相関係数(r)と決定係数(R2)の不思議な関係｜なぜ2乗すると一致するのか？

こんにちは、シラスです。

統計を勉強していると、ふと奇妙なことに気づきませんか？

例えば、相関係数が $0.9$ なら、決定係数は $0.9 \times 0.9 = 0.81$。
これは偶然ではありません。実は、単回帰分析（1対1の関係）においてのみ成立する、数学的な魔法なのです。

今回は、なぜこの2つが繋がっているのか、その「数学的な正体」を視覚的に紐解きます。

1. まずは「記号」で納得する

難しい理屈の前に、記号の見た目を見てみましょう。
統計学者がこの記号を選んだ時点で、答えは書いてあります。

相関係数 $r$ には「プラスとマイナス」があります（右上がりか、右下がりか）。
しかし、決定係数 $R^2$ は「予測がどれくらい当たっているか（精度）」の話なので、右上がりだろうが右下がりだろうが関係ありません。

だから、2乗してプラスマイナスの情報を消してしまうのです。

2. 数学的な理由：「標準化」の世界

ここからが本題です。なぜピッタリ一致するのでしょうか？
その鍵は、データを扱いやすくする「標準化（平均0、分散1に変換すること）」にあります。

あらゆるデータを標準化された世界（単位のない世界）に連れて行くと、驚くべきことが起きます。

💡 つまり、こういうこと！

論理をつなげると、こうなります。

※あくまで「単回帰分析（xとyが1つずつ）」の場合に限ります。

3. 直感イメージ：重なり具合

数式が苦手な方は、このイメージだけ持ち帰ってください。
相関係数とは、2つのデータが「どれくらい同じ方向を向いているか」を表す矢印のようなものです。

• 相関係数 ($r$)：
  データの「結びつきの強さ」そのもの。
  例：身長と体重はかなり強く結びついている ($r=0.7$)
• 決定係数 ($R^2$)：
  その結びつきを使って「どれくらい説明できるか」というパワー。
  例：結びつき($0.7$)を2回掛けると、説明力($0.49$)になる。

なぜ2回掛けるのか？
それは、「確率」のようなものだからです。「あやふやさ($r$)」が2つ重なると、説明できる範囲($R^2$)は掛け算で小さくなるのです。

まとめ

Excelで分析するとき、「相関が0.8もある！」と喜んでも、決定係数で見ると「0.64（64%しか説明できていない）」と冷静になれるのは、この「2乗の法則」があるからなのです。

品質保証の現場で、工程の条件（温度・圧力など）と製品特性の関係を回帰で調べるとき、このr²=R²の関係はそのまま「過信のブレーキ」として効きます。本文の例のとおり、相関係数が0.8あると「強い関係だ」と判断しがちですが、決定係数は0.64で、特性のばらつきの36%は他の要因で説明できていない、という意味です。残り36%を無視して条件を1つだけ動かすと、狙ったほど効果が出ないことがよくあります。「相関の強さ」と「どれだけ説明できるか」は別物だと割り切るのが実務の第一歩です。

つまずきとして多いのが、この「2乗で一致する」関係を重回帰にそのまま持ち込んでしまうことです。本文にもあるとおり、r²=R²が成り立つのは単回帰のときだけです。説明変数を増やせばR²は必ず上がるので、現場では説明変数を足して「R²が上がったから良くなった」と誤解しがちです。説明変数が複数あるときは、見かけ上の上昇を補正した自由度調整済み決定係数(自由度調整R²)で比べないと、本当にモデルが良くなったのか判断できません。

もう一つ、R²が高いこと自体が品質の良さを意味しない点も実務では重要です。R²はあくまで「直線でどれだけ説明できたか」であり、外れ値が1点あるだけでも大きく動きます。客先に「この条件で管理すれば大丈夫」と説明する前に、必ず散布図を併せて確認し、数値だけで判断しないことが現場の鉄則です。

📚 次に読むべき記事

相関と回帰の「違い」がわかったら、次は中身に進みましょう。今のあなたの状態に近いところから読むのがおすすめです。

🔍 STEP1：まずは「相関」をもっと深く

📈 STEP2：単回帰の「中身」を理解する

🚀 STEP3：実務レベルへ進む