【ビジネス統計学入門】「2変数の関係」を分析する：散布図と相関係数の正しい使い方

2026年1月17日

当ページのリンクには広告が含まれています。

ビジネスの現場では、単一の数値データだけでは見えてこない、2つの変数間の関係性を分析することが重要です。本記事では、2変数の関係を分析するための強力なツールである「散布図」と「相関係数」の正しい使い方、そしてデータ解釈における注意点について解説します。ビジネスにおける意思決定をデータに基づいて行うために、これらのツールを効果的に活用する方法を学びましょう。

1. なぜ「2変数」の関係を見る必要があるのか？

ビジネスシーンでは、マーケティング、人事、経理など、あらゆる分野で「Aが増えればBはどうなるか？」という因果関係や相関関係の検証が不可欠です。

マーケティング: 店舗数と売上の関係、所得水準と客単価の関係、顧客の年齢と購買意欲の関係など。
人事・組織: モチベーションと生産性、技能レベルと作業効率、成果報酬と営業成績の関係など。
経理・財務: 売上と利益の関係、為替レートと製造原価の関係など。

単に「顧客の年齢層が高い」という事実（1変数の分析）だけでなく、「年齢が若いほうが実は顧客満足度が高い」といった**関係性（2変数の分析）**が見えてこそ、有効な戦略を立てることができます。例えば、年齢層が高い顧客が多いというデータだけでは、高齢者向けの製品開発やサービス改善に注力するという戦略しか思い浮かびません。しかし、若い顧客層の方が満足度が高いという関係性が見えてくれば、若年層向けのマーケティング戦略を強化したり、若年層が好むような新しい製品やサービスを開発したりするなど、より多様な戦略を検討することができます。

2. まずは「散布図」を描こう

2変数の関係を分析する際、最も簡単かつ有効な手段は**「散布図」を作ること**です。相関係数という「数字」だけでは見えてこない事実が、散布図による「視覚的な形状」から読み取れるからです。

事例① 店舗数と売上高（逓減の発見）: データが右肩上がりでも、徐々に伸びが鈍化している場合、「店舗同士の共食い（カニバリゼーション）」や「収益効率の悪化」が起きている可能性があります。これは将来の頭打ちを示唆しており、戦略の見直しが必要かもしれません。
事例② 技能水準と作業効率（二極化の発見）: データが2つの塊に分かれている場合、「あるレベルを超えると急激に効率が上がる」という技能構造や、「効率の低い層と高い層に二極化している」という組織課題が見えてきます。
事例③ 販促費と売上高（無相関の発見）: 販促費を増やしても売上が変わらない、あるいは下がっている場合、そのキャンペーンには効果がなかったことが一目でわかります。

これらのような「曲線の関係」や「二極化」は、後述する相関係数（数字）だけでは捉えきれません。まずは散布図で「散らばり」を目で確認することが非常に重要です。散布図を描くことで、データの全体的な傾向やパターンを把握し、異常値や外れ値を発見することができます。また、変数の関係性が直線的であるか、非線形であるかを目視で判断することができます。

3. 「相関係数」の読み方と目安

散布図で全体像を掴んだ上で、関係性の強さを数値化するのが**相関係数（r）**です。−1から+1までの値をとり、データの一次スクリーニングに非常に便利です。

+1に近い：右肩上がりの直線的な関係（正の相関）
−1に近い：右肩下がりの直線的な関係（負の相関）
0に近い：直線的な関係が見られない

ビジネスデータにおける「相関の強さ」の基準

ここで注意すべきは、「相関係数がいくつあれば高いと言えるか」という基準です。

自然科学の世界: 再現性が高いため、0.9以上の高い相関が求められます。
社会科学（ビジネス）の世界: 人間の心理や社会現象は複雑な要因が絡み合うため、**0.3もあれば「かなり高い」**と判断されます。

例えば、「アフターサービスの品質」と「顧客満足度」の相関が0.3だったとします。これは「満足度の30%がアフターサービスで説明できる」という意味になり、非常に重要な要素であると言えます。逆に、ビジネスデータで相関係数が0.9のように高すぎる場合は、「同じようなことを質問している（トートロジー）」か「分析が間違っている」可能性を疑うべきです。相関係数は、あくまで2つの変数の間の直線的な関係の強さを示す指標であり、因果関係を示すものではありません。