スピアマンの順位相関係数とは？ピアソンとの違いやExcel計算手順・検定の全貌を徹底解説
データ分析や統計解析の実務において、2つの変数の関連性を探る際に最も身近な指標が「相関係数」です。しかし、一般的なピアソンの積率相関係数をそのまま適用した結果、極端な異常値（外れ値）に数値を大きく歪められたり、アンケートの満足度調査のような段階評価（順序尺度）を無理やり線形として扱って誤った判断を下したりするケースは少なくありません。
そこで真価を発揮するのが、心理学者チャールズ・スピアマン（Charles Spearman）が提唱した「スピアマンの順位相関係数（ρ / rs）」です。データを順位に置き換えて関連を測定するノンパラメトリック手法であり、正規分布の前提が崩れている現場データでも堅牢な分析を可能にします。本稿では、ピアソンとの明確な使い分け基準から、外れ値への耐性、Excelを用いた具体的な計算手順、t分布を用いた有意性検定のロジックまでを網羅して解剖します。
📌 【この記事の重要ポイントまとめ】
- 要点1：スピアマンの順位相関係数は、データを順位化して単調増加・単調減少の関係を捉えるノンパラメトリック検定の手法である。
- 要点2：正規分布を仮定せず、極端な外れ値の影響を受けにくいため、顧客アンケートなどの順序尺度データ分析に最適。
- 要点3：計算式は順位差の二乗和を用いる簡易式があり、ExcelのRANK.EQ関数やCORREL関数、t分布（TDIST/T.DIST.2T）で手軽に検定まで完結できる。
【基本定義】スピアマンの順位相関係数（ρ/rs）の正体と単調性の仕組み
スピアマンの順位相関係数（記号では一般に ρ（ロー） または rs と表記）は、2組の対応するデータについて「各変数を順位（ランク）に変換した上で求めた相関係数」です。算出される値の範囲は -1以上1以下 の実数となります。
ピアソンの相関が「直線的な比例関係（線形性）」を測るのに対し、スピアマンが評価するのは 「単調関数による関係（単調性）」 です。すなわち、一方の値が増加したときにもう一方も一貫して増加する傾向にあれば「単調増加（最大値 +1）」、逆に一方が増加すると他方が減少する傾向にあれば「単調減少（最小値 -1）」と判定されます。
関係性が直線を描いていなくても、序列の方向性に狂いがなければ強い相関として検出できる点が、順位に基づくスピアマン解析の最大の特徴です。
【徹底比較】ピアソンの積率相関係数との違いと使い分け基準
実務で頻出する「ピアソンの積率相関係数」と「スピアマンの順位相関係数」は、前提条件と対象データが根本から異なります。両者の性質を整理した対照表は以下の通りです。
| 比較項目 | ピアソンの積率相関係数（r） | スピアマンの順位相関係数（ρ / rs） |
|---|---|---|
| 手法の分類 | パラメトリック手法（母集団の分布を仮定） | ノンパラメトリック手法（分布を仮定しない） |
| 前提条件 | データが正規分布に従うこと、線形関係 | 前提なし（任意の分布で適用可能） |
| 適したデータ尺度 | 間隔尺度・比例尺度（身長、体重、売上額など） | 順序尺度（5段階評価、満足度、競技着順など） |
| 捉える関係性 | 直線的な関係（線形性） | 一貫した増加・減少の傾向（単調性） |
| 外れ値（極端値）の影響 | 受けやすい（1点の大外れで数値が激変） | 受けにくい（順位に変換されるため影響が限定的） |
日常的なデータ分析では、売上数値や物理測定値のように連続的かつ正規分布に近いデータにはピアソンを用い、5段階のアンケートスコアや少人数サンプルの実態把握にはスピアマンを選択するのが鉄則です。
【外れ値への強さ】なぜ実務データでノンパラメトリック検定が選ばれるのか
スピアマンの順位相関係数が重宝される最大の理由は、「外れ値に対する頑健性（ロバスト性）」 にあります。ビジネス現場で収集されるログデータや購買データには、稀に平均から数十倍も離れた異常値が混入します。
ピアソンの積率相関係数では生データを直接掛け合わせて共分散を求めるため、たった1点の極端な外れ値が存在するだけで、本来無相関に近いデータが見かけ上の強い相関を示したり、逆に強い相関がかき消されたりする「擬似相関」のリスクを抱えています。
一方、スピアマンの手法では、たとえ100万という突出した数値があっても「標本中第1位」という順位に置き換わります。順位空間に圧縮されることで、特定データの突出による影響が物理的に遮断され、全体的な序列トレンドを忠実に反映することが可能になります。
【計算式と公式】手計算でわかる求め方と同順位の処理方法
原理上、スピアマンの順位相関係数は「順位データに対してピアソンの積率相関係数を適用したもの」ですが、同順位（タイ）が存在しない場合、以下の簡略化された公式を用いて容易に算出できます。
公式（同順位がない場合）：
rs = 1 - [6 × Σ(Di²) / (n × (n² - 1))]
ここで n はデータペアのサンプルサイズ、Di は各ペアにおける2変数の順位の差（順位X - 順位Y）です。差の二乗和 Σ(Di²) を算出し、公式に当てはめることで係数が求まります。
同順位（タイデータ）の処理ルール：
同順位が発生した場合は、該当する順位の平均値（平均順位）を割り振るのが標準的なルールです。例えば2位タイが2件ある場合は (2 + 3) ÷ 2 = 2.5位 と処理します。同順位が少数であれば上記の簡易式でも近似値として通用しますが、同順位が多数を占める場合は、順位付け後の数値に対して直接ピアソンの積率相関係数の計算式を適用するか、後述するケンドールの順位相関係数の活用を検討します。
【Excel実践】関数を使ったスピアマン順位相関係数の計算手順
表計算ソフトExcelを使えば、複雑な手計算を行わずともわずか3ステップでスピアマンの順位相関係数を導き出せます。
ステップ1：RANK.EQ関数で順位列を作成する
元のデータが列A（変数X）と列B（変数Y）の2行目から11行目に入力されている場合、列Cと列Dに順位を算出します。
・セルC2：=RANK.EQ(A2, $A$2:$A$11, 0)
・セルD2：=RANK.EQ(B2, $B$2:$B$11, 0)
※同順位の平均化を厳密に行いたい場合は RANK.AVG 関数を使用します。
ステップ2：CORREL関数で順位間の相関を算出する
作成した順位列に対して、標準の相関関数を実行します。
・計算結果セル：=CORREL(C2:C11, D2:D11)
これだけで、スピアマンの順位相関係数 rs が即座に出力されます。
ステップ3：簡易式を使った検算（別解）
差の二乗和を求める場合は、列Eに =(C2-D2)^2 を計算させ、合計セルで =SUM(E2:E11) を算出。その後、前述の公式 =1-(6SUM(E2:E11)/(10(10^2-1))) を入力することでも同一の数値が得られます。
【有意性検定】t分布を用いた「無相関の帰無仮説」検定手順
得られた相関係数が「母集団においても意味のある関係なのか」、それとも「偶然の標本誤差なのか」を白黒つけるには、統計的仮説検定が不可欠です。
検定においては、まず 帰無仮説（H0）：「母集団における2変数間に相関はない（ρ = 0）」 を設定します。これに対立仮説（H1）：「相関がある（ρ ≠ 0）」を立てます。
サンプルサイズ n が約20以上の場合、検定統計量 t は以下の計算式によってスチューデントの t分布（自由度 df = n - 2） に近似的に従うことが知られています。
検定統計量 t の算出式：
t = rs × √[(n - 2) / (1 - rs²)]
算出された t 値の絶対値が、自由度 n - 2 の臨界値（有意水準5%や1%の基準値）を上回るか、あるいはp値（Excelの =T.DIST.2T(ABS(t), n-2) 関数で算出可能）が 0.05 未満であれば、帰無仮説を棄却して「統計的に有意な順位相関がある」と結論づけられます。
【ケンドールの順位相関係数との比較】どちらを選ぶべきかの判断基準
順位に基づくノンパラメトリック相関には、スピアマンのほかに「ケンドールの順位相関係数（τ：タウ）」が存在します。実務における使い分けの判断基準は明快です。
・スピアマン（ρ）： 標本数が比較的多く（n ≧ 20〜30）、同順位の数が少ない場合に最適。ピアソンの相関係数と直感的な解釈が近く、データ分析の初期探索や一般的なレポートに適しています。
・ケンドール（τ）： 標本サイズが小さい場合（n < 20）や、同じ評価スコアが密集して「同順位が極めて多いデータセット」において、スピアマンよりも理論的に正確な推定値と偏りのない検定結果を提供します。
統計検定などの試験対策や学術研究では、データのサンプル数と同順位の出現頻度を見極めて手法を選定することが求められます。
【スピアマンの順位相関係数】に関するよくある質問（FAQ）
Q1：データが負の値（マイナス）を含んでいても計算できますか？
A1：問題なく計算できます。スピアマンの計算は数値の大小関係に基づき1位、2位、3位といった順位を割り振るため、負の数やゼロが含まれていても順序付けが可能であればそのまま算出できます。
Q2：サンプル数が極めて少ない（10件未満）場合でもt検定を使ってよいですか？
A2：サンプル数が10件未満と極めて小さい場合、t分布への近似精度が落ちるため、一般的なt検定の適用は推奨されません。スピアマンの順位相関係数専用の「数表（臨界値表）」を参照するか、小標本に強いケンドールの順位相関係数検定を利用するのが安全です。
Q3：順位相関係数が高ければ、因果関係があると言えますか？
A3：言えません。相関係数はあくまで「2つの変数が連動して増減しているか」という関連の強さを示す指標に過ぎず、原因と結果を示すものではありません。第三の潜伏変数による見かけ上の相関の可能性を常に考慮する必要があります。
まとめ：データ特性を見極めた相関分析の実践へ
相関分析の第一歩は、目の前にあるデータの前提条件を正しく見極めることです。「相関係数を出して」と言われて無条件にピアソンの式を適用するのではなく、分布の歪みや外れ値の有無、尺度の種類を確認する習慣が分析の精度を左右します。
アンケート調査のような順序尺度データや、異常値の混入が避けられない実務環境において、正規分布を仮定しないスピアマンの順位相関係数は極めて強力な武器となります。ExcelのRANK関数とCORREL関数を組み合わせれば数分で導き出せるため、ぜひ実務や統計検定の現場で活用してみてください。 （出典: スピアマン の 順位 相 関係 数（Yahoo!ニュース））
情報を整理して届けることが得意なWebディレクター。ユーザー視点に立った記事作成を目指しています。
