SPSS 相関分析
相関分析は、定量データ間の関係（関係が存在するかどうか、またどの程度密接か）を調べるために用いられます。通常、この分析は回帰分析の前に行われます。相関分析と回帰分析の論理的関係は、回帰関係が成立するためにはまず相関関係が存在する必要がある、ということです。
相関分析とは
相関分析は定量変数間の関係を評価します。分析項目間の関係は相関係数で表されます。分析の手順は次の3つです：
1. 関係の有無を確認する
2. 関係の方向を判断する： 相関係数が0より大きければ正の相関、0より小さければ負の相関を示します。
3. 関係の強さを判断する： 一般に、相関係数が0.4より大きい場合は密接な関係とみなされます。
重要な注意： 相関分析は通常回帰分析の前に行われます。相関関係がなければ回帰関係は成立しません。ただし、相関関係があるからといって必ずしも回帰関係があるとは限りません。
相関係数の種類
システムではピアソン、スピアマン、ケンドールの3種類の相関係数が提供されています。システムのデフォルトはピアソン相関係数です。各係数の違いは次の通りです：
| 係数 | 使用場面 | 備考 |
|---|---|---|
| Pearson | 正規性を満たす定量データ | 正規性はPP/QQプロット、ヒストグラム、正規性検定などで確認できます（最も厳密な検定） |
| Spearman | 正規性を満たさない定量データ | 正規性はPP/QQプロット、ヒストグラム、正規性検定などで確認できます（最も厳密な検定） |
| Kendall | 一貫性判断のための定量データ | 通常は評価データの一貫性レベルの調査（関係性の研究ではない）に用いられる。例えば審査員の採点やデータのランク付けなど。ケンドールのtau_b型 |
注： 理論的にはデータが正規分布する場合はピアソン相関係数を、正規分布しない場合はスピアマン相関係数を使用します。しかし、実際には正規分布はほとんど存在しません。非正規の状況が許容範囲内であれば、ピアソン係数を継続して使用して問題ありません。多くの場合、ピアソンとスピアマンの結論は基本的に一致します。したがって、研究の大多数はピアソン相関係数を使用し、スピアマンはあまり使われません。
機能へのアクセス
1. SurveyMarsのアンケートの「分析結果」セクションに移動します。
2. 「SPSS分析」 オプションをクリックして分析機能にアクセスします。
3. 「今すぐ分析」 ボタンをクリックし、利用可能な分析方法から 「相関分析」 を選択します。
相関分析の実行方法
1. 相関を分析したい定量変数を選択します。
2. 方法の観点からは相関分析はXとYを区別しません。しかし、分析の論理の観点からはXとYを区別することを推奨します（例：「サービス対応」と「サービス品質」が「満足度」と「ロイヤルティ」にどう関係するかを調べる場合、前者2つがX、後者2つがYとなります）。
3. 「確定」 ボタンをクリックして相関分析の結果を生成します。
相関結果の解釈
相関分析の結果は次の3つの手順で解釈します：
1. 関係が存在するかを判断する：
- 結果にアスタリスク（*）が付いている場合、有意な関係があることを示します
- アスタリスク1つ（*）は有意水準0.05（p < 0.05）を示します
- アスタリスク2つ（**）は有意水準0.01（p < 0.01）を示します
- アスタリスクがない場合は有意な関係がないことを示します
2. 関係の方向を判断する：
- 相関係数 > 0：正の相関（片方の変数が増加するともう一方も増加する）
- 相関係数 < 0：負の相関（片方の変数が増加するともう一方は減少する）
3. 関係の強さを判断する：
- 相関係数 > 0.7：非常に強い関係
- 相関係数 0.4 - 0.7：密接な関係
- 相関係数 0.2 - 0.4：中程度の関係
- 相関係数 < 0.2：弱い関係（ただしアスタリスクが付いていれば有意）
例：結果の解釈
例：「オンラインショッピングの満足度」と「再購入意向」の相関係数が0.673**（p < 0.01）であった場合、これは次のことを示します：
- 有意な関係がある（**で示される）
- 関係は正（係数 > 0）
- 関係は密接である（係数は0.4〜0.7の範囲）
重要な注意点
- 相関分析は定量データ間の関係を調べるためにのみ用いられます
- 相関分析は通常回帰分析の前に実施されます。回帰関係が成立するには先に相関関係が存在する必要があります
- システムのデフォルトはピアソン相関係数であり、ほとんどの研究シナリオに適しています
- 方法的には相関分析はXとYを区別しませんが、分析の論理の観点からは区別することを推奨します
- 相関係数が0.4より大きい場合、一般に密接な関係を示します
よくある質問（FAQ）
Q1：結果のp値はどこにありますか？
A：p値（有意値またはSig値とも呼ばれる）は、相関係数の表ではアスタリスクで表されます。相関分析では標準的な表形式でアスタリスクがp値を示します（相関係数の右上に表示）。p < 0.01 はアスタリスク2つ（**）、p < 0.05 はアスタリスク1つ（*）で表されます。
Q2：1つの次元を表す複数の尺度項目はどのように扱えばよいですか？
A：複数の尺度項目が1つの次元を表す場合（例：2つの項目がともに「ロイヤルティ」を表す場合）、"変数を生成"機能で"平均"オプションを使用して複数の尺度項目を1つの総合次元にまとめることができます。項目を統合した後は、個々の項目ではなく統合した次元を用いて相関分析、回帰分析、分散分析などを行うことができます。
Q3：データが正規分布していない場合はどうすればよいですか？
A：理論的にはデータが正規分布する場合はピアソン相関係数を、正規分布しない場合はスピアマン相関係数を使用します。しかし、実際には正規分布はほとんど存在しません。非正規の状況が許容範囲内であれば、ピアソン係数を継続して使用して問題ありません。多くの場合、ピアソンとスピアマンの結論は基本的に一致します。したがって、研究の大多数はピアソン相関係数を使用し、スピアマンはあまり使われません。
Q4：XとYの変数を区別すべきですか？
A：方法の観点では相関分析はXとYを区別しません。しかし、分析の論理の観点ではXとYを区別することを推奨します。例えば「サービス対応」と「サービス品質」が「満足度」と「ロイヤルティ」にどう関連するかを調べる場合、前者2つがX（独立変数）、後者2つがY（従属変数）となります。XとYを区別したくない場合は、すべての項目を『分析項目 Y（定量）』のボックスに配置してください。
