スピアマン順位相関係数計算機

Q: スピアマンの順位相関係数とは何ですか？

スピアマンの順位相関係数（rho）は、2つの変数間の単調関係の強さと方向を示す非パラメトリックな指標です。線形関係を測定するピアソンの相関係数とは異なり、スピアマンはランク付けされたデータを使用し、あらゆる単調関係を検出できます。値は-1（完全な負の単調関係）から+1（完全な正の単調関係）の範囲で、0は単調関係がないことを示します。

Q: ピアソン相関の代わりにスピアマン相関を使用すべきなのはいつですか？

データが順序尺度（ランク）である場合、関係が単調であるが必ずしも線形ではない場合、データに外れ値が含まれている場合（スピアマンの方が堅牢です）、またはデータがピアソン相関で求められる正規性の仮定を満たさない場合にスピアマン相関を使用します。また、サンプルサイズが小さい場合や、特定の分布を仮定せずに関連性を測定したい場合にも適しています。

Q: スピアマン相関は同順位をどのように処理しますか？

2つ以上の観測値が同じ値を持つ場合、それらが本来受け取るべき順位の平均値が割り当てられます。例えば、2つの値が3位と4位で並んでいる場合、両方に3.5位が割り当てられます。その後、相関係数の正確性を保つために、これらの同順位を考慮した補正係数が数式に適用されます。

Q: 有意なスピアマン相関は何を意味しますか？

統計的に有意なスピアマン相関は、母集団の相関がゼロであるという帰無仮説を棄却するのに十分な証拠があることを意味します。有意性検定には、自由度 n-2 の t分布が使用されます。有意であることは因果関係や強い関係を意味するのではなく、観測された相関が選択した有意水準において偶然に発生した可能性が低いことを示しているに過ぎません。

Q: 良いスピアマン相関の値とは？

解釈は文脈によりますが、一般的な目安は次の通りです。0.9-1.0は非常に強い、0.7-0.89は強い、0.5-0.69は中程度、0.3-0.49は弱い、0.3未満は非常に弱いか無視できる程度です。これらはrhoの絶対値に適用されます。負の値は逆の単調関係を示し、これも同様に強くなる可能性があります。

スピアマンの順位相関係数 (ρ) を計算します。ステップバイステップの順位付け、タイ順位の処理、散布図の可視化、有意性検定、および単調関係の詳細な解釈が含まれます。

スピアマン順位相関係数計算機

📊 クイック例 — クリックして読み込む:

X変数 X

Y変数 Y

小数点以下の精度

有意水準

ℹ スピアマンの順位相関は単調関係を測定します。これは、関係が線形でなくても、変数が一貫して一緒に増加または減少するかどうかを検出します。

Embed スピアマン順位相関係数計算機 Widget

スピアマン順位相関係数計算機

スピアマン順位相関係数計算機は、2つの順位付けされた変数間の単調関係の強さと方向を示す非パラメトリックな指標であるスピアマンの順位相関係数（ρ、または r_s とも表記）を算出します。生データを順位に変換し、それらの順位間の相関を測定することで、外れ値の影響を受けにくく、順序データにも適しています。

スピアマン順位相関係数計算機の使い方

X値を入力する: 最初のデータセットを「X変数」フィールドに、カンマ、スペース、または改行で区切って入力します。
Y値を入力する: 2番目のデータセットを「Y変数」フィールドに入力します。両方のデータセットの件数は一致している必要があります。
精度を設定する: 結果の小数点以下の桁数を選択します（2〜15）。
有意水準を選択する: 仮説検定のための α = 0.01、0.05、または 0.10 を選択します。
「計算」をクリックする: 相関係数、有意性検定、可視化、およびステップバイステップの計算過程が表示されます。

スピアマンの順位相関の公式

同順位がないデータの場合、スピアマンのρは次のように計算されます：

$$\rho = 1 - \frac{6 \sum d_i^2}{n(n^2-1)}$$

ここで、$d_i$ は各ペアの順位の差、$n$ はデータペアの数です。同順位が存在する場合は、順位和に基づいた一般的な公式を使用して補正係数が適用されます。

スピアマン相関とピアソン相関の使い分け

次のような場合は、スピアマンの順位相関を選択してください：

データが間隔尺度や比率尺度ではなく、順序尺度（ランク）である場合
変数間の関係が単調であるが、必ずしも線形ではない場合
ピアソン相関を歪ませる可能性のある外れ値がデータに含まれている場合
データが正規分布に従わない場合
サンプルサイズが小さい場合

データが連続的で正規分布に従い、関係が線形であると予想される場合は、ピアソン相関を選択してください。

結果の解釈

ρ = +1: 完全な正の単調関係 — Xが増加すると、Yも常に増加します
ρ = −1: 完全な負の単調関係 — Xが増加すると、Yは常に減少します
ρ = 0: 変数間に単調関係はありません
0.7 ≤ |ρ| < 1.0: 強い相関
0.5 ≤ |ρ| < 0.7: 中程度の相関
0.3 ≤ |ρ| < 0.5: 弱い相関
|ρ| < 0.3: 非常に弱い、または相関なし

同順位の処理方法

2つ以上の観測値が同じ値を持つ場合、それらが占めるはずの順位の平均値が割り当てられます。例えば、3位と4位の位置にある値が等しい場合、両方に3.5位が割り当てられます。この電卓は自動的に同順位を検出し、正確性を維持するために適切な補正公式を適用します。

有意性検定

この電卓は、相関が統計的に有意かどうかを判断するために両側t検定を行います。検定統計量は次の通りです：

$$t = \frac{\rho \sqrt{n-2}}{\sqrt{1-\rho^2}}$$

これは、選択された有意水準において、自由度 n−2 のt分布からの境界値と比較されます。

よくある質問

スピアマンの順位相関係数とは何ですか？

スピアマンの順位相関係数（ρ）は、2つの変数間の単調関係の強さと方向を示す非パラメトリックな指標です。線形関係を測定するピアソンの相関係数とは異なり、スピアマンはランク付けされたデータを使用し、あらゆる単調関係を検出できます。値は−1（完全な負の単調関係）から+1（完全な正の単調関係）の範囲で、0は単調関係がないことを示します。

ピアソン相関の代わりにスピアマン相関を使用すべきなのはいつですか？

データが順序尺度である場合、関係が単調であるが必ずしも線形ではない場合、データに外れ値が含まれている場合、またはデータがピアソン相関で求められる正規性の仮定を満たさない場合にスピアマン相関を使用します。また、サンプルサイズが小さい場合や、特定の分布を仮定せずに関連性を測定したい場合にも適しています。

スピアマン相関は同順位をどのように処理しますか？

2つ以上の観測値が同じ値を持つ場合、それらが本来受け取るべき順位の平均値が割り当てられます。例えば、2つの値が3位と4位で並んでいる場合、両方に3.5位が割り当てられます。その後、相関係数の正確性を保つために、これらの同順位を考慮した補正係数が数式に適用されます。

有意なスピアマン相関は何を意味しますか？

統計的に有意なスピアマン相関は、母集団の相関がゼロであるという帰無仮説を棄却するのに十分な証拠があることを意味します。有意性検定には自由度 n−2 のt分布が使用されます。有意であることは因果関係や強い関係を意味するのではなく、観測された相関が選択した有意水準において偶然に発生した可能性が低いことを示しているに過ぎません。

良いスピアマン相関の値とは？

解釈は文脈によりますが、一般的な目安は次の通りです。0.9–1.0は非常に強い、0.7–0.89は強い、0.5–0.69は中程度、0.3–0.49は弱い、0.3未満は非常に弱いか無視できる程度です。これらはρの絶対値に適用されます。負の値は逆の単調関係を示し、これも同様に強くなる可能性があります。

このコンテンツ、ページ、またはツールを引用する場合は、次のようにしてください：

"スピアマン順位相関係数計算機"（https://MiniWebtool.com/ja/スピアマン順位相関係数計算機/） MiniWebtool からの引用、https://MiniWebtool.com/

miniwebtool チームによる提供。更新日: 2026-04-15

また、AI 数学ソルバー GPT を使って、自然言語による質問と回答で数学の問題を解決することもできます。