RSQ関数とは？決定係数R²をサクッと求める関数

「広告費を増やしたら売上は本当に伸びるの？」

こんなふうに、2つのデータの関連度を数値で確認したい場面ってありますよね。なんとなく相関がありそう…では説得力に欠けます。

そんなときに使えるのがスプレッドシートのRSQ関数です。決定係数R²（アールスクエア）という指標を一発で求められます。この記事では、RSQ関数の基本から実践的な活用法までわかりやすく解説していきます。

スプレッドシートのRSQ関数とは？決定係数R²を求める関数

RSQ関数は「R Squared（Rの二乗）」の略です。2組のデータから決定係数R²を計算します。

決定係数R²とは、ざっくり言うと「データのバラつきのうち、どれだけを回帰直線（予測の線）で説明できるか」を示す指標です。値は0から1の範囲で返されます。

• 1に近い → データが回帰直線にピッタリ沿っている（予測精度が高い）
• 0に近い → データがバラバラで回帰直線では説明できない

たとえばR²=0.85なら、「データの変動の85%をこのモデルで説明できる」という意味になります。R²が高いほど、予測の根拠として使いやすくなりますよ。

RSQ関数の構文と引数

基本構文はこちらです。

=RSQ(data_y, data_x)

ここで注意したいのが引数の順番です。 data_y（結果）が先、data_x（原因）が後になります。CORREL関数やSLOPE関数と同じ順番ですね。

戻り値の範囲：0〜1の意味

RSQ関数の戻り値は必ず0以上1以下になります。マイナスになることはありません。

これは、相関係数（2変数の直線的な関連の強さを−1〜1で表す数値）を二乗しているためです。相関係数が−0.8でも、RSQ関数の結果は0.64になります。つまり、RSQ関数は正の相関・負の相関を区別しません。相関の「方向」ではなく「強さ」だけを見る指標です。方向も知りたい場合は、CORREL関数と組み合わせて使いましょう。

RSQ関数の基本的な使い方

実際に使ってみましょう。広告費と売上のサンプルデータで試します。

A2:A7に広告費、B2:B7に売上が入っているとします。

数式の入力例

売上が広告費によってどれだけ説明できるかを求めます。

=RSQ(B2:B7, A2:A7)

結果は約0.974になります。R²=0.974ということは、売上の変動の約97%が広告費で説明できるという意味です。かなり強い関連性ですね。

引数の順番に注意：data_yが先

RSQ関数では引数の順番を入れ替えても結果は変わりません。数学的にR²は対称だからです。

=RSQ(B2:B7, A2:A7)  → 約0.974
=RSQ(A2:A7, B2:B7)  → 約0.974（同じ結果）

ただし、SLOPE関数やFORECAST関数と一緒に使う場面が多いはずです。これらは引数の順番で結果が変わります。混乱を防ぐために、常にdata_yを第1引数にする習慣をつけておくと安心ですよ。

R²の値の読み方と判断基準

「R²がいくつなら合格ライン？」という疑問を持つ方は多いと思います。ここでは目安をまとめます。

R²値の目安表

ただし、この目安は分野によって異なります。工学や物理では0.9以上が求められることが多いです。一方、マーケティングや社会科学では0.3〜0.5でも「有意な関係」として扱われることがあります。

「高いR²=良いモデル」の落とし穴

R²が高いからといって安心はできません。注意すべきケースがあります。

• データが2点だけ → R²は必ず1.0になります。2点なら直線が必ず通るからです。これは過適合と呼ばれる状態で、「サンプルに対してのみ精度が高く見える」という問題があります
• 外れ値の影響 → 1つの極端なデータがR²を大きく変えることがあります
• 見せかけの相関 → 時系列データでは、両方が増加トレンドにあるだけで高いR²が出ることがあります

R²だけを見て「このモデルは正しい」と判断するのは危険です。必ずデータの中身も確認してくださいね。

CORREL²=RSQの関係を理解する

RSQ関数の計算結果は、実はCORREL関数の結果を二乗したものと同じになります。

=RSQ(B2:B7, A2:A7)          → 約0.974
=CORREL(B2:B7, A2:A7)^2     → 約0.974（同じ結果）

CORREL関数との比較で直感的に理解する

CORREL関数は相関係数r（−1〜1の範囲）を返します。RSQ関数はそれを二乗したR²（0〜1の範囲）を返します。

使い分けのポイントはシンプルです。「正の相関か負の相関かを知りたい」ならCORREL関数、「予測モデルの当てはまり度合いを知りたい」ならRSQ関数を使いましょう。

PEARSON関数との違い

スプレッドシートにはPEARSON関数もあります。PEARSON関数はCORREL関数とまったく同じ結果を返します。

=CORREL(B2:B7, A2:A7)   → 同じ値
=PEARSON(B2:B7, A2:A7)  → 同じ値

つまり、以下の3つはすべて同じ結果になります。

=RSQ(B2:B7, A2:A7)
=CORREL(B2:B7, A2:A7)^2
=PEARSON(B2:B7, A2:A7)^2

PEARSON関数は「ピアソンの積率相関係数」の正式名称に由来しています。CORREL関数の別名と考えてOKです。

RSQとSTEYXで回帰精度を2軸評価する

R²は「モデルがどれだけ説明できているか」を示す指標です。でも、実際の予測がどれくらいズレるかはR²だけではわかりません。

ここで役立つのがSTEYX関数です。STEYX関数は回帰の標準誤差（残差の標準偏差）を返します。残差とは、実際のデータと予測値のズレのことです。

R²が高くても誤差が大きいケースがある

たとえば、年間売上が数億円規模のデータでR²=0.95が出たとします。一見すごく良い結果です。しかし、STEYXが5,000万円だったらどうでしょう。

予測のズレが5,000万円もあるなら、実務ではちょっと使いにくいですよね。R²はあくまで「割合」を見ているので、データのスケールが大きいと誤差の絶対額も大きくなりがちです。

2軸評価の具体的な手順

R²とSTEYXを組み合わせて、4つのパターンで判断できます。

実際の数式は以下のように並べて入力します。

=RSQ(B2:B7, A2:A7)     → 約0.974（説明力：非常に高い）
=STEYX(B2:B7, A2:A7)   → 約12.8（予測誤差：約13万円）

R²=0.974でSTEYX=約12.8なら、パターンAに該当します。広告費から売上を予測するモデルとして、十分に信頼できる結果です。

SLOPE・FORECAST・RSQを組み合わせた実践例

ここからは、複数の関数を組み合わせた実践的な使い方を見ていきましょう。

予測値を出してから精度確認するワークフロー

よくあるワークフローは「予測 → 精度確認」の流れです。

ステップ1：回帰直線の傾きと切片を求める

=SLOPE(B2:B7, A2:A7)      → 約7.43（傾き）
=INTERCEPT(B2:B7, A2:A7)  → 約42.86（切片）

SLOPE関数で傾き、INTERCEPT関数で切片を取得します。

ステップ2：新しい広告費に対する売上を予測する

広告費40万円のときの売上予測をFORECAST関数で求めます。

=FORECAST(40, B2:B7, A2:A7)  → 約340.0（万円）

ステップ3：予測の精度を確認する

=RSQ(B2:B7, A2:A7)    → 約0.974（説明力）
=STEYX(B2:B7, A2:A7)  → 約12.8（標準誤差）

R²=0.974でSTEYX関数の誤差も許容範囲なので、「広告費40万円なら売上は約340万円」という予測は信頼性が高いと判断できます。

回帰分析ミニパネルの作り方

上記の関数をまとめて並べると、ちょっとした回帰分析パネルが作れます。

D8に広告費を入れれば、D9に予測売上がすぐ出ます。D4とD5で精度もひと目で確認できるので、社内向けの簡易分析ツールとしておすすめですよ。

LINEST関数との使い分け

RSQ関数は手軽に決定係数を求められる便利な関数です。ただし、説明変数（原因側）が1つの単回帰分析にしか使えません。

複数の要因を同時に分析する重回帰分析では、LINEST関数を使う必要があります。

たとえば「広告費だけでなく、気温や曜日も売上に影響しているのでは？」と考えたときは、LINEST関数の出番です。LINEST関数の第4引数をTRUEにすると、重回帰のR²を含む統計情報を一括で取得できます。

まずはRSQ関数で単回帰の当てはまりを確認する。それで説明力が足りなければLINEST関数で重回帰に進む。この流れが実務ではスムーズです。

よくあるエラーと対処法

RSQ関数を使っていると、いくつかのエラーが出ることがあります。あらかじめ原因を知っておくと、すぐに対処できますよ。

#DIV/0!（ゼロ除算エラー）

以下のいずれかの場合に発生します。

• x値（data_x）がすべて同じ値のとき → 分散がゼロになり計算不能
• データが1件以下のとき → 相関係数を計算できない

対処法：データが最低2件以上あること、x値に変動があることを確認してください。

#N/A（データ不一致エラー）

data_yとdata_xの要素数が異なる場合に発生します。

=RSQ(B2:B7, A2:A6)  → #N/A（data_yは6件、data_xは5件）

対処法：両方の範囲が同じ行数・列数になっているか確認しましょう。

#VALUE!（値エラー）

引数の範囲に数値に変換できない文字列が含まれている場合に発生します。セルに「−」や「N/A」などのテキストが入っていないか確認してください。

R²=1.0が返ってきた場合

エラーではありませんが、データが2点のみのとき、R²は必ず1.0になります。2点であれば直線は必ず通るためです。これは過適合（訓練データにだけ過剰に適合した状態）なので、予測モデルとしては使えません。データを追加してから再度確認してみてください。

スプレッドシートのグラフと組み合わせてR²を視覚化する

散布図グラフを作成し、近似曲線を追加するとR²値をグラフ上に表示できます。RSQ関数の数値確認と合わせて活用しましょう。

散布図にR²を表示する手順

1. データ範囲（広告費と売上）を選択して散布図を挿入する
2. グラフ内のデータ点を右クリックし「近似曲線を追加」を選ぶ
3. 右ペインの「ラベル」で「R²を表示する」にチェックを入れる

グラフ上に R² = 0.974 のような値が自動表示されます。この値はRSQ関数の計算結果と一致します。プレゼン資料や報告書にそのままグラフを貼り付けられるので、視覚的な説得力が高まりますよ。

Excelのグラフとの違い

ExcelでもR²の表示方法は同じです。散布図の近似曲線オプションで「R-2 乗値を表示する」にチェックを入れます。スプレッドシートとExcelで同じデータを分析しても、近似曲線の種類（線形・指数・多項式）が同一なら同じR²値が表示されます。

複数の説明変数を比較してR²が高い組み合わせを探す

売上予測で「広告費・来店客数・気温・曜日区分」など複数の候補変数がある場合、それぞれのR²を一覧で比較すると最も予測力の高い変数を選べます。

R²比較テーブルの作り方

E列に候補変数の名前を、F列にRSQ関数の計算式を並べます。目的変数（売上）がA列、説明変数の候補がB〜D列にあるとします。

F列を降順に並べ替えると、R²が最も高い変数（予測に最も効く変数）が一目でわかります。

MAX関数で最大R²を自動ハイライトする

F列の最大値を条件付き書式で強調すると、最適な変数をひと目で把握できます。

1. F2:F4を選択し「表示形式 → 条件付き書式」を開く
2. 「カスタム数式」に =F2=MAX($F$2:$F$4) と入力する
3. 背景色を黄色などに設定する

最大R²のセルだけが色付きになるため、変数の数が増えても比較しやすくなります。

この方法はあくまで単回帰ベースの比較です。変数同士に相関がある場合（多重共線性）は見かけのR²が高くなりやすいため、CORREL関数で変数間の相関も確認しておくとより安全です。

RSQ関数のよくある質問（FAQ）

Q1. RSQ関数はExcelでも使える？

はい。Excelでも =RSQ(data_y, data_x) の構文でまったく同じように動作します。引数の順番・戻り値の範囲・エラーの挙動もスプレッドシートと共通です。

Q2. R²が負になることはある？

RSQ関数が返す値は0以上1以下なので、負にはなりません。相関係数（CORRELの結果）は−1〜1の範囲を取りますが、RSQはそれを二乗した値のため常に0以上です。

なお、重回帰分析のソフトウェアによっては「修正済みR²（Adjusted R²）」という指標が負になることがあります。これは説明変数が多すぎる場合に発生しますが、スプレッドシートのRSQ関数は単回帰の決定係数を返すため、この問題は起きません。

Q3. CORRELとRSQはどちらを使うべき？

目的で使い分けます。

• 正の相関か負の相関かを確認したい → CORREL（−1〜1で方向がわかる）
• 予測モデルの当てはまり度合いを数値化したい → RSQ（0〜1で強さがわかる）

「この2変数に関係がある」と言いたいときはCORRELの絶対値、「このモデルで予測精度はどれくらいか」と言いたいときはRSQを使う、というのが実務上のすみ分けです。

Q4. 時系列データ（月次売上など）にRSQを使うとき注意することは？

時系列データでは、両方の変数が増加トレンドを持っているだけで高いR²が出る「見せかけの相関」が起きやすいです。たとえば「年月」と「売上」は自然増加のため、内容に関係なく高いR²になることがあります。

時系列分析では、階差（前期との差分）を取ってからRSQを計算するか、専用の時系列手法（移動平均・指数平滑法など）を使うのが適切です。RSQ関数が高いからといって、時系列間の因果関係を断定するのは避けてください。

まとめ

スプレッドシートのRSQ関数は、決定係数R²を手軽に求められる関数です。

ポイントをおさらいしておきましょう。

• 構文は=RSQ(data_y, data_x)。結果側のデータが第1引数
• 戻り値は0〜1。1に近いほど予測モデルの説明力が高い
• CORREL関数の二乗と同じ結果になる。方向ではなく強さだけを見る指標
• R²だけで判断しない。STEYX関数と組み合わせた2軸評価がおすすめ
• 重回帰分析にはLINEST関数を使う。RSQ関数は単回帰専用

まずは身近な2つのデータでRSQ関数を試してみてください。「なんとなくの感覚」が数値で裏付けられると、データ分析がぐっと楽しくなりますよ。

スプレッドシートでデータを扱っていると、こんなふうに思う場面がありますよね。広告費と売上、気温と来客数など、2つのデータの関連性を数値で示せたら説得力がぐっと増します。

そんなときに使えるのが PEARSON関数 です。この記事では、スプレッドシートのPEARSON関数の基本構文から相関係数の読み取り方、CORREL関数との違い、実務での活用例まで解説していきます。

スプレッドシートのPEARSON関数とは？

PEARSON関数は、2つのデータセットのピアソン積率相関係数を返す統計関数です。

• 読み方: ピアソン
• 名前の由来: 統計学者 Karl Pearson（カール・ピアソン）の名前から
• 戻り値: -1〜1 の数値

相関係数とは、2つのデータがどれくらい連動しているかを表す指標です。

• 1に近い: 一方が増えるともう一方も増える（正の相関）
• -1に近い: 一方が増えるともう一方は減る（負の相関）
• 0に近い: 2つのデータに関連性がほぼない（無相関）

たとえば「気温が上がるとアイスの売上も上がる」なら正の相関です。「気温が上がるとホットドリンクの売上は下がる」なら負の相関になりますよ。

NOTE

PEARSON関数はGoogleスプレッドシートの全バージョンで使えます。ExcelにもPEARSON関数がありますが、動作は同じです。

PEARSON関数の書き方（構文と引数）

基本構文

=PEARSON(データ1, データ2)

引数の説明

引数はたった2つだけなのでシンプルですよね。

注意点として、データ1とデータ2の要素数は同じにしてください。要素数が異なると #N/A エラーになります。

基本的な使い方

実際にPEARSON関数を使ってみましょう。ある会社の6か月分の「広告費」と「問い合わせ件数」のデータがあるとします。

この2つのデータの相関係数を求める数式はこちらです。

=PEARSON(B2:B7, C2:C7)

結果は 約0.99 になります。1にとても近い値なので、広告費と問い合わせ件数には強い正の相関があることがわかりますね。

広告費を増やすほど問い合わせ件数も増えている傾向が、数値ではっきり確認できました。

相関係数の読み取り方（強弱の目安表）

PEARSON関数の結果を見て「0.65って強いの？弱いの？」と迷うことがありますよね。以下の目安表を参考にしてください。

ビジネスの現場では、0.4以上（または-0.4以下） であれば「関連がありそうだ」と判断するケースが多いですよ。

WARNING

相関関係は因果関係ではありません。 相関係数が高くても「Aが原因でBが起きている」とは限りません。たとえば「アイスの売上」と「水難事故の件数」は強い正の相関を示しますが、実際は「気温」という第三の要因が両方に影響しているだけです。分析の際はこの点を意識してくださいね。

PEARSON関数の実務活用例

活用例1: 広告チャネル別の効果を比較する

複数の広告チャネルのうち、どれが売上に最も影響しているか調べたい場面を考えてみましょう。チャネルごとにPEARSON関数で相関係数を求めて比較します。

=PEARSON(B2:B13, E2:E13)  → 0.85（Web広告費 vs 売上）
=PEARSON(C2:C13, E2:E13)  → 0.42（SNS広告費 vs 売上）
=PEARSON(D2:D13, E2:E13)  → 0.15（チラシ配布数 vs 売上）

この結果から「Web広告の影響が最も大きい」と読み取れます。予算配分を見直すときの判断材料になりますよね。

活用例2: 散布図と組み合わせて視覚化する

PEARSON関数で相関係数を数値で出したら、散布図で視覚的にも確認するのがおすすめです。

散布図の作り方:

1. 2つのデータ列（例: B2:C7）を選択する
2. 「挿入」メニュー →「グラフ」を選択する
3. グラフの種類で「散布図」を選ぶ

点の並びが右肩上がりなら正の相関、右肩下がりなら負の相関です。数値だけで伝わりにくい場合でも、散布図があれば一目で関連性が伝わりますよ。

活用例3: 複数KPIの関係性を整理する

営業チームで「訪問回数」「見積提出数」「成約数」の関係を分析する場面でも活躍します。

=PEARSON(訪問回数, 成約数)   → 0.55
=PEARSON(見積提出数, 成約数) → 0.82

見積提出数のほうが成約数との相関が強いとわかりますよね。「訪問を増やすより見積提出率を上げよう」という施策の判断材料になります。

よくあるエラーと対処法

PEARSON関数は、数値以外のセル（空白や文字列）を自動的に無視します。ただし、片方が数値で相手側が空白というペアがあると、そのペアごと計算から除外される点には注意してください。

TIP

「データがすべて同じ値」のケースは見落としがちです。たとえば片方の列がすべて「100」だと、標準偏差が0になり #DIV/0! エラーが出ます。先にデータにばらつきがあるかチェックしておきましょう。

CORREL関数との違い・使い分け

スプレッドシートにはPEARSONとよく似た CORREL関数 があります。

=CORREL(B2:B7, C2:C7)
=PEARSON(B2:B7, C2:C7)

どちらもピアソン相関係数を計算する関数で、基本的に同じ結果を返します。

Googleスプレッドシートでは、両関数の計算結果に差が出ることはほぼありません。迷ったら CORREL関数を使うのがおすすめ です。CORREL関数のほうが一般的に使われていて、ネット上の情報も豊富ですよ。

CORREL関数の詳しい使い方は、以下の記事で解説しています。

• スプレッドシートのCORREL関数の使い方｜相関係数でデータの関連性を数値化

関連する統計関数

PEARSON関数の周辺には、データ分析でセットで使うことの多い関数があります。

TIP

PEARSON関数の計算式は「共分散 / （データ1の標準偏差 x データ2の標準偏差）」です。STDEV関数で標準偏差を求めて手動計算もできますが、PEARSON関数なら一発で求められます。

まとめ

PEARSON関数は引数が2つだけのシンプルな関数ですが、データ間の関連性を数値化できる便利なツールです。まずは身近なデータ（広告費と売上、残業時間と生産性など）で試してみてください。散布図と組み合わせると、報告資料の説得力もアップしますよ。

関連記事

• スプレッドシートのCORREL関数の使い方｜相関係数でデータの関連性を数値化
• スプレッドシートのAVERAGE関数の使い方
• スプレッドシートのSTDEV関数の使い方

2つのデータの関連性を調べたいとき、相関係数だけでは見えない情報があります。データの「動きの大きさ」まで含めた関連性を数値にしたい場面です。

そんなときに使えるのが COVAR関数 です。基本の書き方から共分散の読み取り方、相関係数との違い、実務での活用例まで解説します。

COVAR関数とは？2つのデータの共分散を求める関数

COVAR関数（読み方: コバリアンス関数）は、2つのデータセットの共分散を返す統計関数です。「COVAR」は「Covariance（共分散）」の略になります。

共分散とは、2つのデータがどの方向にどれくらい一緒に動くかを表す指標です。

• 正の値: 一方が増えるともう一方も増える傾向（同じ方向に動く）
• 負の値: 一方が増えるともう一方は減る傾向（逆方向に動く）
• 0に近い: 2つのデータに関連性がほぼない

身近な例でいうと、「気温が上がるとアイスの売上も上がる」なら正の共分散です。逆に「気温が上がると鍋の売上は下がる」なら負の共分散になります。

COVAR関数にできることをまとめると、次のとおりです。

• 2つのデータ間の共分散を数値で求める
• データが同じ方向に動くか逆方向に動くかを判定する
• 複数の要因を比較して、動きの大きさごとに影響度を評価する
• CORREL関数やSTDEV関数と組み合わせてデータ分析の幅を広げる

NOTE

COVAR関数はGoogleスプレッドシートの全バージョンで使えます。ExcelのCOVARIANCE.P関数と同じ計算を行います。

COVAR関数の書き方（構文と引数）

基本構文

=COVAR(データ_y, データ_x)

カッコの中に、共分散を調べたい2つのデータ範囲を指定します。

引数の説明

引数はたった2つだけなのでシンプルですよね。注意点として、データ_yとデータ_xのデータ数は同じにする必要があります。データ数が異なると #N/A エラーが出ます。

TIP

範囲内の文字列・TRUE/FALSE・空白セルは自動的に無視されます。ただし、一方が数値で他方が空白というペアがあると、そのペアごと計算から除外されます。

COVAR関数の基本的な使い方

実際にCOVAR関数を使ってみましょう。

あるお店で6か月分の「広告費」と「売上」を記録したとします。

共分散を求める

=COVAR(C2:C7, B2:B7)

結果は約 1,341.67 になります。正の値なので、広告費と売上は同じ方向に動くことがわかりますね。

共分散の符号の読み取り方

COVAR関数の結果は相関係数のように-1〜1の範囲に収まりません。データのスケール（単位や大きさ）によって値が変わります。

そのため、共分散では符号（正か負か）で関連の方向を判断します。

WARNING

共分散の値そのものの大小で「関連が強い・弱い」と判断するのは危険です。共分散はデータの単位に依存するため、異なるデータセット間で比較できません。強弱を比較したいときはCORREL関数で相関係数を求めてください。

共分散と相関係数の違い

「共分散と相関係数って何が違うの？」と思った方もいるかもしれません。ここで整理しておきましょう。

実は、相関係数は共分散を標準偏差で割って正規化したものです。COVAR関数とCORREL関数は次の関係式で結ばれています。

CORREL(y, x) = COVAR(y, x) / (STDEVP(y) * STDEVP(x))

「方向だけ知りたい」ならCOVAR関数、「強さまで比較したい」ならCORREL関数を使い分けましょう。

COVAR関数の実践的な使い方・応用例

複数商品の売上関連を比較する

複数の商品を扱っている場合、「商品Aと商品Bの売上は連動しているか？」を確認できます。

商品A（D列）・商品B（E列）・商品C（F列）の月次売上データがあるとして、共分散を比べてみましょう。

=COVAR(D2:D13, E2:E13)   → 商品AとBの共分散
=COVAR(D2:D13, F2:F13)   → 商品AとCの共分散

両方とも正なら「Aが売れるとBもCも売れる傾向」です。片方が負なら「Aが売れるとそちらは売れなくなる傾向」と読み取れます。

ただし、値の大小で「BよりCの方が関連が強い」とは判断できません。強さの比較にはCORREL関数を使ってくださいね。

ポートフォリオのリスク分析に使う

投資の世界では、共分散はポートフォリオ理論の核となる指標です。2つの資産の共分散がわかれば、組み合わせたときのリスクを計算できます。

たとえば、株式A（G列）と株式B（H列）の月次リターン（収益率）が12か月分あるとします。

=COVAR(G2:G13, H2:H13)

結果が負の共分散なら、AとBは逆方向に動く傾向があります。AとBを組み合わせれば、ポートフォリオ全体のリスクを下げられる可能性がありますよ。

TIP

ポートフォリオの分散を計算する公式には共分散が含まれています。2資産の場合: wA^2 VarA + wB^2 VarB + 2 wA wB * COVAR(A, B) です。個々の資産のリスク（分散）はVAR関数で求められます。

STDEVP関数と組み合わせて相関係数を手動計算する

COVAR関数の結果を使って、相関係数を自分で計算することもできます。結果がCORREL関数と一致するか確かめてみましょう。

=COVAR(C2:C7, B2:B7) / (STDEVP(C2:C7) * STDEVP(B2:B7))

この式は =CORREL(C2:C7, B2:B7) と同じ結果を返します。共分散・標準偏差・相関係数のつながりが実感できますよね。

よくあるエラーと対処法

#N/Aエラー

COVAR関数で最もよく見るエラーです。

たとえば =COVAR(B2:B13, C2:C10) のように行数がずれていると発生します。データ範囲を確認してください。

#DIV/0!エラー

以下の原因が考えられます。

範囲内に数値が含まれていない場合、計算に使えるデータがゼロになるため発生します。

#VALUE!エラー

引数に文字列を直接入力すると発生します。

=COVAR("100", "200")   → #VALUE!エラー
=COVAR(A1:A5, B1:B5)   → 正常に計算される

セル範囲内に文字列がある場合は自動で無視されます。引数として直接文字列を渡した場合にのみ発生するエラーです。

TIP

期待した結果にならないときは、セル範囲に空白や文字列が混ざっていないか確認してください。COVAR関数は対応するペアが両方とも数値のデータだけを使います。

CORREL関数との違い・関連する統計関数

CORREL関数との使い分け

共分散と相関係数は密接に関連していますが、使いどころが異なります。

迷ったら、まずCORREL関数で相関の強さを確認するのがおすすめです。共分散が必要になるのは、ポートフォリオ分析など数学的な計算に値を使うケースが多いですよ。

関連する統計関数の一覧

まとめ

COVAR関数は、2つのデータセットの共分散を返す関数です。

この記事のポイント

• 構文は =COVAR(データ_y, データ_x) で、2つのデータ範囲を指定するだけ
• 共分散の符号（正・負・ゼロ付近）で2つのデータの関連の方向がわかる
• 値の大小はデータのスケールに依存するため、異なるデータ間の比較にはCORREL関数を使う
• 相関係数 = 共分散 / (標準偏差 x 標準偏差) という関係がある
• ポートフォリオのリスク分析など、数学的な計算で共分散の値が必要になる場面で活躍する

次のステップ：関連する統計関数

COVAR関数の使い方がわかったら、以下の関数もあわせて覚えてみてください。データ分析の幅が広がりますよ。

• CORREL関数 — 相関の強さを-1〜1で測る
• PEARSON関数 — CORREL関数と同じ相関係数を返す
• VAR関数 — データの分散（ばらつき）を求める
• STDEV関数 — 標準偏差を求める
• AVERAGE関数 — 平均値を求める基本関数

こんなふうに、2つのデータの関連性を数字で確かめたいときってありますよね。なんとなく「関係ありそう」と思っていても、感覚だけで判断するのはちょっと不安です。

そんなときに使えるのがCORREL関数です。この記事では基本の書き方から相関係数の読み取り方、散布図との連携、SLOPE・INTERCEPT関数との関係まで解説します。

CORREL関数とは？ピアソン相関係数を求める関数

CORREL関数（読み方: コリレーション関数）は、2つのデータセットのピアソン相関係数を返す統計関数です。「CORREL」は「Correlation（相関）」の略です。

相関係数とは、2つのデータがどれくらい連動しているかを表す指標です。値は -1から1 の範囲で返されます。

• 1に近い: 一方が増えるともう一方も増える（正の相関）
• -1に近い: 一方が増えるともう一方は減る（負の相関）
• 0に近い: 2つのデータに関連性がほぼない（無相関）

身近な例でいうと、「気温が上がるとアイスの売上も上がる」なら正の相関です。「気温が上がると鍋の売上は下がる」なら負の相関になります。

CORREL関数にできることをまとめると、次のとおりです。

• 2つのデータ間の相関係数（ピアソン相関係数）を数値で求める
• 複数の要因を比較して、最も影響が大きいものを特定する
• 散布図と組み合わせてデータの関連性を視覚化する
• SLOPE関数・INTERCEPT関数と組み合わせて回帰分析に進む

NOTE

CORREL関数はGoogleスプレッドシートの全バージョンで使えます。Excelにも同名の関数があり、動作は同じです。

CORREL関数の書き方（構文と引数）

基本構文

=CORREL(データ_y, データ_x)

カッコの中に、相関を調べたい2つのデータ範囲を指定します。

引数の説明

引数はたった2つだけなのでシンプルですよね。注意点として、データ_yとデータ_xのデータ数は同じにしてください。データ数が異なると #N/A エラーになります。

TIP

範囲内の文字列・TRUE/FALSE・空白セルは自動的に無視されます。ただし、一方が数値で他方が空白というペアがあると、そのペアごと計算から除外されます。

CORREL関数の基本的な使い方

実際にCORREL関数を使ってみましょう。

あるお店で12か月分の「平均気温」と「アイスクリームの売上」を記録したとします。

相関係数を求める

=CORREL(C2:C13, B2:B13)

結果は約 0.99 になります。1にとても近い値なので、気温と売上には強い正の相関があることがわかりますね。

相関係数の読み取り方（強弱の目安表）

CORREL関数の結果が出ても「0.65って強いの？弱いの？」と迷うことがありますよね。以下の目安表を参考にしてください。

ビジネスの現場では 0.4以上（または-0.4以下） であれば「関連がありそうだ」と判断するケースが多いですよ。

WARNING

相関関係は因果関係ではありません。 相関係数が高いからといって「Aが原因でBが起きている」とは限りません。たとえば「アイスの売上」と「水難事故の件数」は強い相関を示します。しかし、アイスが事故を引き起こしているわけではなく、「気温」という第三の要因が両方に影響しています。データ分析の際は、この点を常に意識してくださいね。

CORREL関数の実践的な使い方・応用例

広告費と売上の関係を分析する

マーケティング部門では「広告費を増やしたら売上は増えるのか？」という問いがよく出てきます。

月別の広告費（D列）と売上（E列）があるとして、次の数式で相関を確認できます。

=CORREL(E2:E13, D2:D13)

結果が0.7以上なら、広告投資に効果がある可能性が高いと判断できます。逆に0.2程度なら、広告費以外の要因が売上を左右していることになりますね。

複数の要因を比較して影響度を特定する

売上に影響しそうな要因が複数ある場合、それぞれの相関係数を並べると優先順位が見えてきます。

=CORREL(売上, 気温)      → 0.92
=CORREL(売上, 広告費)    → 0.65
=CORREL(売上, 競合価格)  → -0.31

この結果なら「気温の影響が最も大きく、広告費もそこそこ影響あり、競合価格は弱い逆相関」と読み取れます。施策の優先順位づけに使えますよ。

散布図と組み合わせて視覚化する

CORREL関数で数値を出したら、散布図と組み合わせるとさらにわかりやすくなります。

1. 2つのデータ列（例: B2:C13）を選択する
2. 「挿入」メニュー → 「グラフ」を選択する
3. グラフの種類を「散布図」に変更する
4. 点の並びが右肩上がりなら正の相関、右肩下がりなら負の相関

散布図上でグラフエディタの「カスタマイズ」→「系列」→「トレンドライン」にチェックを入れると、データの傾向を直線で表示できます。「R2」にもチェックを入れると、相関の強さを視覚的にも確認できますよ。

TIP

R2（決定係数）は相関係数を2乗した値です。CORREL関数の結果が0.9ならR2は0.81になります。「一方のデータで他方の81%を説明できる」と解釈できます。

SLOPE・INTERCEPT関数との関係

CORREL関数で「2つのデータに相関がある」とわかったら、次のステップとして回帰分析に進めます。ここで使うのがSLOPE関数とINTERCEPT関数です。

回帰直線の式は y = SLOPE × x + INTERCEPT です。CORREL関数で相関が強いと確認できれば、この式を使って将来の値を予測できます。

たとえば、先ほどの気温と売上データで回帰直線を求めてみましょう。

=SLOPE(C2:C13, B2:B13)

結果は約 15.5 です。気温が1度上がると売上が約15.5万円増えるという意味です。

=INTERCEPT(C2:C13, B2:B13)

結果は約 47.7 です。気温が0度のとき売上は約47.7万円と推定できます。

この2つを組み合わせれば、「来月の平均気温が22度なら、売上は 15.5 x 22 + 47.7 = 約389万円」と予測できますよね。

TIP

FORECAST関数を使えば、SLOPE・INTERCEPTを個別に求めなくても予測値を直接計算できます。=FORECAST(22, C2:C13, B2:B13) のように書きます。

よくあるエラーと対処法

#N/Aエラー

CORREL関数で最もよく見るエラーです。

たとえば =CORREL(B2:B13, C2:C10) のように行数がずれていると発生します。データ範囲を確認してください。

#DIV/0!エラー

以下の原因が考えられます。

すべて同じ値の場合、標準偏差が0になるため計算できません。

#VALUE!エラー

引数に文字列を直接入力すると発生します。

=CORREL("100", "200")   → #VALUE!エラー
=CORREL(100, 200)        → 正常に計算される（ただしデータ1つなのでエラー）

セル範囲内に文字列がある場合は自動で無視されます。文字列を直接引数として渡した場合にのみ発生するエラーです。

TIP

期待した結果にならないときは、セル範囲に空白や文字列が混ざっていないか確認してください。CORREL関数は対応するペアが両方とも数値のデータだけを使います。COUNT関数で数値の個数を確認するのがおすすめです。

PEARSON関数との違い・関連する統計関数

PEARSON関数との違い

GoogleスプレッドシートにはCORRELとよく似たPEARSON関数があります。

=PEARSON(C2:C13, B2:B13)

実は、CORREL関数とPEARSON関数はまったく同じ計算結果を返します。どちらもピアソンの積率相関係数を計算する関数です。

どちらを使っても結果は同じなので、チームで統一しておけばOKです。一般的にはCORREL関数のほうが使われる頻度が高いですよ。

関連する統計関数の一覧

TIP

CORREL関数の計算式は「共分散 / （データ_yの標準偏差 x データ_xの標準偏差）」です。手動計算も可能ですが、CORREL関数を使えば一発で求められます。

まとめ

CORREL関数は、2つのデータセットのピアソン相関係数を返す関数です。

この記事のポイント

• 構文は =CORREL(データ_y, データ_x) で、2つのデータ範囲を指定するだけ
• 戻り値は-1〜1の相関係数。1に近いほど正の相関、-1に近いほど負の相関
• ビジネスの現場では0.4以上（または-0.4以下）が「関連あり」の目安
• PEARSON関数とは同じ計算結果を返す
• SLOPE・INTERCEPT関数と組み合わせれば回帰分析に進める
• 相関関係は因果関係ではないことを常に意識する

次のステップ：関連する統計関数

CORREL関数の使い方がわかったら、以下の関数もあわせて覚えてみてください。データ分析の幅が広がりますよ。

• SLOPE関数 — 回帰直線の傾きを求める
• STDEV関数 — データのばらつき（標本標準偏差）を数値で測る
• VAR関数 — データの分散を求める
• AVERAGE関数 — 平均値を求める基本関数
• IFERROR関数 — エラー時の代替値を設定する

こんなふうに、データの起点となる基準値を知りたいときってありますよね。SLOPE関数で傾きを求めても、切片がなければ予測式は完成しません。

そんなときに使えるのがINTERCEPT関数です。この記事では基本の書き方からy切片の読み取り方、SLOPE・CORREL・FORECAST関数との連携まで解説します。

INTERCEPT関数とは？回帰直線のy切片を求める関数

INTERCEPT関数（読み方: インターセプト関数）は、2つのデータセットから回帰直線のy切片を返す統計関数です。「INTERCEPT」は英語の「intercept（切片・交点）」が由来です。

回帰直線とは、散布図に描かれた点の並びに最もフィットする直線のことです。y切片とは、この直線がy軸と交わる点、つまりx=0のときのyの値を意味します。

たとえば、月ごとの広告費（x）と売上（y）のデータがあるとします。INTERCEPT関数の結果が「28.3」なら、広告費がゼロでもベースの売上が約28.3万円あるという意味です。

INTERCEPT関数にできることをまとめると、次のとおりです。

• 2つのデータ間の回帰直線のy切片を求める
• x=0のときのyの推定値（データの基準値）を把握する
• SLOPE関数と組み合わせて回帰式（y = ax + b）を作る
• CORREL関数で相関を確認したうえで予測に活用する

NOTE

INTERCEPT関数はGoogleスプレッドシートの全バージョンで使えます。Excelにも同名の関数があり、動作は同じです。

INTERCEPT関数の書き方（構文と引数）

基本構文

=INTERCEPT(データ_y, データ_x)

カッコの中に、y切片を求めたい2つのデータ範囲を指定します。

引数の説明

引数はたった2つだけなのでシンプルですよね。SLOPE関数と同じで、yを先、xを後 に指定します。「結果（y）が先、原因（x）が後」と覚えてください。

WARNING

データ_yとデータ_xのデータ数は同じにしてください。データ数が異なると #N/A エラーになります。

TIP

範囲内の文字列・TRUE/FALSE・空白セルは自動的に無視されます。ただし、数値としての「0」は計算の対象になります。

INTERCEPT関数の基本的な使い方

実際にINTERCEPT関数を使ってみましょう。

あるお店で6か月分の「広告費（万円）」と「売上（万円）」を記録したとします。

y切片の値を求める

=INTERCEPT(C2:C7, B2:B7)

結果は約 28.3 になります。これは「広告費がゼロでも、ベースの売上が約28.3万円ある」ことを表しています。

y切片の読み取り方

y切片は「xが0のときのyの推定値」です。実務での読み取り方をまとめます。

TIP

y切片はあくまで統計的な推定値です。実際にx=0の状態が観測されていない場合、切片の値をそのまま「広告費ゼロの売上」と解釈するのは注意が必要です。データの範囲外への外挿には限界があることを覚えておいてください。

INTERCEPT関数の実践的な使い方・応用例

SLOPE関数と組み合わせて回帰式を作る

INTERCEPT関数だけではy切片しかわかりません。SLOPE関数と組み合わせると、回帰式が完成します。

回帰式は y = 傾き x x + 切片 です。

=SLOPE(C2:C7, B2:B7)      → 約 12.1（傾き）
=INTERCEPT(C2:C7, B2:B7)  → 約 28.3（切片）

この回帰式は y = 12.1 x x + 28.3 です。たとえば広告費を40万円（x=40）に増やした場合の売上予測は、12.1 x 40 + 28.3 = 約512万円と計算できます。

月別売上のベースラインを把握する

月番号をx、売上をyとしてy切片を求めると、トレンド開始時点の売上水準がわかります。

=INTERCEPT(B2:B7, A2:A7)

結果は約 297.1 です。「トレンド開始時点の売上水準は約297万円」と読み取れます。SLOPE関数の結果（約23.7）と合わせると「月あたり約23.7万円ずつ成長し、起点は約297万円」と報告できますね。

FORECAST関数で予測値を直接求める

「回帰式を手で計算するのはめんどう」というときはFORECAST関数が便利です。SLOPE・INTERCEPTの計算を内部で自動的に行い、予測値を直接返してくれます。

=FORECAST(40, C2:C7, B2:B7)

広告費40万円のときの売上予測が一発で出ます。結果は上の回帰式と同じ約512万円です。

TIP

FORECAST関数を使えばSLOPE・INTERCEPTを個別に求めなくても予測ができます。ただし「傾きと切片の値を個別に把握したい」場合はSLOPE・INTERCEPTを使い分けてください。

CORREL関数で相関を確認してからINTERCEPTを使う

INTERCEPT関数は「2つのデータに関連がある」前提でy切片を求めます。しかし、関連がないデータでもy切片は計算されてしまいます。

そこで、CORREL関数で先に相関の強さを確認するのがおすすめです。

=CORREL(C2:C7, B2:B7)

相関係数が0.7以上（または-0.7以下）なら相関が強いと判断できます。この場合はINTERCEPT関数の結果を信頼してベースライン値として活用できます。

相関係数が0.3程度の場合、INTERCEPT関数でy切片は出ますが、その値の信頼性は低くなります。「データ分析の手順」として覚えておくと便利ですよ。

よくあるエラーと対処法

#N/Aエラー

INTERCEPT関数で最もよく見るエラーです。

たとえば =INTERCEPT(C2:C7, B2:B10) のように行数がずれていると発生します。範囲を確認してください。

#DIV/0!エラー

以下の原因が考えられます。

xがすべて同じ値だと、回帰直線を引くための分母が0になります。データ入力のミスがないか確認してください。

TIP

エラーが表示されると困る場合は、IFERROR関数で囲むとスマートです。=IFERROR(INTERCEPT(C2:C7, B2:B7), "データ不足") のように書けます。

SLOPE関数との違い・関連する統計関数

SLOPE関数との違い

INTERCEPT関数とペアで使うのがSLOPE関数です。

この2つを組み合わせると、回帰式 y = ax + b が完成します。

関連する統計関数の一覧

まとめ

INTERCEPT関数は、2つのデータセットから回帰直線のy切片を返す関数です。

この記事のポイント

• 構文は =INTERCEPT(データ_y, データ_x) で、yを先・xを後に指定する
• 戻り値はy切片（x=0のときのyの推定値）
• SLOPE関数と組み合わせて回帰式 y = ax + b を作れる
• FORECAST関数を使えば予測値を直接計算できる
• 使う前にCORREL関数で相関の強さを確認するのがおすすめ

関連する統計関数

INTERCEPT関数の使い方がわかったら、以下の関数もあわせて覚えてみてください。データ分析の幅が広がりますよ。

• SLOPE関数 — 回帰直線の傾きを求める
• CORREL関数 — 2つのデータの相関係数を求める
• AVERAGE関数 — 平均値を求める基本関数
• STDEV関数 — データのばらつき（標準偏差）を測る
• IFERROR関数 — エラー時の代替値を設定する

こんなふうに、データの変化の勢いを具体的な数値で把握したいときってありますよね。グラフを見ればなんとなくわかるけど、「月あたり何円増えている」と言い切れると説得力が違います。

そんなときに使えるのがSLOPE関数です。この記事では基本の書き方から傾きの読み取り方、INTERCEPT・CORREL・FORECAST関数との連携まで解説します。

SLOPE関数とは？回帰直線の傾きを求める関数

SLOPE関数（読み方: スロープ関数）は、2つのデータセットから回帰直線の傾きを返す統計関数です。「SLOPE」は英語の「slope（傾き・坂）」が由来です。

回帰直線とは、散布図に描かれた点の並びに最もフィットする直線のことです。この直線の傾きがわかると「xが1増えたときに、yがどれだけ変わるか」を数値で把握できます。

たとえば、月ごとの広告費（x）と売上（y）のデータがあるとします。SLOPE関数の結果が「5」なら、広告費を1万円増やすと売上が約5万円増えるという意味です。

SLOPE関数にできることをまとめると、次のとおりです。

• 2つのデータ間の回帰直線の傾きを求める
• データの変化率（xが1増えたときのyの増減量）を数値化する
• INTERCEPT関数と組み合わせて回帰式（y = ax + b）を作る
• CORREL関数で相関を確認したうえで予測に活用する

NOTE

SLOPE関数はGoogleスプレッドシートの全バージョンで使えます。Excelにも同名の関数があり、動作は同じです。

SLOPE関数の書き方（構文と引数）

基本構文

=SLOPE(データ_y, データ_x)

カッコの中に、傾きを求めたい2つのデータ範囲を指定します。

引数の説明

引数はたった2つだけなのでシンプルですよね。ポイントは yを先、xを後 に指定することです。「結果（y）が先、原因（x）が後」と覚えてください。

WARNING

データ_yとデータ_xのデータ数は同じにしてください。データ数が異なると #N/A エラーになります。

TIP

範囲内の文字列・TRUE/FALSE・空白セルは自動的に無視されます。ただし、数値としての「0」は計算の対象になります。

SLOPE関数の基本的な使い方

実際にSLOPE関数を使ってみましょう。

あるお店で6か月分の「広告費（万円）」と「売上（万円）」を記録したとします。

傾きの値を求める

=SLOPE(C2:C7, B2:B7)

結果は約 12.1 になります。これは「広告費を1万円増やすと、売上が約12.1万円増える」ことを表しています。

傾きの読み取り方

SLOPE関数の結果は正の値にも負の値にもなります。

傾きの絶対値が大きいほど、xの変化に対するyの変化が大きくなります。「12.1」と「2.3」なら、前者のほうがxの影響を強く受けていると判断できますよ。

TIP

ただし、傾きが大きい＝相関が強いとは限りません。外れ値が1つあるだけで傾きは大きく変わります。CORREL関数で相関の強さを確認してからSLOPE関数を使うのがおすすめです。

SLOPE関数の実践的な使い方・応用例

売上トレンドの分析

月番号をx、売上をyとして傾きを求めると、月あたりの売上増減がわかります。

=SLOPE(B2:B7, A2:A7)

結果は約 23.7 です。「毎月平均で約23.7万円ずつ売上が伸びている」と読み取れます。上司への報告で「売上は月あたり約24万円のペースで成長しています」と言えますね。

INTERCEPT関数と組み合わせて回帰式を作る

SLOPE関数だけでは傾きしかわかりません。INTERCEPT関数と組み合わせると、回帰式が完成します。

回帰式は y = 傾き x x + 切片 です。

=SLOPE(C2:C7, B2:B7)      → 約 12.1（傾き）
=INTERCEPT(C2:C7, B2:B7)  → 約 28.3（切片）

この回帰式は y = 12.1 x x + 28.3 です。たとえば広告費を40万円（x=40）に増やした場合の売上予測は、12.1 x 40 + 28.3 = 約512万円と計算できます。

FORECAST関数で予測値を直接求める

「回帰式を手で計算するのはめんどう」というときはFORECAST関数が便利です。SLOPE・INTERCEPTの計算を内部で自動的に行い、予測値を直接返してくれます。

=FORECAST(40, C2:C7, B2:B7)

広告費40万円のときの売上予測が一発で出ます。結果は上の回帰式と同じ約512万円です。

TIP

FORECAST関数を使えばSLOPE・INTERCEPTを個別に求めなくても予測ができます。ただし「傾きと切片の値を把握したい」場合はSLOPE・INTERCEPTを使い分けてください。

CORREL関数で相関を確認してからSLOPEを使う

SLOPE関数は「2つのデータに関連がある」前提で傾きを求めます。しかし、関連がないデータでも傾きは計算されてしまいます。

そこで、CORREL関数で先に相関の強さを確認するのがおすすめです。

=CORREL(C2:C7, B2:B7)

相関係数が0.7以上（または-0.7以下）なら相関が強いと判断できます。この場合はSLOPE関数の結果を信頼して予測に使えます。

相関係数が0.3程度の場合、SLOPE関数で傾きは出ますが、予測の精度は低くなります。「データ分析の手順」として覚えておくと便利ですよ。

よくあるエラーと対処法

#N/Aエラー

SLOPE関数で最もよく見るエラーです。

たとえば =SLOPE(C2:C7, B2:B10) のように行数がずれていると発生します。範囲を確認してください。

#DIV/0!エラー

以下の原因が考えられます。

xがすべて同じ値だと、傾きを計算するための分母が0になります。データ入力のミスがないか確認してください。

TIP

エラーが表示されると困る場合は、IFERROR関数で囲むとスマートです。=IFERROR(SLOPE(C2:C7, B2:B7), "データ不足") のように書けます。

INTERCEPT関数との違い・関連する統計関数

INTERCEPT関数との違い

SLOPE関数とペアで使うのがINTERCEPT関数です。

この2つを組み合わせると、回帰式 y = ax + b が完成します。

関連する統計関数の一覧

まとめ

SLOPE関数は、2つのデータセットから回帰直線の傾きを返す関数です。

この記事のポイント

• 構文は =SLOPE(データ_y, データ_x) で、yを先・xを後に指定する
• 戻り値は傾き（xが1増えたときのy変化量）
• INTERCEPT関数と組み合わせて回帰式 y = ax + b を作れる
• FORECAST関数を使えば予測値を直接計算できる
• 使う前にCORREL関数で相関の強さを確認するのがおすすめ

関連する統計関数

SLOPE関数の使い方がわかったら、以下の関数もあわせて覚えてみてください。データ分析の幅が広がりますよ。

• CORREL関数 — 2つのデータの相関係数を求める
• AVERAGE関数 — 平均値を求める基本関数
• STDEV関数 — データのばらつき（標準偏差）を測る
• IFERROR関数 — エラー時の代替値を設定する

平均値だけでは、データが同じ方向に動いているのか逆方向なのかが見えません。母集団全体の関係性を正確に把握するには、共分散という指標が必要です。

そんなときに使うのがExcelの COVARIANCE.P関数 です。この記事では基本の書き方から実務での活用例まで解説します。COVARIANCE.S関数（標本共分散）との違いや、CORREL関数との使い分けもあわせて整理しました。

COVARIANCE.P関数とは？

COVARIANCE.P関数は、2つのデータセットの 母共分散（ぼ きょうぶんさん） を求める関数です。読み方は「コバリアンス ピー」です。

共分散とは

共分散は、2つのデータが「一緒に動く傾向があるかどうか」を数値にしたものです。

• 正の値 → 一方が増えると、もう一方も増える傾向（例: 広告費と売上）
• 負の値 → 一方が増えると、もう一方は減る傾向（例: 気温とホットドリンク売上）
• 0に近い → 2つのデータに目立った関係がない

「母集団」の共分散とは

COVARIANCE.P関数の末尾の「P」は Population（母集団） を意味します。手元のデータが「対象のすべて」であるときに使う関数です。

計算式ではデータの偏差積の合計をデータ数 n でそのまま割ります。一部のサンプルから全体を推定する場合は、n-1で割って補正するCOVARIANCE.S関数を使います。

「このデータは全数か、サンプルか」で使い分けてください。

COVARIANCE.P関数の基本的な書き方

基本構文

=COVARIANCE.P(配列1, 配列2)

引数の説明

引数はどちらも必須です。2つの範囲に含まれるデータの個数は同じにしてください。個数が違うと#N/Aエラーになります。

空白セルや文字列、論理値（TRUE/FALSE）が含まれている場合は自動で無視されます。数値の0は計算対象になります。

NOTE

COVARIANCE.P関数はExcel 2010以降で使えます。Excel 2007以前を使っている場合は互換性関数のCOVAR関数を使ってください。計算結果は同じです。

COVARIANCE.P関数の使い方（実践例）

サンプルデータ

ある会社の全5店舗について、広告費と売上のデータがすべて揃っているとします。全店舗分なので「母集団」です。

A2:A6に広告費、B2:B6に売上が入っているとします。

=COVARIANCE.P(A2:A6, B2:B6)

結果は 400 という正の値が返ります。正の値なので「広告費が多い店舗ほど売上も高い傾向がある」と読み取れますね。

NOTE

同じデータでCOVARIANCE.S関数を使うと500になります。COVARIANCE.Sのほうが値が大きいのは、n-1で割る補正が入っているためです。

結果の読み取り方

共分散の結果はデータの単位に依存します。今回は「万円 x 万円」の単位です。そのため、数値の大小だけで関係の強さを比べることは難しいです。

「正か負か」で方向性を確認するのが基本的な使い方です。関係の強さまで知りたい場合はCORREL関数を使うと便利ですよ。相関係数に変換すれば、-1から1の範囲で統一的に比較できます。

COVARIANCE.P関数の実務活用

活用例1: 全社員の残業時間とミス件数の関係を調べる

全社員20名の月間残業時間とミス件数のデータが揃っているケースです。全社員分なのでCOVARIANCE.Pが適切です。

=COVARIANCE.P(A2:A21, B2:B21)

結果が正なら「残業が多い社員ほどミスも多い傾向がある」と読めます。業務改善やリソース配分の根拠として活用できますよ。

活用例2: CORREL関数と組み合わせて関係の強さも確認する

共分散で方向性を確認したら、CORREL関数で強さも数値化しましょう。

=COVARIANCE.P(A2:A6, B2:B6)  → 方向性（正/負）を確認
=CORREL(A2:A6, B2:B6)        → 強さ（-1〜1）を確認

共分散で「正の関係がある」と分かり、相関係数が0.9なら「かなり強く連動している」と判断できます。

活用例3: 手計算で母共分散を検算する

COVARIANCE.P関数の結果を手計算で確かめたい場合は、次の数式で同じ結果を再現できます。

=SUMPRODUCT((A2:A6-AVERAGE(A2:A6))*(B2:B6-AVERAGE(B2:B6)))/COUNT(A2:A6)

「各データから平均を引いた値同士を掛け、合計をデータ数で割る」という流れです。COVARIANCE.P関数を使えばこの計算を1つの関数で完了できるわけですね。

COVARIANCE.SやCORRELとの違い・使い分け

共分散関数の比較表

使い分けの判断基準

迷ったときは以下のフローで判断してみてください。

1. 全データが手元にある？ → Yes: COVARIANCE.P / No: COVARIANCE.S
2. 関係の強さも知りたい？ → CORREL関数を併用

全社員の評価データや全店舗の売上データなど、母集団すべてが揃っているならCOVARIANCE.Pを使いましょう。アンケート調査や一部店舗のサンプルデータを分析するならCOVARIANCE.S関数が統計的に適切です。

CORREL関数との違い

CORREL関数は共分散を標準偏差で割って -1〜1に正規化 した相関係数を返します。共分散は単位に依存しますが、相関係数は単位に依存しません。

• 共分散（COVARIANCE.P）: 2つのデータが同方向か逆方向かを判定
• 相関係数（CORREL）: 関係の「強さ」まで数値化

「方向だけ知りたい」ならCOVARIANCE.P、「強さも知りたい」ならCORRELを使うと覚えておくとよいですよ。

よくあるエラーと対処法

エラー一覧

NOTE

COVARIANCE.S関数は#DIV/0!の発生条件が「1個以下」ですが、COVARIANCE.Pは「0個」の場合にエラーになります。nで割るかn-1で割るかの違いによるものです。

結果が0になるケース

2つのデータに関連性がまったくない場合、共分散は0に近い値になります。また、片方のデータがすべて同じ値だと計算上0になります。0はエラーではなく「関係がない」という正しい結果です。

文字列や空白が含まれるとき

COVARIANCE.P関数は文字列・論理値・空白セルを自動で無視します。ただし、片方の配列で無視されたセルに対応するもう片方の値も除外されます。想定外のデータ数ずれが起きていないか確認しましょう。

まとめ

この記事では、COVARIANCE.P関数の使い方を解説しました。

• COVARIANCE.P関数は母集団全体の 母共分散 を求める関数
• 結果が正なら同方向、負なら逆方向の関係がある
• COVARIANCE.Pは母共分散（全数データ用）、COVARIANCE.Sは標本共分散（サンプル用）
• 関係の強さを知りたいときはCORREL関数を併用する

関連記事

• COVARIANCE.S関数の使い方
• COVAR関数の使い方
• CORREL関数の使い方
• PEARSON関数の使い方
• VAR.P関数の使い方
• STDEV.P関数の使い方

平均値だけでは、データが同じ方向に動いているのか逆方向なのかが見えません。標本データの関係性を数値で把握するには、共分散という指標が必要です。

そんなときに使うのがExcelの COVARIANCE.S関数 です。この記事では基本の書き方から実務での活用例まで解説します。COVARIANCE.P関数（母共分散）との違いや、CORREL関数との使い分けもあわせて整理しました。

COVARIANCE.S関数とは？

COVARIANCE.S関数は、2つのデータセットの 標本共分散（ひょうほん きょうぶんさん） を求める関数です。読み方は「コバリアンス エス」です。

共分散とは

共分散は、2つのデータが「一緒に動く傾向があるかどうか」を数値にしたものです。

• 正の値 → 一方が増えると、もう一方も増える傾向（例: 広告費と売上）
• 負の値 → 一方が増えると、もう一方は減る傾向（例: 気温とホットドリンク売上）
• 0に近い → 2つのデータに目立った関係がない

「標本」の共分散とは

COVARIANCE.S関数の末尾の「S」は Sample（標本） を意味します。全数調査ではなく、一部のサンプルから全体の傾向を推定するための関数です。

計算式では合計をデータ数そのもの（n）ではなく n-1 で割ります。統計学ではこの補正によって偏りの少ない推定値（不偏推定量）が得られるとされています。

全データが手元にある場合は COVARIANCE.P関数 を使います。「このデータはサンプルか、全数か」で使い分けてください。

COVARIANCE.S関数の基本的な書き方

基本構文

=COVARIANCE.S(配列1, 配列2)

引数の説明

引数はどちらも必須です。2つの範囲に含まれるデータの個数は同じにしてください。個数が違うと#N/Aエラーになります。

空白セルや文字列、論理値（TRUE/FALSE）が含まれている場合は無視されます。数値の0は計算対象になります。

COVARIANCE.S関数の使い方（実践例）

サンプルデータ

ある店舗で6か月分のサンプルとして、広告費と売上のデータを集めたとします。

A2:A7に広告費、B2:B7に売上が入っているとします。

=COVARIANCE.S(A2:A7, B2:B7)

結果は 約171.33 という正の値が返ります。正の値なので「広告費が増えると売上も増える傾向がある」と読み取れますね。

NOTE

同じデータで COVARIANCE.P関数 を使うと約142.78になります。COVARIANCE.Sのほうが値が大きいのは、n-1で割る補正が入っているためです。

結果の読み取り方

共分散の結果はデータの単位に依存します。今回は「万円 x 万円」の単位です。そのため、数値の大小だけで関係の強さを比べることは難しいです。

「正か負か」で方向性を確認するのが基本的な使い方です。関係の強さまで知りたい場合は CORREL関数 を使うと便利ですよ。相関係数に変換すれば、-1から1の範囲で統一的に比較できます。

COVARIANCE.S関数の実務活用

活用例1: 気温と来客数の関係を調べる

飲食店で「気温が上がると来客数は増えるか？」を調べたいケースです。手元に1週間分のサンプルデータがあるとします。

=COVARIANCE.S(A2:A7, B2:B7)

結果が正の値なら、気温が高いほど来客が増える傾向です。メニュー構成や仕入れ計画の参考になります。

活用例2: CORREL関数と組み合わせて関係の強さも確認する

共分散で方向性を確認したら、CORREL関数で強さも数値化しましょう。

=COVARIANCE.S(A2:A7, B2:B7)  → 方向性（正/負）を確認
=CORREL(A2:A7, B2:B7)        → 強さ（-1〜1）を確認

共分散で「正の関係がある」と分かり、相関係数が0.9なら「かなり強く連動している」と判断できます。

COVARIANCE.PやCORRELとの違い・使い分け

共分散関数の比較表

使い分けの判断基準

迷ったときは以下のフローで判断してみてください。

1. 全データが手元にある？ → Yes: COVARIANCE.P / No: COVARIANCE.S
2. 関係の強さも知りたい？ → CORREL関数を併用

アンケート調査や一部店舗のサンプルデータを分析するなら、COVARIANCE.Sを選ぶのが統計的に適切です。社員全員のデータなど、母集団すべてが揃っているならCOVARIANCE.Pを使いましょう。

CORREL関数との違い

CORREL関数は共分散を標準偏差で割って -1〜1に正規化 した相関係数を返します。共分散は単位に依存しますが、相関係数は単位に依存しません。

• 共分散（COVARIANCE.S）: 2つのデータが同方向か逆方向かを判定
• 相関係数（CORREL）: 関係の「強さ」まで数値化

「方向だけ知りたい」ならCOVARIANCE.S、「強さも知りたい」ならCORRELを使うと覚えておくとよいですよ。

よくあるエラーと対処法

エラー一覧

結果が0になるケース

2つのデータに関連性がまったくない場合、共分散は0に近い値になります。また、片方のデータがすべて同じ値だと計算上0になります。0はエラーではなく「関係がない」という正しい結果です。

文字列や空白が含まれるとき

COVARIANCE.S関数は文字列・論理値・空白セルを自動で無視します。ただし、片方の配列で無視されたセルに対応するもう片方の値も除外されます。想定外のデータ数ずれが起きていないか確認しましょう。

まとめ

この記事では、COVARIANCE.S関数の使い方を解説しました。

• COVARIANCE.S関数はサンプルデータから 標本共分散 を求める関数
• 結果が正なら同方向、負なら逆方向の関係がある
• COVARIANCE.Pは母共分散（全数データ用）、COVARIANCE.Sは標本共分散（サンプル用）
• 関係の強さを知りたいときは CORREL関数 を併用する

関連記事

• COVARIANCE.P関数の使い方
• COVAR関数の使い方
• CORREL関数の使い方
• PEARSON関数の使い方
• VAR.S関数の使い方

データ同士の関連性を調べたいとき、感覚だけで判断するのはちょっと心もとないですよね。そんなときに役立つのがExcelの PEARSON関数 です。

2つのデータ範囲を指定するだけで、-1〜1のピアソン相関係数を自動計算してくれます。この記事では基本的な使い方からCORREL関数との違い、散布図との組み合わせ、実務活用例まで紹介していきますね。

ExcelのPEARSON関数とは？

PEARSON関数は、2つのデータセットのピアソン積率相関係数を返す統計関数です。

• 読み方: ピアソン（Karl Pearson = 統計学者の名前に由来）
• 戻り値: -1〜1 の数値
• 対応バージョン: Excel 2007 以降 / Microsoft 365

相関係数とは、2つのデータがどれだけ連動しているかを表す指標です。たとえば「広告費が増えると売上も増える」なら正の相関、「気温が上がると暖房器具の売上が下がる」なら負の相関になります。

TIP

相関係数は「2つのデータが一緒に動くかどうか」を見る指標です。1に近いほど同じ方向に動き、-1に近いほど逆方向に動きます。0に近いと関連性がほとんどありません。

PEARSON関数の書き方（構文と引数）

基本構文

=PEARSON(配列1, 配列2)

引数の説明

引数はたった2つだけなのでシンプルですよね。注意点として、配列1と配列2のデータ数は同じにしてください。データ数が異なると #N/A エラーになります。

基本的な使い方

実際にPEARSON関数を使ってみましょう。

たとえば、ある会社の12か月分の「広告費」と「問い合わせ件数」を記録したとします。

この2つのデータの相関係数を求める数式はこちらです。

=PEARSON(B2:B13, C2:C13)

結果は 約0.99 になります。1にとても近い値なので、広告費と問い合わせ件数には強い正の相関があることがわかりますね。

相関係数の読み取り方（強弱の目安表）

PEARSON関数の結果が出ても「0.65って強いの？弱いの？」と迷うことがありますよね。以下の目安表を参考にしてください。

ビジネスの現場では 0.4以上（または-0.4以下） であれば「関連がありそうだ」と判断するケースが多いですよ。

WARNING

相関関係は因果関係ではありません。 相関係数が高いからといって、「Aが原因でBが起きている」とは限りません。たとえば「アイスの売上」と「水難事故の件数」は強い相関を示します。しかし実際は「気温」という第三の要因が両方に影響しているだけです。分析の際はこの点を常に意識してくださいね。

PEARSON関数の実務活用例

活用例1: 広告チャネル別の効果を比較する

どの広告チャネルが売上に最も影響しているか知りたいことってありますよね。チャネルごとにPEARSON関数で相関係数を並べると判断しやすくなります。

=PEARSON(Web広告費, 売上)    → 0.85
=PEARSON(SNS広告費, 売上)    → 0.42
=PEARSON(チラシ配布数, 売上) → 0.18

この結果なら「Web広告の影響が最も大きく、SNSもやや関連あり、チラシはほぼ無関係」と読み取れます。予算配分の判断材料になりますよね。

活用例2: 複数KPIの関係性を数値化する

営業チームで「訪問回数」「見積提出数」「成約数」の関係を可視化する場合にも使えます。

=PEARSON(訪問回数, 成約数)   → 0.55
=PEARSON(見積提出数, 成約数) → 0.82

見積提出数のほうが成約数との相関が強いとわかります。「訪問回数を増やすより見積提出率を上げよう」という判断ができますね。

活用例3: 在庫管理のヒントにする

過去データで「曜日ごとの来客数」と「特定商品の販売数」の相関を調べておくと、仕入れ量の参考になります。相関が強いとわかれば、来客数の予測から販売数を見積もることができますよ。

散布図と組み合わせて視覚化する

PEARSON関数で数値を出したら、散布図と組み合わせるとさらにわかりやすくなります。数値だけでは伝わりにくい相関の傾向も、グラフにすれば一目瞭然です。

散布図の作り方

1. 2つのデータ列（例: B2:C13）を選択する
2. 「挿入」タブ →「グラフ」→「散布図」を選択する
3. 点の並びが右肩上がりなら正の相関、右肩下がりなら負の相関

近似曲線で相関を視覚的に確認する

散布図上でデータ点を右クリック →「近似曲線の追加」を選ぶと、データの傾向を直線で表示できます。「R-2乗値を表示する」にチェックを入れると、説明力の指標を視覚的にも確認できますよ。

TIP

R-2乗値（R²）は相関係数を2乗した値です。PEARSON関数の結果が0.9なら R²=0.81 となり、「一方のデータで他方の変動の81%を説明できる」と解釈できます。Excelの RSQ関数 を使えば、R²の値を直接求めることもできます。

よくあるエラーと対処法

なお、PEARSON関数は数値以外のセル（空白や文字列）を自動的に無視します。ただし、一方のセルが数値で他方が空白というペアがあると、そのペアごと計算から除外される点に注意してください。

NOTE

「データがすべて同じ値」のケースは意外と見落としがちです。たとえば片方の列がすべて「100」だと、標準偏差が0になり #DIV/0! エラーが出ます。値にばらつきがあるかを先にチェックしましょう。

CORREL関数との違い・使い分け

ExcelにはPEARSONとよく似た CORREL関数 があります。

=CORREL(B2:B13, C2:C13)
=PEARSON(B2:B13, C2:C13)

どちらもピアソン相関係数を計算する関数で、基本的に同じ結果を返します。ただし、内部の計算アルゴリズムに微妙な違いがあります。

通常の業務データでは差が出ることはほぼありません。迷ったら CORREL関数を使うのがおすすめ です。一般的にCORRELのほうが使用頻度が高く、情報も豊富です。

CORREL関数の詳しい使い方は以下の記事で解説しています。あわせてチェックしてみてくださいね。

• CORREL関数の使い方｜2つのデータの相関係数を求める方法

NOTE

両関数が異なる値を返すケースはごくまれです。天文学的に大きい値や極小値を含むデータで発生する可能性があります。一般的な業務データでは気にする必要はありません。

関連する統計関数との使い分け

PEARSON関数の周辺には、データ分析で一緒に使うことの多い統計関数があります。

TIP

PEARSON関数の計算式は「共分散 / （配列1の標準偏差 x 配列2の標準偏差）」です。COVARIANCE.P関数とSTDEV.P関数を使って手動計算もできますが、PEARSON関数を使えば一発で求められます。

まとめ

PEARSON関数は引数が2つだけのシンプルな関数ですが、データ間の関連性を数値化できる強力なツールです。まずは身近なデータ（広告費と売上、残業時間と生産性など）で試してみてください。散布図と組み合わせると報告資料の説得力がグッと増しますよ。

関連記事

• CORREL関数の使い方｜2つのデータの相関係数を求める方法
• RSQ関数の使い方
• SLOPE関数の使い方
• INTERCEPT関数の使い方
• COVARIANCE.P関数の使い方
• COVARIANCE.S関数の使い方
• RANK.EQ関数の使い方

こんなふうに、2つのデータの関連性を数字で確かめたいときってありますよね。なんとなく「関係ありそう」と感じていても、感覚だけで判断するのは少し不安です。

そんなときに使えるのがExcelの CORREL関数 です。2つのデータ範囲を指定するだけで、-1〜1の相関係数を自動計算してくれます。この記事では、基本的な使い方から相関係数の読み取り方、散布図との組み合わせ、実務活用例まで一通り紹介していきますね。

ExcelのCORREL関数とは？

CORREL関数は、2つのデータセットの相関係数（ピアソン相関係数）を返す統計関数です。

• 読み方: コリレーション（Correlation = 相関の意味）
• 戻り値: -1〜1 の数値
• 対応バージョン: Excel 2007 以降 / Microsoft 365 / Google スプレッドシート

相関係数とは、2つのデータがどれだけ連動しているかを表す指標です。たとえば「気温が上がるとアイスの売上も上がる」なら正の相関、「気温が上がると鍋の売上が下がる」なら負の相関になります。

TIP

相関係数は「2つのデータが一緒に動くかどうか」を見る指標です。1に近いほど同じ方向に動き、-1に近いほど逆方向に動きます。0に近いと関連性がほとんどないことを意味します。

CORREL関数の書き方（構文と引数）

基本構文

=CORREL(配列1, 配列2)

引数の説明

引数はたった2つだけなのでシンプルですよね。注意点として、配列1と配列2のデータ数は同じにしてください。データ数が異なると #N/A エラーになります。

基本的な使い方

実際にCORREL関数を使ってみましょう。

たとえば、あるお店で12か月分の「平均気温」と「アイスクリームの売上」を記録したとします。

この2つのデータの相関係数を求める数式はこちらです。

=CORREL(B2:B13, C2:C13)

結果は 約0.99 になります。1にとても近い値なので、気温と売上には強い正の相関があることがわかりますね。

相関係数の読み取り方（強弱の目安表）

CORREL関数の結果が出ても「0.65って強いの？弱いの？」と迷うことがありますよね。以下の目安表を参考にしてください。

ビジネスの現場では 0.4以上（または-0.4以下） であれば「関連がありそうだ」と判断するケースが多いですよ。

WARNING

相関関係は因果関係ではありません。 相関係数が高いからといって、「Aが原因でBが起きている」とは限りません。たとえば「アイスの売上」と「水難事故の件数」は強い相関を示しますが、アイスが水難事故を引き起こしているわけではなく、「気温」という第三の要因が両方に影響しています。データ分析の際は、この点を常に意識してくださいね。

実務で使える活用例

活用例1: 広告費と売上の関係を分析する

マーケティング部門では「広告費を増やしたら売上は増えるのか？」という問いがよく出てきます。

月別の広告費（D列）と売上（E列）があるとして、次の数式で相関を確認できます。

=CORREL(D2:D13, E2:E13)

結果が0.7以上なら、広告投資に効果がある可能性が高いと判断できます。逆に0.2程度なら、広告費以外の要因が売上を左右していることがわかりますね。

活用例2: 複数の要因を比較して最も影響が大きいものを特定する

売上に影響しそうな要因が複数ある場合、それぞれの相関係数を並べて比較すると優先順位が見えてきます。

=CORREL(気温, 売上)    → 0.92
=CORREL(広告費, 売上)  → 0.65
=CORREL(競合価格, 売上) → -0.31

この結果なら「気温の影響が最も大きく、広告費もそこそこ影響あり、競合価格は弱い逆相関」と読み取れます。施策の優先順位づけに使えますよ。

活用例3: 在庫管理と需要予測のヒントにする

過去データで「曜日ごとの来客数」と「特定商品の販売数」の相関を調べておくと、仕入れ量の判断材料になります。相関が強いとわかれば、来客数の予測から販売数を見積もることができますよね。

散布図と組み合わせて視覚化する

CORREL関数で数値を出したら、散布図と組み合わせるとさらにわかりやすくなります。数値だけでは伝わりにくい相関の傾向も、グラフにすれば一目瞭然です。

散布図の作り方

1. 2つのデータ列（例: B2:C13）を選択する
2. 「挿入」タブ → 「グラフ」 → 「散布図」を選択する
3. 点の並びが右肩上がりなら正の相関、右肩下がりなら負の相関

近似曲線を追加する

散布図上でデータ点を右クリック → 「近似曲線の追加」を選ぶと、データの傾向を直線で表示できます。「R-2乗値を表示する」にチェックを入れると、相関の強さを視覚的にも確認できますよ。

TIP

R-2乗値（R²）は相関係数を2乗した値です。CORREL関数の結果が0.9なら R²=0.81 となり、「一方のデータで他方の81%を説明できる」と解釈できます。

よくあるエラーと対処法

なお、CORREL関数は数値以外のセル（空白や文字列）を自動的に無視します。ただし、一方のセルが数値で他方が空白というペアがあると、そのペアごと計算から除外される点に注意してください。

PEARSON関数との違い

ExcelにはCORRELとよく似た PEARSON関数 があります。

=PEARSON(B2:B13, C2:C13)

実は、CORREL関数とPEARSON関数はまったく同じ計算結果を返します。どちらもピアソンの積率相関係数を計算する関数で、内部の計算式も同じです。

どちらを使っても結果は同じなので、チームで統一しておけばOKです。一般的にはCORREL関数のほうが使われる頻度が高いですよ。

関連する統計関数との使い分け

CORREL関数の周辺には、データ分析で一緒に使うことの多い統計関数があります。

TIP

CORREL関数の計算式は「共分散 ÷（配列1の標準偏差 × 配列2の標準偏差）」です。COVARIANCE.P関数とSTDEV.P関数を使って手動計算することもできますが、CORREL関数を使えば一発で求められます。

まとめ

CORREL関数は引数が2つだけのシンプルな関数ですが、ビジネスデータの分析で非常に強力なツールです。まずは身近なデータ（売上と天気、広告費と問い合わせ数など）で試してみてください。散布図と組み合わせると、上司への報告資料もグッと説得力が増しますよ。