散布図

上のグラフのように、散布図を描いてみて「一方の値が変化しているとき、もう一方の値も変化している」という2つの値の関連性のことを「相関」といいます。下図のように、相関が強いほど散布図の点が直線状になっていきます。

なお、相関の度合いは、「相関係数」によって数値で表現することができます。

データ項目の数

データ項目であるポイント数が多い方がデータの傾向がつかみやすくなります。どんなに少なくても10点以上はあった方がよいでしょう。また、横軸は右に行くほど大きい値、縦軸は上に行くほど大きい値にします。

出典：総務省統計局「第六十九回日本統計年鑑　令和2年」

また、他のグラフ形式と違って、散布図で伝える内容はデータ同士の関係です。他のグラフのように比較や偏りを「どう見せるか」ではなく「何を見せるか」を考えたデータ選びを心掛けましょう。そうしないと、「なぜその2つのデータを取り上げたのか？」と疑問を持たれるかもしれません。

相関関係と因果関係の違い

「相関関係」と「因果関係」の違いをはっきり理解していないと、データが示す意味を正しく理解できなくなるので注意が必要です。

相関関係：AとBに何らかの関係があるように見えること。例えば、「Aが大きいとBも大きい」という関係。
因果関係：AとBのどちらかが原因でどちらかが結果である状態。例えば、「Aが～だからBが～になる」という関係。

例えば、下のグラフは、各都道府県で、過去一年間に何らかのスポーツをした人の割合と、海外旅行に行った人の割合を散布図にしたものです。

出典：総務省統計局「社会生活統計指標－都道府県の指標－2021」

両者に何らかの関係があるように見えるので、相関関係があると言えますが、因果関係についてはどうでしょうか。このグラフを見た人が「よし！海外旅行に行くために、みんなスポーツをしよう！」と呼び掛けていたら、ずいぶんトンチンカンなことを言っているな、と思うのではないでしょうか。
このように、相関関係があるからといって、因果関係があるとは限らないので、はやとちりしないように注意が必要です。

層別散布図

一見、相関関係がない散布図に見えても、年齢、性別、地域、時間帯などデータの関する要素で層別することで、今まで見えていなかった情報が手に入る可能性もあります。散布図においては、要素ごとに色分けすることで表現します。

上の図の場合、全ての点を同じ色にした左のグラフでは相関がないように見えますが、右のグラフのようにアヤメの種類で層別することで、がく片の長さと幅に相関がみられるようになります。

バブルプロット

散布図の点を「バブル」という大きさを持たせた点にしたグラフがバブルプロットです。通常の散布図が2つのデータを表現するのに対し、バブルプロットは3つのデータを平面上に表現できます。

下のグラフでは、都道府県別の年間の乗合バス輸送人員と1世帯当たり自家用乗用車数の散布図において、バブルの大きさで人口を表現しています。このグラフから、バスを利用する人が多い場所は、人口が多く、かつ、乗用車の保有数が低いようだということがわかります。

出典：一般財団法人自動車検査登録情報協会「都道府県別の自家用乗用車の普及状況」
国土交通省「自動車輸送統計調査」

なお、バブルプロットではポイント数があまり多いと見にくくなることがあるので注意が必要です。

散布図行列

2つ以上のデータがある場合に、すべての組み合わせでつくった散布図をリーグ戦の表のように並べたものが散布図行列です。データがたくさんあってどれを組み合わせたら良いかわからない場合に、相関がありそうな組み合わせを視覚的にとらえることができます。

下図は、映画館のスクリーン数や公開本数など映画に関する様々なデータから作成した散布図行列ですが、入場者数と興行収入の組み合わせで最も強い相関関係がみられることが一目瞭然です。

出典：一般財団法人日本映画製作者連盟「日本映画産業統計」