」を作れるか｜アメリカの珍データ集から

ヴィゲン氏のデータを保存しているCRAN（R言語のパッケージ配布サイト）の資料を見ると、具体的な相関係数の値がいくつも記録されています。「プールに落ちて溺れた人の数」と「俳優ニコラス・ケイジが出演した映画の本数」の相関係数は0.666です。原因と結果の関係などまったく想像できない組み合わせですが、数字の上では中程度から強めの正の相関になっています。

もっと極端な例もあります。「アメリカの科学・宇宙・技術関連予算」と「首吊り・絞殺・窒息による自殺者数」の相関係数は0.992。ほぼ1に近い、非常に強い相関です。予算を削れば自殺が減る、という話には当然なりません。両者を結びつける交絡因子（あるいは単なる偶然の一致）があるだけです。同じ資料では「1人あたりのチーズ消費量」と「シーツに絡まって亡くなった人の数」の相関係数が0.947と記録されており、こちらも同様です。

私はこの手の話を最初、笑い話として読んでいました。ですが、25,237個という変数の数と、636,906,169通りという組み合わせの数を自分で掛け算してみて、笑い話では済まないと感じました。ビジネスの現場で「この施策を打った月から売上が伸びた」というグラフを見せられたとき、本当に施策と売上の間に因果関係があるのか、それとも数字が偶然似た形で動いただけなのか、ヴィゲン氏のデータベースの規模を知ってしまうと、簡単には信じられなくなります。

相関と因果を見分ける3つのチェックポイント

データサイエンティスト向けの学習メディア「CO-WRITE」の解説を参考に整理すると、相関関係を因果関係だと思い込まないためのチェックポイントは、次の3つに絞り込めます。

1つめは時間の順序です。原因とされる出来事が、結果とされる出来事より先に起きているかを確認します。「広告を打ってから売上が伸びた」のか「売上が伸びてから広告予算が増えた」のかで、話はまったく変わります。2つめは第三の変数です。気温がアイスと水難事故の両方を動かしていたように、両方の数字に影響する隠れた要因がないかを疑います。3つめは比較の有無です。何かを行った集団と行わなかった集団を、条件をそろえて比較できているかを確認します。実験で対照群と比較できていれば、因果関係はぐっと主張しやすくなります。

逆にいえば、観察しただけのデータ（実験ではなく、すでに存在する数字を後から集めたデータ）だけでは、この3つを完全に満たすのは簡単ではありません。以前集団心理の仕組みの記事で紹介したアッシュの同調実験のように、条件をそろえた対照群と比較できる実験なら、因果関係を主張しやすくなります。一方で、ニュースで見かける「〇〇な人ほど△△な傾向」という調査結果の多くは、対照群を用意した実験ではなく観察データであることが多く、相関関係の域にとどまっている場合が少なくありません。

高校の「データの分析」でも問われる相関係数｜2026年共通テストの実例

相関係数は、大学入学を目指す高校生にとっても他人事ではありません。高校数学Iの「データの分析」という単元で必ず学ぶ内容で、大学入学共通テストでも毎年出題されています。大学受験予備校の東進が公開している解答分析によると、2026年に実施された共通テスト数学I・Aの第4問「データの分析」では、東京オリンピックの水泳・男子1500m自由形に関するデータを題材に、散布図や箱ひげ図の読み取り、外れ値に関する問題、共分散と標準偏差から相関係数を求める問題が出題されました。もう一つの設問では、2つのデータを組み合わせたときに相関係数がどう変化するかを考察する内容も出題されています。

受験勉強では「相関係数の計算方法」や「散布図の読み取り方」が中心になりますが、社会に出てから本当に必要になるのは、計算した相関係数を見て「では原因と結果の関係があると言えるのか」を判断する力です。私自身、大学のゼミがアンケート調査の設計と集計を扱う社会調査法のゼミで、統計そのものは学生時代から嫌いではありませんでした。ただ、相関係数を「求める」勉強はしても、「求めた後にどう扱うか」までは、恥ずかしながら仕事を始めてから学び直すことになりました。

相関関係を過信するとどうなるか｜見落としがちな注意点

相関係数は便利な道具ですが、限界もあります。総務省統計局の解説にもあるとおり、相関係数が0の付近だからといって「関係がない」と言い切れるわけではありません。相関係数は基本的に直線的な関係の強さを測る指標なので、山型やU字型のような曲線的な関係があっても、相関係数上は低い値になることがあります。また、見せかけの相関（疑似相関）が存在することにも常に留意が必要だと、統計局自身が注意喚起しています。

もう一つの注意点は、極端な値（外れ値）が1つ混ざるだけで相関係数が大きく動いてしまうことです。少ないデータ数で相関係数を計算しているときほど、この影響は大きくなります。ビジネスの資料やニュース記事で相関係数や「〇〇と△△に関係がある」というグラフを見たときは、何件のデータをもとにした数字なのか、外れ値が結果を引っ張っていないかも、あわせて確認したいところです。

相関から因果に近づくには｜研究の質を見る判断基準

相関関係の情報をすべて無視する必要はありません。CO-WRITEの解説にもあるとおり、値を予測するだけが目的であれば、因果関係が証明されていなくても相関関係は十分役に立ちます。天気予報が「気圧配置」から「明日の天気」を予測するように、原因と結果の仕組みを完全に説明できなくても、過去のデータの相関から未来を予測することは可能です。

一方で、「原因を取り除けば結果も変わるはずだ」という対策を考える場面では、相関だけを根拠にするのは危険です。判断基準として私が意識しているのは、次の順番です。まず、その相関が実験（対照群との比較）から得られたものか、それとも観察データだけから得られたものかを確認します。次に、時間の順序が原因→結果の向きに矛盾していないかを確認します。最後に、両方に影響していそうな第三の変数に心当たりがないかを、自分の生活実感に照らして考えてみます。この3段階を経てもなお筋が通っているときだけ、「関係がありそうだ」ではなく「原因と結果の関係がありそうだ」という一段階踏み込んだ言い方をするようにしています。

よくある誤解

相関関係と因果関係については、いくつかの誤解がよく見られます。

相関係数が高ければ、原因と結果の関係があるということ？

いいえ。相関係数は2つの数字が同じように動く度合いを示すだけで、どちらが原因でどちらが結果かは教えてくれません。「アメリカの科学技術予算」と「自殺者数」の相関係数が0.992のように非常に高くても、実際には因果関係が無い例が存在します。数字の高さだけでなく、時間の順序と第三の変数を必ず確認する必要があります。

相関係数がマイナスなら、弱い関係だということ？

いいえ。マイナスの符号は「一方が増えるともう一方は減る」という逆方向の関係を意味しているだけで、強さとは無関係です。相関係数の絶対値が1に近いほど強く、0に近いほど弱いという点は、プラスでもマイナスでも変わりません。

相関関係が見つかったら、もう何もしなくていいということ？

いいえ。ビジネスの意思決定などに使う場合は、相関から見つかった仮説をもとに、時間の順序を確認したり、第三の変数（交絡因子）がないかを調べたりする必要があります。相関関係は、あくまで「調べる価値がある組み合わせを見つけるための入り口」だと考えるのが安全です。

まとめ：相関関係と因果関係の違いを振り返る

相関関係は「2つの数字が同じように動く関係」、因果関係は「一方が原因となってもう一方が変化する、方向性のある関係」です。相関係数が高くても、時間の順序が矛盾していたり、両方に影響する第三の変数（交絡因子）が隠れていたりすれば、因果関係があるとは言えません。ヴィゲン氏のデータベースが示すとおり、25,237個の変数を総当たりで比べれば、636,906,169通りの組み合わせの中から、意味のない相関はいくらでも見つかります。

2026年9月時点の情報をもとに書いています。相関係数の計算方法や共通テストの出題傾向は今後変わる可能性があるため、最新の内容は文部科学省や各予備校の公式情報でご確認ください。グラフや数字を見せられたときは、「時間の順序」「第三の変数」「比較の有無」の3つを確認してから、原因と結果の関係かどうかを判断する。これが、この記事で私自身がいちばん学び直した習慣です。