発表された臨床研究の約70%は、変数間の関係を分析するために回帰分析または相関分析のいずれかを使用していますが、驚くべきことに、これらの方法を誤って適用している論文が多数あり、その結果、結論の誤り、査読者の批判、さらにはデスクリジェクトにつながっています。ニューイングランド・ジャーナル・オブ・メディシンに掲載された画期的なレビューでは、多くの医学研究者が相関分析と回帰分析を混同しており、より適切な場合に一方を使用していることがあると指摘されています（Godfrey、1985）。相関分析と回帰分析のどちらを使用するかを理解することは、研究者としてのキャリアにおいて最も重要な統計的判断の1つです。この包括的なガイドでは、NEJM、JAMA、The Lancet、PLOS Medicine、Circulationからの実際の臨床例を用いて両方の方法を解説し、常に適切なアプローチを選択するための明確な判断フレームワークを提供します。
臨床研究における相関関係とは何か？
相関分析は、2 つの連続変数間の線形関係の強さと方向を測定します。相関分析では、-1 から +1 までの範囲の単一の数値、相関係数 (r)が生成されます。Schober、Boer、および Schwarte による PubMed に索引付けされた研究 ( DOI: 10.1213/ANE.0000000000002864 ) によると、相関係数は通常、次のように解釈されます。
| r値 | 第３章：濃度 | 臨床例 |
|---|---|---|
| 0.00 – 0.39 | 弱い | コーヒー摂取量と血圧変動 |
| 0.40 – 0.69 | 穏健派 | BMIと収縮期血圧 |
| 0.70 – 1.00 | 強い | 2つのスパイロメーターで測定したFEV1 |
ピアソン相関係数とスピアマン相関係数：適切な相関係数の選択
ピアソン相関係数とスピアマン相関係数のどちらを選ぶかは、データの特性によって異なります。ピアソン相関係数（r）は、両方の変数が連続的で、線形関係を持つ正規分布にほぼ従っていることを前提としています。スピアマン順位相関係数（ρ）は、データが順序尺度である場合、外れ値を含む場合、または正規分布に従わない場合に使用されるノンパラメトリックな代替手段です。Schoberらは、誤った係数を使用すると、関係が過小評価または過大評価され、臨床上の結論が根本的に変わる可能性があることを強調しています。
相関分析の前提条件
相関分析を正しく適用するには、いくつかの重要な前提条件を満たす必要があります。データは無作為抽出されたサンプルから得られたものでなければならず、両方の変数が連続変数であること（ピアソン相関係数の場合）、相関関係がほぼ線形であること、そして有意な外れ値が存在しないことが求められます。また、各観測値のペアは独立していなければなりません。これらの前提条件を満たさない場合でも、必ずしも分析が無効になるわけではありませんが、スピアマンの順位相関係数などのより信頼性の高い代替手法に切り替える必要があります。
臨床研究における回帰分析とは？
回帰分析は、相関関係を超えて、従属変数（結果）と1つ以上の独立変数（予測変数）との間の予測関係をモデル化します。VetterとSchoberがAnesthesia & Analgesiaのチュートリアル（DOI: 10.1213/ANE.0000000000003424）で説明しているように、回帰分析は、予測変数の1単位の変化に対して結果がどれだけ変化するかを定量化する方程式を生成します。これは、関係が存在するかどうか、そしてその強さだけを示す相関関係とは決定的に異なります。
一般的な線形回帰方程式は次のとおりです。
ここで、Y = 結果変数、β₀ = 切片、β₁…βₙ = 係数、X₁…Xₙ = 予測変数、ε = 誤差
臨床研究における回帰分析の種類
選択する回帰分析の種類は、主に結果変数によって決まります。臨床研究で最も一般的に使用される4つのタイプを以下に示します。
| タイプ | 結果変数 | 効果測定 | 臨床使用事例 |
|---|---|---|---|
| 線形 | 連続測定（例：血圧、入院期間） | β係数、R² | 外傷の重症度から集中治療室滞在期間を予測する |
| ロジスティック | 二値（はい／いいえ、生存／死亡） | オッズ比（OR）、95％信頼区間 | 臨床変数から死亡リスクを予測する |
| コックス比例ハザードモデル | イベント発生までの時間（生存） | ハザード比（HR） | 治療群を用いた癌生存率分析 |
| ポアソン | カウントデータ（時間あたりのイベント数） | 発生率比（IRR） | 入院再発者数のモデリング |
観察データや潜在的な交絡因子を扱う研究者向けに、医学研究における傾向スコアマッチングに関する詳細なチュートリアルでは、選択バイアスに対処するための高度な手法と回帰分析について解説しています。
臨床研究における回帰分析と相関分析：主な違い
どちらの方法も変数間の関係性を調べるものですが、臨床研究における回帰分析と相関分析は根本的に異なる目的を持っています。カナダ医師会誌（PMID: 7859197 ）に掲載されたGuyattらによる古典的なチュートリアルでは、相関分析は2つの変数が一緒に動くかどうかを定量化するのに対し、回帰分析は一方の変数がもう一方の変数をどのように、どの程度予測するかを定量化すると説明されています。本質的な違いは次のとおりです。
決定的な違いは方向性の概念です。相関分析では、変数は互換性があります。BMIと血圧の相関係数rは、血圧とBMIの相関係数rと同じ値になります。回帰分析では、変数は互換性がありません。予測変数（独立変数）と結果変数（従属変数）を明確に指定する必要があります。この区別は、患者の転帰を予測する修正可能なリスク因子を特定することを目的とする臨床研究において、非常に重要です。
臨床研究において相関関係を用いるべきタイミング
相関分析は、研究目標が探索的な場合、特に以下のような状況において適切な選択肢となります。
1. 2つの変数が線形関係にあるかどうかを調べる。HbA1c値と空腹時血糖値に関連性があるかどうかを知りたいだけであれば、ピアソン相関係数を用いると、簡潔で解釈しやすい結果が得られます。
2. 仮説の生成。研究の初期段階では、相関行列は回帰モデリングを通じてさらに調査する価値のある変数を特定するのに役立ちます。
3. どちらの変数も明確な「結果」ではありません。2つのバイオマーカー（例：CRPとIL-6）の関係を研究する場合、どちらの変数も論理的に他方の原因となるわけではないため、相関関係が適切な選択肢となります。
臨床研究において回帰分析を用いるべきタイミング
回帰分析は、研究目的が予測、説明、または交絡因子の調整を必要とする場合に最適な選択肢です。
1. 結果を予測したい場合。医学界で最も引用されているモデルの一つであるフラミンガム心臓研究の冠動脈疾患予測アルゴリズムは、カテゴリカル予測因子（血圧、コレステロール、糖尿病、喫煙）を用いたロジスティック回帰を使用して、10年間のCHDリスクを推定します（Wilson et al., 1998, Circulation）。これは相関関係だけでは根本的に不可能です。
2. 交絡因子を調整する必要があります。多変量回帰分析を用いることで、年齢、性別、併存疾患、その他の交絡因子を制御しながら、曝露と結果の関係を調べることができます。これは観察臨床研究における標準的な手法です。
3. 調整後にグループを比較したい場合。SuPPoRT試験（Hezelgrave et al., 2024, PLOS Medicine ; DOI）では、妊娠週数、BMI、および過去のリスク因子を調整して、早産予防のための3つの介入を比較するために二項回帰が使用されました。
4. 結果が二値データ、イベント発生までの時間データ、またはカウントデータである場合。相関分析ではこれらの結果タイプを扱うことはできません。それぞれロジスティック回帰、コックス回帰、またはポアソン回帰が必要です。
回帰分析と相関分析のどちらを選ぶかという際によくある6つの間違い
これらの落とし穴を避けることで、原稿の質が向上し、統計的な観点から査読者から批判されるリスクを軽減できます。論文の却下につながる統計的な問題点を回避する方法については、分野別の論文却下率に関する記事をご覧ください。
| 間違い | なぜ間違っているのか | 正しいアプローチ |
|---|---|---|
| 相関関係＝因果関係と仮定する | 高いr値は相関関係を示すだけであり、因果関係を示すものではない。 | 交絡因子調整を伴う回帰分析を使用する。因果推論手法を検討する。 |
| 相関関係を用いた方法比較 | 2つの方法は完全に相関しているように見えても、体系的に矛盾することがある。 | Bland-Altman一致度分析を使用する |
| p値のみを使用し、効果量を無視する | サンプルサイズが大きいと、些細な相関関係が「有意」になることがある | p値に加えて、r²またはR²と信頼区間を報告する。 |
| 前提条件を確認せずに回帰分析を実行する | 前提条件が満たされないと、信頼性の低い係数が生成される。 | 残差プロット、正規性、多重共線性（VIF）を確認する |
| 観察研究における交絡因子の無視 | 調整されていない相関関係は、完全に交絡因子によって引き起こされる可能性がある。 | 交絡因子を調整するために多変量回帰分析を使用する |
| 二値結果に対する線形回帰の使用 | 予測確率は0～1の範囲外になる可能性がある | はい／いいえの結果にはロジスティック回帰を使用します |
一流医学誌からの実例
一流の研究者がこれらの手法を実際にどのように応用しているかを見ることは、その違いを理解する最良の方法です。以下に、PubMedから取得した影響力の高い論文からの例を示します。
例１：フラミンガム心臓研究 ― ロジスティック回帰分析（Circulation誌）
Wilson ら (1998) は、 JNC-V 血圧カテゴリーと NCEP コレステロールカテゴリーを予測因子としてロジスティック回帰を用いて、基礎となる冠動脈疾患予測アルゴリズムを開発しました。2,489 人の男性と 2,856 人の女性を 12 年間追跡調査し、10 年間の CHD リスクを推定する性別ごとの予測式を作成しました。この研究は相関関係だけでは達成できず、他のリスク因子を制御しながら各リスク因子の独立した寄与をモデル化するために回帰分析が必要でした ( DOI: 10.1161/01.cir.97.18.1837 )。
例２：ブランド・アルトマン法 ― 相関が失敗する理由（ランセット誌）
1986年のランセット誌に掲載された論文で、ブランドとアルトマンは、 2つの臨床測定方法を比較する際に相関関係は誤解を招くことを実証しました。2つの血圧計が相関係数r=0.95を示していても、平均で15mmHgの差が生じる可能性があり、これは相関係数によって隠蔽された臨床的に許容できない差です。彼らが提案した代替手法である一致限界分析は、現在では標準的な方法となっています。詳細な手順については、ブランド・アルトマン分析のビジュアルガイドをご覧ください。
例3：SuPPoRT試験 ― RCTにおける二項回帰分析（PLOS Medicine）
Hezelgrave ら (2024) は、短頸管の女性 386 人を対象に、早産予防のための頸管縫縮術、ペッサリー、膣内プロゲステロンを比較するために二項回帰分析を使用しました。回帰分析の枠組みにより、最小化変数を調整しながら、治療群間のリスク差 (例: 頸管縫縮術 vs. プロゲステロン: RD 6.2%、95% CI: -5.0 ～ 17.0) を直接推定することができました。この文脈では単純な相関は意味をなさないため、研究課題には回帰分析アプローチが必要でした ( DOI: 10.1371/journal.pmed.1004427 )。
例 4: Schober et al. — 相関関係チュートリアル (麻酔と鎮痛)
Schober、Boer、およびSchwarte（2018）は、ピアソン相関係数とスピアマン相関係数の適切な使用法について臨床医を具体的に指導する、広く引用されているチュートリアルを発表しました。彼らは、各相関係数には特定の前提条件があり、それらに違反すると誤解を招く結果が生じることを強調しています。この論文は、相関関係を含む臨床研究を始めるすべての人にとって必読です（DOI：10.1213/ANE.0000000000002864）。
ステップバイステップ：回帰分析と相関分析のどちらを選ぶべきか
変数間の関係を分析する際は、必ずこの意思決定フレームワークに従ってください。このアプローチは、SchoberらおよびVetterとSchoberが『Anesthesia & Analgesia』誌に発表した関連論文のガイドラインに沿ったものです。
ステップ1：研究課題を明確に定義する。相関関係が存在するかどうかを調べるのか、それとも結果を予測・説明するのか（回帰分析）？
ステップ2：変数を特定する。明確な従属変数（結果変数）はありますか？ある場合は回帰分析を行います。どちらの変数も論理的に「原因」ではない場合は相関分析を行います。
ステップ3：結果の種類を決定します。連続変数の結果 → 線形回帰。二値変数 → ロジスティック回帰。イベント発生までの時間 → コックス回帰。カウント → ポアソン回帰。
ステップ4：予測因子の数を評価する。予測因子が1つの場合→単純回帰（または相関）。予測因子または交絡因子が複数ある場合→多変量回帰。
ステップ5：前提条件を確認します。相関分析の場合：線形性、正規性、独立性。回帰分析の場合：さらに、残差分布、多重共線性、等分散性を確認します。
ステップ6：サンプルサイズを計算します。どちらの方法も十分な検出力が必要です。おおよその目安として、相関分析では妥当な精度を得るために少なくとも30組のペアが必要であり、回帰分析では予測変数1つあたり約10～20個の観測値が必要です。
ソフトウェア比較：相関分析と回帰分析の実践
臨床研究で最もよく使用される統計ソフトウェアパッケージでこれらの分析を実行するための簡単な手順を以下に示します。
| ソフトウェア | 相関コマンド | 回帰コマンド |
|---|---|---|
| R | cor.test(x, y, method="pearson") | lm(y ~ x1 + x2, data) |
| SPSS | 分析 → 相関 → 二変量 | 分析 → 回帰 → 線形 |
| スタタ | pwcorr x y, sig | regress y x1 x2 |
| GraphPad Prism | XY分析 → 相関関係 | XY分析 → 線形回帰 |
スプレッドシートベースのツールを好む医学生や若手研究者向けに、基本的な統計分析のための無料のGoogleスプレッドシートテンプレートも提供しています。
回帰分析と相関分析は、より広範な統計ツールキットの中でどのように位置づけられるのか
相関分析と回帰分析は、臨床研究者が用いる統計的手法のほんの一例に過ぎません。これらの手法がどのような状況で用いられるかを理解することで、最初から適切な方法を選択することができます。以下に、これらの手法と他の一般的な手法との関連性を示します。
t検定は2つのグループ間の平均値を比較するものであり、予測関係をモデル化するものではありません。連続的な結果変数について治療群と対照群を比較する必要がある場合は、実際の例を交えたt検定ガイドをご覧ください。
傾向スコアマッチングは、観察研究における交絡因子の調整に代わる手法です。本チュートリアルでは、傾向スコアマッチングを多変量回帰よりも優先すべき場合について、段階的に解説します。
メタ回帰は、系統的レビューから得られた統合データに回帰分析を拡張したもので、研究レベルの変数が治療効果にどのように影響するかを検証できます。系統的レビューを実施する研究者向けに、系統的レビューとメタ分析の違い、およびPRISMAフローチャートの手順に関するガイドをご用意しています。
Editverseが統計分析にどのように役立つか
回帰分析と相関分析のどちらを選択するか、そしてどちらを正しく適用するかは、多くの臨床研究者が持ち合わせていない統計学の専門知識を必要とします。Editverseは、研究のあらゆる段階で専門的なサポートを提供します。
結論：簡単なまとめチェックリスト
臨床研究において回帰分析と相関分析のどちらを選択するかは、研究課題、変数、そして分析結果から何を得たいかによって決まります。以下に、参考となるチェックリストを示します。
✅効果の方向性が想定されておらず、交絡因子の調整も必要なく、予測目標もない、2 つの連続変数間の関連性を調査する場合は、相関関係を使用します。
✅結果を予測する場合、交絡因子を調整する場合、二値データやイベント発生までの時間データをモデル化する場合、または予測因子が結果をどれだけ変化させるかを定量化する場合は、回帰分析を使用します。
✅どちらの分析を実行する前にも必ず前提条件を確認し、p値だけでなく信頼区間も必ず効果量を報告してください。
✅相関関係と因果関係を混同しないでください。また、相関関係を方法比較研究に使用しないでください。
統計的手法を正しく用いることは、論文が受理されるために最も重要なステップの一つです。研究の統計設計について専門家の指導が必要な場合は、当社の生物統計チームまで無料相談をご利用ください。
研究に必要な専門的な統計分析をお探しですか？
相関分析や回帰分析から高度なモデリングまで、Editverseの生物統計学者が、論文発表に適した結果を得るための適切な分析方法の選択と実行をサポートします。
関連するEditverseリソース
→ 2025 ガイド: 適切な統計テストの選択
→ 傾向スコアマッチング：完全ステップバイステップチュートリアル
→ 臨床試験におけるt検定：実例
→ ブランド・アルトマン分析：方法比較のための視覚ガイド
→ Editverseのサンプルサイズ計算ツールの使い方
→ システマティックレビューとメタアナリシス：主な違い
→ PRISMA フローチャートのステップへの簡単なガイド
→ ジャーナルメトリクスと論文メトリクスの説明
→ 研究論文に適したジャーナルの選び方（2026年）
→ システマティックレビューがH指数の成長を加速させる方法
参考情報
- ショーバー P、ボーア C、シュヴァルテ LA。相関係数: 適切な使用と解釈。 アネス・アナグ. 2018;126(5):1763-1768. DOI: 10.1213/ANE.0000000000002864
- Vetter TR、Schober P. 回帰分析：リンゴは木から遠く離れて落ちない。 アネス・アナグ. 2018;127(1):277-283. DOI: 10.1213/ANE.0000000000003424
- Guyatt G、Walter S、Shannon H、Cook D、Jaeschke R、Heddle N. 臨床医のための基礎統計学：4. 相関と回帰。 CMAJ. 1995;152(4):497-504. PMID: 7859197
- ゴッドフリー K. 医学研究における単純線形回帰。 N ENGL Jメッド. 1985;313(26):1629-1636. DOI: 10.1056/NEJM198512263132604
- Wilson PW、D'Agostino RB、Levy D、Belanger AM、Silbershatz H、Kannel WB。リスク因子カテゴリーを用いた冠動脈疾患の予測。 循環. 1998;97(18):1837-1847. DOI: 10.1161/01.cir.97.18.1837
- Bland JM、Altman DG。臨床測定の2つの方法間の一致度を評価するための統計的方法。 ランセット. 1986;1(8476):307-310. PMID: 2868172
- Hezelgrave NL、Suff N、Seed Pら。早産予防のための子宮頸管縫縮術、ペッサリー、膣プロゲステロンの比較（SuPPoRT）。 PLoSのメッド。 2024; 21（7）：e1004427。 DOI: 10.1371/journal.pmed.1004427
- Cui H、Zhang W、Zhang Lら。前立腺癌のリスク因子：包括的レビュー。 PLoSのメッド。 2024; 21（3）：e1004362。 DOI: 10.1371/journal.pmed.1004362