相関係数計算ツール(Pearson・Spearman)
2つの数値変数の関係の強さと方向を測定します。Excel、Googleスプレッドシート、SPSSから2列をそのまま貼り付けると、有意性検定とFisherの95%信頼区間付きのPearsonのr が得られ、同じ画面にSpearmanの順位相関ρも表示されるため、外れ値や非線形性が結論を変えるかどうかを即座に確認できます。 シャピロ・ウィルクの正規性チェックが自動で実行され、順位に基づくSpearman係数の方が安全な選択である場合には提案を行います。これは統計的な相関分析ツールです(株式ポートフォリオ計算機ではありません)。結果はRのcor.test()と少なくとも有効数字6桁まで一致します。
よくある質問
相関をAPA 7形式でどう報告すればよいですか?
rを自由度(N − 2)、p値、できれば信頼区間とともに報告します。例: "Study time and exam score were strongly positively correlated, r(10) = .99, p < .001, 95% CI [.96, 1.00]." AIレポートがAPA形式の完全な報告文と解釈を作成します。
Pearson相関とSpearman相関のどちらを使うべきですか?
Pearsonのrは線形の関連を測定し、極端な外れ値のないおおむね正規な変数を前提とします。Spearmanのρは順位に基づくため外れ値に頑健で、あらゆる単調関係を捉えます。両者が明らかに食い違う場合は散布図を確認してください — 本ツールは既定で両方を表示します。
強い相関とはどの程度ですか?
一般的な目安(Cohen): |r| ≈ .10は小、.30は中、.50以上は大とされます。文脈も重要です — 心理学では.40は注目に値しますが、物理学では弱いかもしれません。統計的有意性は相関がゼロである可能性が低いことを示すだけで、相関が大きいことを意味するわけではありません。
相関は因果関係を意味しますか?
いいえ。有意な相関は変数が連動していることを意味するだけで、どちらが原因か、あるいは第3の変数が両方を動かしているのかはわかりません。因果の主張には実験デザインまたは慎重な準実験デザインが必要です。