はじめに：データ間の関係性を理解する

アクチュアリー科学の世界では、単一のデータを切り離して見ることはめったにありません。むしろ、2つの事象がどのように連動して動くかに注目することが多々あります。例えば、「保険契約者の年齢が上がると、保険金の請求頻度も上がるのか？」といった具合です。これが、私たちが相関（correlation）と呼ぶものです。 この章では、2つの変数（二変量データ）の間の関係の強さと方向を測定するための3つの主要な方法、すなわちピアソン、スピアマン、そしてケンドールの相関係数について学びます。これらは、同じデータの中に隠れた異なるタイプのつながりを見つけ出すための、いわば異なる「レンズ」のようなものだと考えてください。

1. ピアソンの積率相関係数

ピアソンの相関係数は、標本では \(r\)、母集団では \(\rho\) という記号で表される、最も一般的な相関の指標です。これは、2つの連続変数間の線形（直線的）な関係の強さを測定します。

何がわかるのか？

\(r\) の値は常に \(-1\) から \(+1\) の間に収まります。
  • \(r = +1\)：完全な正の線形関係（一方が上がれば、もう一方も直線的に上がる）。
  • \(r = -1\)：完全な負の線形関係（一方が上がれば、もう一方は直線的に下がる）。
  • \(r = 0\)：線形関係が全く認められない。

数式

\(n\) 組のデータのペア \((x_i, y_i)\) の標本について、公式は以下の通りです。

\(r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \sum (y_i - \bar{y})^2}}\)

また、次のような「偏差平方和」の記法で書かれることもあります。

\(r = \frac{S_{xy}}{\sqrt{S_{xx} S_{yy}}}\)

重要な注意点

ピアソンの相関係数は非常に繊細です。関係が「直線」であることを前提としており、外れ値（極端な値）の影響を強く受けます。もしデータが曲線（例えば「U字型」など）を描いている場合、たとえ強い関係があったとしても、ピアソンの係数は「相関なし」と判定してしまうことがあります。
ここがポイント： 直線的な関係が予想され、データに極端な外れ値がない場合にはピアソンを使いましょう。

2. スピアマンの順位相関係数

数値そのものではなく、データの順位（順番）が重要になることがあります。そこで登場するのが、スピアマンの順位相関係数（\(r_s\) または \(\rho_s\)）です。

仕組み

生の数値（例えば \$1,250 や \$5,000 など）を直接使う代わりに、それらを順位（1位、2位、3位...）に変換します。そして、その順位に対してピアソンの相関計算を行います。 同順位（タイ）がない場合は、次の簡略化された公式を使うことができます。

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

ここで \(d_i\) は、各個体における \(x_i\) の順位と \(y_i\) の順位の差を表します。

なぜ使うのか？

スピアマンの相関は、単調（monotonic）な関係を測定します。単調な関係とは、一方の変数が増加したとき、もう一方の変数も増加する傾向がある状態を指します（たとえそれが直線でなくても構いません）。
  • 順位を使用するため、極端な値の影響を抑えることができ、外れ値に対して頑健（ロバスト）です。
  • 順序データ（「低い」「普通」「高い」のように自然な順番があるデータ）にも使用できます。

ここがポイント： 関係が「曲線的」だが常に増加（または減少）している場合や、扱いにくい外れ値があるデータにはスピアマンが最適です。

3. ケンドールの順位相関係数（タウ）

ケンドールのタウ（\(\tau\)）も順位に基づいた指標ですが、スピアマンとは少し仕組みが異なります。これはデータポイントのペアの方向性に注目します。

順致ペアと逆致ペア

データセットから任意の2人を選んだと想像してみてください。
  • 順致（concordant）ペア：両方の変数において、一方の人がもう一人より順位が高い場合。つまり、方向性が「一致」しているペアです。
  • 逆致（discordant）ペア：最初の変数では一方の順位が高いが、2番目の変数ではもう一方の順位が高い場合。つまり、方向性が「食い違っている」ペアです。
公式は以下の通りです。

\(\tau = \frac{(\text{number of concordant pairs}) - (\text{number of discordant pairs})}{\frac{1}{2} n(n - 1)}\)

なぜケンドールを使うのか？

一般的にはスピアマンがよく使われますが、以下のような場合にはケンドールのタウが好まれます。
  • データセットが非常に小さい場合。
  • 同じ順位（タイ）が多数存在する場合。
  • 特定のシナリオにおいて、仮説検定のための統計的性質がより優れている指標を求めている場合。

ここがポイント： ケンドールはペア間の「一致度」を見ており、小規模なデータや同順位が多いデータで非常に有用です。

4. 相関に関する統計的推論

数値を計算することは始まりに過ぎません。アクチュアリーとしては、「この相関は本物なのか、それとも単なる偶然の結果なのか？」を知る必要があります。

仮説検定

通常、次のような帰無仮説をテストします。

\(H_0: \rho = 0\) （母集団に相関は存在しない）

これに対する対立仮説は次の通りです。

\(H_1: \rho \neq 0\) （相関が存在する）

ピアソン相関の場合、データが二変量正規分布に従うのであれば、自由度 \(n - 2\) の \(t\) 検定を利用できます。

\(t = r \sqrt{\frac{n - 2}{1 - r^2}}\)

注意：スピアマンやケンドールにも同様の検定方法があります。多くの場合、数表から臨界値を読み取るか、（Paper Bで学ぶように）Rなどのソフトウェアを使用して計算します。

まとめと比較

クイック比較表

ピアソン： 線形関係、外れ値に敏感、連続データが必要。
スピアマン： 単調関係、順位を使用、外れ値に強い。
ケンドール： ペアの一致に基づき、小規模サンプルや同順位が多い場合に最適。

避けるべきよくある間違い
  • 相関 \(\neq\) 因果： 2つの事象に相関があるからといって、一方がもう一方の「原因」であるとは限りません。（例：アイスクリームの売り上げとサメの襲撃件数には相関がありますが、それはどちらも「気温が高い」ことが原因であり、アイスクリームがサメを呼び寄せているわけではありません！）
  • \(r = 0\) の誤解： ピアソンにおいて \(r = 0\) は、あくまで「線形」な関係がないことを意味するだけです。非常に強い「非線形」な関係が隠れている可能性があります。
  • 散布図の無視： 相関の指標を選ぶ前に、必ずデータの散布図を視覚的に確認するようにしましょう！
クイック復習クイズ
  1. 曲線を描いているが常に右上がりの関係に対して、どの指標を使いますか？ （答え：スピアマンまたはケンドール）
  2. もし \(r = -0.9\) だった場合、その関係について何が言えますか？ （答え：強い負の線形関係がある）
  3. 外れ値があるデータにおいて、なぜピアソンよりもスピアマンが好まれるのですか？ （答え：順位を使うことで、極端な値の影響を「中和」できるため）

データの可視化について詳しく知りたい場合は、「要約統計量と探索的データ解析」の章を参照してください。また、これらの変数が予測モデルの中でどのように関連するかについては、「回帰理論とその応用」のセクションで詳しく解説します。