🔖 キーワード索引

「共分散（covariance）」は 2 変数の連動の強さと向きを測る統計量で、 相関係数・分散共分散行列・主成分分析・線形回帰のすべての基礎をなす。 本ページでは共分散の定義・符号の意味・標本不偏推定・47 都道府県データでの実値計算・Python 実装・落とし穴を順に追う。

これらのキーワードは「共分散の定義 → 符号の解釈 → 標準化して相関係数 → 多変量への拡張（分散共分散行列・PCA）」という学習動線を構成する。

🔖 キーワード索引（深掘り版）

論文・記事に登場する用語のリンクで該当箇所へジャンプ：

🎨 直感で掴む

共分散は「x が平均より大きいとき、 y も平均より大きい傾向があるか？」を 1 つの数値で要約する。 47 都道府県の「総人口」と「出生数」を考えると、 人口が多い県は出生数も多い傾向 → ズレの積 (x_i - x̄)(y_i - ȳ) はほぼ正 → 共分散は正の大きな値になる。

図形的には、 散布図を「平均」で 4 象限に分けたとき、 右上 (+,+) と左下 (-,-) の点は積が正、 右下と左上は負。 共分散はこの符号付き面積の平均と等しい。 だから正なら右肩上がり、 負なら右肩下がり、 0 付近なら無相関。

ただし共分散の絶対値は単位に依存する (人口を「人」から「千人」に変えると値が 1000 倍変わる)。 これを単位なしに正規化したのがピアソン相関係数 r = s_xy / (s_x s_y) で、 -1 から +1 の範囲に収まる。 共分散は「相関係数の分子」と覚えるとよい。

🎮 触って理解する

下の散布図は点をドラッグ（スマホ・タブレットは指でスワイプ）して動かせます。 プロット内の空白をクリック / タップすると点を追加できます。 平均線 (x̄, ȳ) で分けた 4 象限が色分けされ、 各点の偏差の積 (xᵢ-x̄)(yᵢ-ȳ) が矩形（符号付き面積）として描かれます。 共分散 = Σ(xᵢ-x̄)(yᵢ-ȳ) / n がリアルタイムに更新されます。

👁️ ここで体感すること

• 符号の意味：点を右上・左下（緑の象限）に集めると各矩形が正で足し合わさり、 共分散が大きな正になる。 左上・右下（赤の象限）に集めると負になる。 これが「共分散 = 符号付き面積の平均」という直感そのもの。
• スケール依存（単位問題）：スライダーで x を ×10・×100・×1000 すると共分散はそのまま倍々に膨らむのに、 相関係数 r は 1 ミリも動かない。 「共分散の絶対値では強さを比較できない／相関係数で規格化する」理由が数値で見える。
• ÷n と ÷(n-1) の違い：点が少ないほど「共分散 (÷n)」と「不偏共分散 (÷n-1)」の差が目立つ。 n=47 のような小標本で不偏推定が推奨される理由。

🕳️ よくある落とし穴（操作で確かめる）

• Cov≈0 でも独立とは限らない：「U字」ボタンを押すと、 明らかに y が x に従属しているのに共分散はほぼ 0。 共分散が捉えるのは線形の共変動だけで、 放物線のような非線形の関係は素通りしてしまう。
• 外れ値 1 点で激変：無相関の状態から 1 点だけを遠くの右上へドラッグすると、 共分散が一気に正へ振れる。 偏差の積の平均なので極端値に弱い。
• 単位で"強さ"を語らない：スケールを変えた共分散の値だけを見て「関係が強くなった」と誤読しないこと。 強さの比較は必ず相関係数 r で行う。

🚀 発展

ここで見た「平均で 4 象限に分け、 偏差の積を足す」操作は、 変数が 3 つ以上になると分散共分散行列へ拡張され、 その固有値分解が 主成分分析（PCA） になる。 単位を消した規格化版が 相関係数、 対角成分（自分自身との共分散）が 分散 である。 非線形の従属（U字の例）を捉えたい場合は、 共分散ではなく距離相関や相互情報量といった指標が必要になる。

📐 数式と読み方

① 標本共分散

$$ s_{xy} = \frac{1}{n - 1} \sum_{i=1}^{n} (x_i - \bar{x})(y_i - \bar{y}) $$

② 母共分散

$$ \sigma_{xy} = \mathbb{E}[(X - \mu_X)(Y - \mu_Y)] $$

③ 計算用別形式

展開すると：

$$ s_{xy} = \overline{xy} - \bar{x}\bar{y} = \frac{1}{n}\sum x_i y_i - \bar{x}\bar{y} $$

記号の読み方

🔗 共分散 → 相関係数 — 単位を消して比較可能に

共分散の最大の問題は単位に依存すること。 同じデータでも単位を変えると値が変わります：

千円単位だと cov ≈ 8、 円単位だと cov ≈ 8,000,000。 数字だけ見ても「強い関係か弱い関係か」が判断できません。

正規化 → 相関係数

共分散を、 両変数の標準偏差の積で割ることで単位を消すのが相関係数：

$$ r = \frac{\text{Cov}(X, Y)}{\sigma_X \sigma_Y} = \frac{s_{xy}}{s_x \, s_y} $$

これにより値は必ず -1 ≤ r ≤ +1 の範囲に収まり、 単位に依存しなくなります。 SSDSE 食料費×教育費の場合：

• 共分散: cov = 17.906
• 食料費の標準偏差: σ_x = 5.842
• 教育費の標準偏差: σ_y = 4.212
• 相関係数: r = 17.906 ÷ (5.842 × 4.212) = 0.7277

💡 覚え方：「共分散 ÷ 両方の標準偏差 = 相関係数」。 相関係数は正規化された共分散。 これによりどんな変数のペアでも比較可能に。

🎲 共分散行列 — 多変量の関係を一気に表現

変数が3つ以上ある場合、 すべてのペアの共分散を行列にまとめたものが共分散行列。

$$ \Sigma = \begin{pmatrix} \sigma_x^2 & \sigma_{xy} & \sigma_{xz} \\ \sigma_{xy} & \sigma_y^2 & \sigma_{yz} \\ \sigma_{xz} & \sigma_{yz} & \sigma_z^2 \end{pmatrix} $$

• 対角成分：各変数の分散（σ_x², σ_y², σ_z²）
• 非対角成分：変数ペアの共分散（σ_xy = σ_yx で対称行列）

共分散行列の性質

1. 対称：Σᵢⱼ = Σⱼᵢ
2. 半正定値：すべての固有値が非負
3. 対角成分は分散：常に非負

主要な応用

• PCA：共分散行列の固有値分解で主成分軸を見つける
• マハラノビス距離：Σ⁻¹ で異常検知
• 多変量正規分布：Σ がパラメータ
• ポートフォリオ最適化：資産の共分散行列でリスク計算
• Kalman フィルタ：状態と観測の共分散を追跡

🔧 共分散の性質 — 線形変換

① 対称性

$$ \text{Cov}(X, Y) = \text{Cov}(Y, X) $$

② 自分自身との共分散は分散

$$ \text{Cov}(X, X) = \text{Var}(X) $$

③ 線形変換

$$ \text{Cov}(aX + b, cY + d) = ac \cdot \text{Cov}(X, Y) $$

定数倍は乗算、 加算は影響なし。 単位変換で共分散が変わる原因。

④ 独立なら共分散ゼロ

X と Y が独立 ⇒ Cov(X, Y) = 0（逆は成立しない！ 共分散ゼロでも非線形に依存することがある）

⑤ 和の分散

$$ \text{Var}(X + Y) = \text{Var}(X) + \text{Var}(Y) + 2 \text{Cov}(X, Y) $$

共分散項があるため、 一般には和の分散は単純な和ではない。 ポートフォリオ理論の基礎。

💰 ポートフォリオ理論への応用

投資の世界で共分散はリスク計算の中核。 Markowitz の現代ポートフォリオ理論（1952）の基礎。

ポートフォリオのリスク

2資産（A, B）に重み w_A, w_B で投資する場合のリスク（分散）：

$$ \sigma_p^2 = w_A^2 \sigma_A^2 + w_B^2 \sigma_B^2 + 2 w_A w_B \text{Cov}(A, B) $$

ポイント：共分散が小さい（あるいは負の）資産を組み合わせると、 ポートフォリオ全体のリスクが小さくなる。 これが分散投資の数学的根拠。

分散投資の効果

• 同じ業種の銘柄ばかりだと共分散が高い → リスク減らない
• 株式と債券（共分散が低い）を組み合わせる → リスク減る
• 株式と金（負の共分散）を組み合わせる → リスク大幅減

多変量への拡張

$$ \sigma_p^2 = \mathbf{w}^T \Sigma \mathbf{w} $$

w は重みベクトル、 Σ は資産の共分散行列。 機関投資家の最適化計算の中核式。

🤖 機械学習での共分散

① PCA（主成分分析）

PCA は共分散行列 Σ の固有値分解で実装：

$$ \Sigma = V \Lambda V^T $$

固有ベクトル V が主成分軸、 固有値 Λ が各軸の分散。 「最も分散が大きい方向」が第1主成分。

② 線形判別分析 (LDA)

クラス内共分散とクラス間共分散の比を最大化する。 共分散構造に基づく分類。

③ ガウス混合モデル (GMM)

複数の多変量正規分布の組合せでデータ生成過程をモデル化。 各分布が共分散行列を持つ。

④ 共分散関数（カーネル）

ガウス過程回帰では、 「入力空間での近さ」を共分散関数で測ります。 RBFカーネルなど。

⑤ Whitening 変換

共分散行列 Σ を単位行列に変換する前処理。 PCA + 標準化のような効果で、 学習を加速します。

🔬 共分散の深掘り — 行列・固有値・スパース化

🔬 共分散の深掘り — 行列・固有値・スパース化

共分散は単一の数値だけでなく、 多変量データでは「共分散行列」として頻繁に登場します。 ここでは SSDSE-B-2026 を題材に、 共分散行列の対角化（PCA の前段階）、 標本共分散の不偏性、 そして高次元下での スパース化テクニックを順に押さえます。

① 共分散行列の対角化と PCA への橋渡し

共分散行列 Σ を固有値分解すると、 固有ベクトルが 主成分方向、 固有値が 分散の大きさになります。 SSDSE-B-2026 の数値変数群に対して以下を実行すると、 主成分の意味と寄与率を一目で確認できます。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

import pandas as pd
import numpy as np

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=1)
num = df.select_dtypes(include=[np.number]).iloc[:, :6]   # 先頭 6 変数で例示
Sigma = num.cov().values
eigvals, eigvecs = np.linalg.eigh(Sigma)
order = np.argsort(eigvals)[::-1]
print('固有値:', eigvals[order])
print('寄与率:', eigvals[order] / eigvals.sum())

② 不偏共分散と最尤推定の違い

標本共分散の分母には n-1 を使う（不偏推定量）か n を使う（最尤推定量）かの 2 つの慣習があります。 SSDSE-B-2026 のように n=47 と小さいデータでは、 分母の違いが約 2% の差を生むため、 ライブラリの仕様 (ddof=1 がデフォルトか) を必ず確認してください。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

import pandas as pd
import numpy as np

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=1)
x = df['総人口'].values
y = df.iloc[:, 4].values
unbiased = np.cov(x, y, ddof=1)[0, 1]   # n-1
mle      = np.cov(x, y, ddof=0)[0, 1]   # n
print(f'不偏共分散 (n-1): {unbiased:.4f}')
print(f'最尤共分散 (n)  : {mle:.4f}')
print(f'差分比         : {(unbiased - mle) / unbiased:.4%}')

③ 高次元下のスパース共分散推定

変数の数 p が観測数 n に近い、 あるいは超えると、 標本共分散行列は 特異になり PCA や マハラノビス距離が機能しません。 対策は 3 つ：

1. 縮約推定（Ledoit-Wolf）— 標本共分散と単位行列の凸結合で正則化
2. グラフィカル LASSO— 精度行列にスパース性を仮定
3. 主成分回帰— 上位 k 固有値のみで近似

1
2
3
4
5
6
7
8

from sklearn.covariance import LedoitWolf
import pandas as pd

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=1)
X = df.select_dtypes('number').fillna(0)
lw = LedoitWolf().fit(X)
print('shrinkage 強度:', lw.shrinkage_)
print('縮約共分散行列の形状:', lw.covariance_.shape)

コンペでは「共分散行列の固有値が極端に小さい場合に PCA が不安定になる」現象を見たら、 まず 縮約推定を試すのが基本動作です。 また、 共分散が単位の影響を受ける点を忘れず、 単位の異なる変数を組み合わせる際には 必ず標準化を入れてから共分散行列を計算しましょう（事実上、 標準化後の共分散行列 = 相関行列）。

④ 共分散の解釈テンプレート（コンペ提出用）

• 「変数 X と Y の共分散は +m 単位²であり、 同方向に動く傾向がある」
• 「相関係数に直すと r = n となり、 強さは中程度／弱い／強い」
• 「単位を変えると共分散の値も変わるため、 比較には 相関を用いる」
• 「n=47 と小さいため、 不偏推定（ddof=1）を採用した」

⑤ 共分散行列の正定値性チェック

共分散行列は理論的には 半正定値（PSD）です。 しかし数値誤差で固有値がわずかに負になることがあり、 マハラノビス距離やコレスキー分解が失敗する原因になります。 SSDSE-B-2026 で対角成分を扱う際の 正定値補正テンプレートを覚えておきましょう。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13

import numpy as np
import pandas as pd

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=1)
X = df.select_dtypes('number').fillna(df.select_dtypes('number').mean())
S = X.cov().values

# 固有値分解で小さい負の値を 0 にクリップ
w, V = np.linalg.eigh(S)
w_clip = np.clip(w, 1e-8, None)
S_pd = V @ np.diag(w_clip) @ V.T
print('元の最小固有値:', w.min())
print('補正後の最小固有値:', w_clip.min())

⑥ 都道府県データでの可視化

共分散行列はヒートマップとして可視化すると一目で「正の依存」「負の依存」「独立」の構造が見えます。 SSDSE-B-2026 では総人口、 高齢化率、 大学進学率、 完全失業率などの軸で並べると、 人口関連 vs 経済関連のブロック構造が浮き上がります。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=1)
num = df.select_dtypes('number').iloc[:, :8]
fig, ax = plt.subplots(figsize=(8, 6))
sns.heatmap(num.cov(), annot=False, cmap='RdBu_r', center=0, ax=ax)
ax.set_title('SSDSE-B-2026: 共分散ヒートマップ（先頭 8 変数）')
plt.tight_layout()
plt.savefig('cov_heatmap.png', dpi=120)

注意点として、 単位が大きく異なる変数を含む生の共分散行列は 解釈困難です。 「総人口」（数百万）と「失業率」（数%）が同じヒートマップに乗ると、 後者の動きはほぼ見えません。 必ず 標準化（z-score）した上での共分散＝相関行列を併記しましょう。

⑦ 共分散と独立性 — 重要な誤解の整理

「共分散 = 0」は「無相関」を意味するが、 「独立」を意味するとは限りません。 例えば U字型の関係（X² と X など）では、 共分散はゼロでも明らかな依存関係があります。 この誤解はコンペでも頻発するため、 共分散ゼロを発見しても 非線形依存の可能性を散布図で必ず確認しましょう。

この表をコンペ提出物に貼っておくと、 「共分散ゼロ ≠ 独立」の指摘に対する反論材料になります。 一方、 多変量正規分布の特殊ケースでは「共分散ゼロ ⇔ 独立」が成立するため、 仮定が成立するか否かを最初に検討する習慣をつけましょう。 SSDSE-B-2026 の各指標は正規性が必ずしも担保されないため、 散布図と Spearman 順位相関の併用が安全策です。

⑧ 共分散をビジネス／政策にどう翻訳するか

共分散の数値そのものは 単位の積であり、 ビジネスや政策の文脈では直接そのまま示しても理解されにくいです。 そこで、 以下の 3 ステップで「説明可能な指標」に翻訳することを推奨します。

1. 標準化: 各変数を z-score に変換し、 共分散を計算 → これは相関係数 r になる
2. 効果量: r²（決定係数） で「変動の何 % が説明できるか」を伝える
3. 具体例: 「都道府県別データで、 高齢化率が 1 SD 上がると、 平均所得が 0.X SD 変化する」のような言い回し

最終的に、 共分散は 多変量解析の入口として捉え、 「ばらつき」「相関」「主成分」「マハラノビス距離」「カルマンフィルター」など、 後段の応用に橋渡しする数学的ツールであることを意識すれば、 用語ページとしての価値が一段と高まります。 関連用語のリンク先（相関、 PCA、 分散、 距離）を往復しながら、 自分なりの「共分散から始まる学習マップ」を作ってみてください。

⑨ 練習問題（自学用）

• SSDSE-B-2026 から「総人口」と「事業所数」の共分散を計算し、 単位込みで解釈せよ
• 同じ 2 変数を標準化して共分散を計算し、 元の共分散と比較せよ
• 3 変数（総人口、 高齢化率、 完全失業率）の共分散行列の固有値分解を実施し、 第 1 主成分の方向を解釈せよ
• Ledoit-Wolf 縮約を適用し、 縮約率（shrinkage_）の意味を一文で述べよ
• 共分散ゼロでも独立でない例を SSDSE 内で探し（あるいは合成し）、 散布図で可視化せよ
• 都道府県の「総人口」と「面積」の共分散から、 単位の違いが値に与える影響を考察せよ

最後に、 共分散は 確率変数の積の期待値から、 それぞれの期待値の積を引いたものとして定義されます。 この定義を式と日本語の両方で言えるようになれば、 多変量解析の基礎が固まったと判断できます。 自分のノートに 「共分散の 5 通りの説明」を書き出してみるのもおすすめです。

🧮 計算ステップ — 東北6県の共分散を手計算

東北6県の食料費と教育費の共分散を計算します。 (x̄ = 80.82, ȳ = 7.73)

共分散の値

• 標本共分散（÷n）: 15.7168 ÷ 6 = 2.6195
• 不偏共分散（÷(n-1)）: 15.7168 ÷ 5 = 3.1434

🧮 合成例で学ぶ：家計5変数の分散共分散行列

ここでは家計5変数（魚介・肉・野菜・果物・酒類）を想定した合成（架空）の共分散行列を題材に、 PCA・マハラノビス距離との関係を見ます（数値は SSDSE 実測ではなく、 構造を分かりやすくするための合成値）。

📊 ステップ1：分散共分散行列の値

各変数を 1000円単位にスケールしたと想定した合成の共分散行列 Σ（架空値）：

※対角は分散、 オフ対角は共分散。 単位は (千円)²。 すべて正なので「どの食品も一緒に増えやすい」傾向。 これは家計の総支出という共通因子の存在を示唆。

📊 ステップ2：PCA を共分散行列の固有値分解として理解

固有値分解 Σ = V Λ V^T を行うと、 固有値の大きい順に主成分が並びます：

• λ₁ ≈ 75.6（全分散の 46.2% を説明）→ 「総支出量」軸
• λ₂ ≈ 33.3（20.3%）→ 「魚介 vs 肉」軸
• λ₃ ≈ 23.9（14.6%）→ 「果物 vs 酒類」軸
• λ₄ ≈ 19.5（11.9%）
• λ₅ ≈ 11.4（7.0%）

固有値の合計はトレース（対角和）163.8 に一致し、 各寄与率の合計は 100% になる（λ₁ の 46.2% は 92.4/163.8＝56.4% ではなく、 上の行列を実際に固有値分解した値）。 第1〜第2主成分で約 66.5% の情報を保持。 共分散行列は多変量データの構造を凝縮した行列です。

📊 ステップ3：マハラノビス距離で「特異な県」を検出

マハラノビス距離 $D^2 = (x-\mu)^T \Sigma^{-1} (x-\mu)$ は、 共分散の構造を考慮した「異常さの度合い」。 47県でこの値が大きい県（D > 4 程度）は、 一般的な家計パターンから離れた特異な県と言えます。 沖縄県は酒類消費が独特で、 マハラノビス距離が大きく出る代表例。

🧮 数式に値を入れて手で計算する: 共分散

合成 2 変量データで Cov(x,y) を計算する。

Step 1: データと平均

x̄ = 4.2, ȳ = 7.0

Step 2: 共分散

🐍 Python で再現

1
2
3
4
5

import numpy as np
x = np.array([2, 4, 7, 5, 3])
y = np.array([3, 7, 12, 9, 4])
print(f"標本共分散: {np.cov(x, y, ddof=1)[0,1]:.2f}")
print(f"母共分散: {np.cov(x, y, ddof=0)[0,1]:.2f}")

📤 実行結果

💬 手計算 (Step 2) 7.0 / 5.6 と Python 出力が完全一致。

🐍 Python での計算

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

import numpy as np
import pandas as pd

# 2変数の共分散
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 5, 7, 9])

# numpy
cov_mat = np.cov(x, y)         # 2x2 行列
print(cov_mat[0, 1])           # x と y の共分散

# pandas
df = pd.DataFrame({'x': x, 'y': y})
print(df.cov())                # 共分散行列
print(df['x'].cov(df['y']))    # 個別の共分散

共分散行列（多変量）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

# ── この抜粋で使うデータを用意します（SSDSE-B の 47 都道府県・最新年度）──
import pandas as pd

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', header=1)
df = df[df['地域コード'].astype(str).str.match(r'^R\d{5}$', na=False)].copy()
df['年度'] = pd.to_numeric(df['年度'], errors='coerce')
df = df[df['年度'] == df['年度'].max()]

# 使う費目だけ数値に直す
# 注意: SSDSE-B の費目名は「◯◯費（二人以上の世帯）」。「光熱費」ではなく
#       「光熱・水道費（二人以上の世帯）」が正しい列名。
cols = ['食料費（二人以上の世帯）', '住居費（二人以上の世帯）',
        '教育費（二人以上の世帯）', '光熱・水道費（二人以上の世帯）']
for _c in cols:
    df[_c] = pd.to_numeric(df[_c], errors='coerce')
df = df.dropna(subset=cols)

cov_matrix = df[cols].cov()
print(cov_matrix)

# 相関行列に変換
import numpy as np
def cov_to_corr(cov):
    sd = np.sqrt(np.diag(cov))
    return cov / np.outer(sd, sd)

corr_matrix = cov_to_corr(cov_matrix.values)
print(corr_matrix)

# pandas で直接
print(df[cols].corr())

ddof（自由度）の指定

ポートフォリオ分散の計算

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

def portfolio_variance(weights, cov_matrix):
    # σ_p^2 = w^T Σ w
    return weights.T @ cov_matrix @ weights

w = np.array([0.6, 0.4])    # 60% 株, 40% 債券
returns_cov = np.array([
    [0.04, 0.01],
    [0.01, 0.02]
])
print(portfolio_variance(w, returns_cov))

🚧 共分散の落とし穴

1️⃣ 単位への依存 — 直接比較不可

同じデータでも単位を変えると共分散が変わる。 「強い関係か弱いか」を判断するには相関係数を使うこと。

2️⃣ 共分散ゼロ ≠ 独立

共分散ゼロでも非線形な関係（U字、 周期的）はあり得ます。 共分散はあくまで「線形な共変動」のみを捉える指標。

3️⃣ 外れ値の影響

偏差の積を取るので、 外れ値1つで共分散が大きく動きます。 散布図で外れ値を確認してから判断。

4️⃣ 因果関係ではない

共分散が大きい ≠ 因果関係がある。 第3変数（交絡変数）の可能性を常に考慮。

5️⃣ 非線形関係を見逃す

共分散は線形関係のみを測るため、 非線形関係は数値に反映されない。 散布図と組み合わせて判断。

📜 共分散の歴史

• Francis Galton（1888）：身長の親子関係を研究中に共分散の概念に到達
• Karl Pearson（1894）：共分散と相関係数を厳密に定式化
• Fisher（1925）：共分散行列を多変量解析の中核に位置づける
• Markowitz（1952）：共分散行列を金融ポートフォリオ理論に応用 → 1990年ノーベル経済学賞
• Kalman（1960）：状態空間モデルで共分散行列を時系列に応用 → カルマンフィルタ

📖 包括的解説 — この概念を完全マスター

📍 学習の3ステップ

1. 定義を理解する：この概念は何か？ 数式や条件を確認
2. 具体例を見る：実データ（SSDSE 等）で計算してみる
3. 応用する：自分のデータに適用、 結果を解釈

🔧 Python実装パターン

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

# 基本パターン
import pandas as pd
import numpy as np
from scipy import stats
import matplotlib.pyplot as plt
import seaborn as sns

# データ読み込み
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', header=1)

# 基本統計量
df.describe()

# 可視化
sns.pairplot(df[['食料費（二人以上の世帯）', '教育費（二人以上の世帯）', '住居費（二人以上の世帯）']])
plt.show()

📚 統計概念マップでの位置

このページの上にある3つの概念マップ（関係マップ、 包含マップ、 ツリーマップ）でこの概念の位置づけが視覚的に分かります。 関連手法を辿って学習を進めましょう。

🎯 共分散ならではの実装ポイント

共分散は「単位依存」「対称性」「正定値性」「外れ値感応」の 4 性質に強く縛られる。 同じ cov 関数でも (1) 分母を n とするか n-1 とするか、 (2) 入力行列を「行=変数」とするか「行=サンプル」とするか、 (3) 観測値に重みを付けるか、 (4) 縮約 (shrinkage) を入れるかで結果が変わる。 SSDSE-B-2026 の 47 都道府県 × 数十変数という低 n × 中 p 設定では、 標本共分散行列の最小固有値が小さく PCA や Mahalanobis 計算が数値的に不安定になりやすい点に注意。

💡 共分散計算で押さえるべきライブラリ差

🚧 共分散固有の落とし穴と対策

• 単位スケール感応：身長 cm → m で値が 1/100 倍。 絶対値の大小で関係の強弱を語らない（相関係数で標準化）
• n < p で特異：標本共分散行列の逆行列が存在せず PCA・Mahalanobis・GLS が破綻 → Ledoit-Wolf / Graphical Lasso で縮約
• Cov = 0 ≠ 独立：線形関係しか測れない。 y = x² の例では Cov(x,y)=0 でも従属。 非線形には距離相関・MI・HSIC
• 外れ値で歪む：偏差の積平均なので 1 サンプルの極値が支配的 → MinCovDet（MCD）または順位ベース
• 分母 n / n-1 / EWMA の混在：pandas・numpy デフォルト n-1、 sklearn の EmpiricalCovariance は n。 報告時に必ず明示
• 時系列の自己相関無視：iid 前提で計算すると標準誤差が過小評価。 Newey-West や DCC-GARCH で時間相関補正

📊 共分散・共分散行列の報告フォーマット

• 共分散の値：単位（X の単位 × Y の単位）まで記載（例: 9.84×10¹² 人×百万円）
• 分母規約：n か n-1 か、 使用 API と bias 引数の値を明示
• 共分散行列の条件数：np.linalg.cond(Σ)。 10⁸ を超えたら特異性を疑う
• 固有値：最小固有値が負 or 極小なら非正定値、 縮約推定に切替
• 対応する相関行列：df.corr() も併記し、 絶対値比較は相関側で行う
• 外れ値処理の有無：MCD・トリムを使ったかどうか、 トリム率も明記

🌐 共分散が中核となる応用

• 主成分分析 (PCA)：標本共分散行列の固有値分解で主成分軸を抽出
• マハラノビス距離：Σ⁻¹ で楕円距離を定義、 多変量外れ値検出に使用
• カルマンフィルタ：状態誤差共分散行列を時間更新（予測共分散 + 観測共分散）
• ポートフォリオ最適化：資産収益の共分散行列を基にミーン・バリアンス最適化
• 遺伝子発現の共発現解析：高次元 (n=数十 × p=数万) で Graphical Lasso によりネットワーク推定
• 線形回帰の係数推定：β = Cov(X,Y) / Var(X)、 重回帰では (X'X)⁻¹X'y の核に共分散構造

🎓 共分散をさらに深掘る文献

• Ledoit & Wolf (2004) "A well-conditioned estimator for large-dimensional covariance matrices" — 縮約推定の標準論文
• Friedman, Hastie & Tibshirani (2008) "Sparse inverse covariance estimation with the graphical lasso" — Graphical Lasso 原論文
• Rousseeuw & Van Driessen (1999) "A fast algorithm for the minimum covariance determinant estimator" — ロバスト共分散 (MCD)
• Engle (2002) "Dynamic conditional correlation" — 時系列の共分散 (DCC-GARCH)
• Stewart (1990) "Matrix Perturbation Theory" — 共分散行列の条件数と数値安定性

🔗 共分散が組み込まれている統計用語ネットワーク

共分散は「記述統計（ばらつき）」と「多変量解析（行列演算）」の橋渡しに位置します。 1 変数の分散の自然な 2 変数拡張であり、 相関係数の前段、 PCA / Mahalanobis / 重回帰の素材、 縮約・ロバスト推定で形を変えながら、 ベイズ統計の事前分布（逆 Wishart 分布）にも顔を出します。 以下のリンクを辿ることで、 共分散がどう変形・拡張されていくかを体系的に把握できます。

共分散と直接連結する概念グループ

共分散を起点とした推奨学習順序

1. 分散と標準偏差（1 変数のばらつき）
2. 2 変数の散布図と偏差の積（共分散の直感）
3. 共分散の定義式と n / n-1 の違い
4. 共分散から相関係数への標準化
5. 分散共分散行列と固有値分解 → PCA
6. Mahalanobis 距離（Σ⁻¹ の利用）
7. 縮約推定（Ledoit-Wolf）とスパース精度行列（Graphical Lasso）
8. ロバスト共分散（MCD）と外れ値耐性
9. 時系列共分散（EWMA、 DCC-GARCH）と応用（ポートフォリオ / カルマン）

📝 共分散の SSDSE-B-2026 実践課題

初級課題（共分散の定義と単位依存）

1. SSDSE-B-2026 の総人口 (A1101) と出生数 (A4101) で Cov(X,Y) を np.cov で計算
2. 同じ計算を bias=True（÷n）と bias=False（÷n-1）で行い 47/46 倍の差を確認
3. 総人口を「千人」単位に換算（1/1000）した時、 共分散が 1/1000 倍になることを検証
4. 共分散の値を両変数の標準偏差で割って相関係数を再構成、 df.corr() と一致するか確認

中級課題（共分散行列と多変量）

1. 家計支出 5 変数で df.cov() を計算し、 対角成分が各変数の分散と一致することを確認
2. 共分散行列の固有値分解を np.linalg.eigh で実施、 最大固有値の固有ベクトルを PC1 として確認
3. Mahalanobis 距離を EmpiricalCovariance().mahalanobis(X) で計算し、 外れ県を抽出
4. 条件数 np.linalg.cond(Σ) を測り、 10⁸ を超えるか確認（縮約の必要性判定）

上級課題（縮約・ロバスト・時系列）

1. SSDSE-B-2026 の人口・産業・家計の 20 変数で LedoitWolf を適用、 shrinkage_ の値を解釈
2. 1 県を意図的に外れ値化し、 標本共分散 vs MCD 共分散の差を比較（条件数・最大固有値）
3. GraphicalLassoCV でスパース精度行列を推定、 非ゼロパターンから条件付き独立構造を読み取る
4. 時系列版として、 SSDSE 年次データから 2 変数の EWMA 共分散を df.ewm(span=10).cov() で計算

🐍 Python 実装バリエーション

① NumPy / Pandas（基本）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

# ── この抜粋で使うデータを用意します（SSDSE-B の 47 都道府県・最新年度）──
import pandas as pd

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', header=1)
df = df[df['地域コード'].astype(str).str.match(r'^R\d{5}$', na=False)].copy()
df['年度'] = pd.to_numeric(df['年度'], errors='coerce')
df = df[df['年度'] == df['年度'].max()]

import numpy as np

# 使う列だけ数値に直す
_feats = ['総人口', '出生数', '死亡数', '婚姻件数']
for _c in _feats:
    df[_c] = pd.to_numeric(df[_c], errors='coerce')
df = df.dropna(subset=_feats)
X = df[_feats].to_numpy(dtype=float)

cov_matrix = np.cov(X.T)  # 各列を変数とみなす（注意：行列の向き）
print(np.round(cov_matrix, 1))

# pandas なら直接
# 注意: 「魚介」「肉」「野菜」は SSDSE-B には無い（品目別は市区町村版の SSDSE-C）。
#       SSDSE-B にある費目で同じことをする。
cols = ['食料費（二人以上の世帯）', '住居費（二人以上の世帯）', '教育費（二人以上の世帯）']
for _c in cols:
    df[_c] = pd.to_numeric(df[_c], errors='coerce')
cov_df = df[cols].dropna().cov()
print(cov_df)

② scikit-learn — 縮約推定（Ledoit-Wolf）

高次元データや小サンプルでは、 標本共分散より縮約推定の方が安定。

1
2
3
4

from sklearn.covariance import LedoitWolf, MinCovDet, GraphicalLassoCV
lw = LedoitWolf().fit(X)
print(lw.covariance_, lw.shrinkage_)
# ロバスト共分散（外れ値に強い）

③ scikit-learn — マハラノビス距離

1
2
3
4

from sklearn.covariance import EmpiricalCovariance
cov = EmpiricalCovariance().fit(X)
d_squared = cov.mahalanobis(X)  # 各サンプルのマハラノビス距離²
print(sorted(d_squared)[-5:])  # 最も外れた5サンプル

④ scipy.stats.multivariate_normal — 多変量正規の確率密度

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

# ── この抜粋で使うデータを用意します（SSDSE-B の 47 都道府県・最新年度）──
import pandas as pd

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', header=1)
df = df[df['地域コード'].astype(str).str.match(r'^R\d{5}$', na=False)].copy()
df['年度'] = pd.to_numeric(df['年度'], errors='coerce')
df = df[df['年度'] == df['年度'].max()]
for _c in df.columns[3:]:
    df[_c] = pd.to_numeric(df[_c], errors='coerce')
df['高齢化率'] = df['65歳以上人口'] / df['総人口'] * 100

# 見本でよく使われる仮の列名を、実データから作っておく
df['income'] = df['消費支出（二人以上の世帯）']
df['population'] = df['総人口']
_region = {'北海道': '北海道', '青森県': '東北', '岩手県': '東北', '宮城県': '東北',
           '秋田県': '東北', '山形県': '東北', '福島県': '東北', '茨城県': '関東',
           '栃木県': '関東', '群馬県': '関東', '埼玉県': '関東', '千葉県': '関東',
           '東京都': '関東', '神奈川県': '関東'}
df['region'] = df['都道府県'].map(_region).fillna('その他')
df['地域'] = df['region']

_feats = ['総人口', '出生数', '死亡数', '婚姻件数']
df = df.dropna(subset=_feats + ['消費支出（二人以上の世帯）'])
X = df[_feats].to_numpy(dtype=float)
y = df['消費支出（二人以上の世帯）'].to_numpy(dtype=float)
x = df['総人口'].to_numpy(dtype=float)

from scipy.stats import multivariate_normal
mvn = multivariate_normal(mean=X.mean(0), cov=np.cov(X.T))
print(mvn.pdf(X[0]))  # 観測値の確率密度

⑤ statsmodels — 重み付き / 加重共分散

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

import pandas as pd

# ── この抜粋だけで動くように、47 都道府県・最新年度を読み込む ──
_d = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
_d = _d[_d['SSDSE-B-2026'] == 2023]
import numpy as np

_feats = ['総人口', '出生数', '死亡数']
X = _d[['A1101', 'A4101', 'A4200']].astype(float).values   # 総人口・出生数・死亡数
weights = _d['A1101'].astype(float).values                  # 人口を標本ウェイトにする

# 標本ウェイト付き共分散（大きい県ほど重く数える）
cov_w = np.cov(X.T, aweights=weights)
print('ウェイトあり:\n', np.round(cov_w, 1))
print('ウェイトなし:\n', np.round(np.cov(X.T), 1))
# 時系列の EWMA 共分散は pandas で：df.ewm(span=20).cov()

⚠️ 共分散の落とし穴（深掘り版・6件）

🌐 関連手法・派生

共分散は 2 変数の連動を測る最小単位の指標であり、 相関係数・回帰係数・主成分分析・分散共分散行列など多くの多変量手法の 基礎部品 として埋め込まれている。 共分散が単独で使われる場面は少なく、 ほぼ必ず別の手法の前段または中間計算として現れる。

• 標準化版: 相関係数 r = Cov(X,Y)/(σx σy)。 単位依存を除去して -1〜1 に正規化。
• 多変量拡張: 分散共分散行列 Σ (p×p)。 主成分分析・マハラノビス距離・多変量正規分布の核となる。
• 回帰での出現: 単回帰係数 β = Cov(X,Y)/Var(X)。 OLS の正規方程式は (X'X)⁻¹X'y で X'X が共分散行列に相当。
• 前段処理: 平均中心化 (mean centering)、 外れ値除外、 単位スケーリング。 これらを欠くと共分散の符号・大きさが誤解を招く。
• 頑健版: MCD (Minimum Covariance Determinant)、 Ledoit-Wolf 縮小推定。 高次元 or 外れ値混入時に通常の標本共分散より安定。
• 時系列版: EWMA 共分散、 DCC-GARCH、 ローリング共分散。 共分散が時間で変動する状況に対応。
• 競合・代替: 順位ベースのスピアマン共分散 (単調関係)、 距離共分散 (非線形関係も検出)、 相互情報量 (任意の依存関係)。

共分散の符号 (+/-) と大きさだけでは情報が乏しいため、 相関係数で標準化するか、 回帰係数として因果方向を仮定するか、 分散共分散行列として多変量構造を見るかのいずれかの形で運用するのが実務。

🔗 関連用語（深掘り版・前提/並列/発展）

📚 前提（4個以上）

• 代表値（平均）：偏差の基点
• ばらつき（分散）：共分散の対角成分
• 確率分布：期待値の理論
• 期待値（平均）：共分散の数学的定義の基礎
• 線形代数：行列としての扱い

🔀 並列（4個以上）

• 相関係数：規格化された共分散
• スピアマン順位相関：単調関係用
• ケンドールの τ（順位ベース）
• 距離相関：非線形対応
• 相互情報量（情報理論的依存指標）

🚀 発展（4個以上）

• 主成分分析（PCA）：共分散行列の固有値分解
• 因子分析：共分散構造のモデル化
• マハラノビス距離（共分散の逆行列を利用）
• 多変量正規分布：共分散行列が定義する分布
• 縮約推定（Ledoit-Wolf 縮約）：高次元安定化
• グラフィカル LASSO：スパース精度行列
• ポートフォリオ理論 / 共分散行列の応用：金融応用

📚 関連グループ教材

共分散 を学ぶ際に併読すると理解が深まる、 サイト内グループ教材と公的データ・標準ドキュメントを以下にまとめる。

• 📚 相関・共分散グループ — Pearson / Spearman / 偏相関と組で学ぶ
• 📚 分散・ばらつきグループ — 1 変数の散らばりとの対比
• 📚 多変量解析グループ — 共分散行列を主成分・因子分析で活用
• 📚 確率分布グループ — 多変量正規分布における共分散行列
• 📚 用語集トップ — 全 514 用語のインデックス

• numpy.cov 公式ドキュメント（https://numpy.org/doc/stable/reference/generated/numpy.cov.html）— ddof 引数で不偏 / 標本共分散を切替える方法
• pandas.DataFrame.cov（https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.cov.html）— SSDSE-B-2026 をそのまま渡せる共分散行列計算
• scikit-learn EmpiricalCovariance / LedoitWolf（https://scikit-learn.org/stable/modules/covariance.html）— 高次元の縮約共分散推定
• SSDSE-B-2026 教育用標準データセット（https://www.nstac.go.jp/use/literacy/ssdse/）— 47 都道府県 × 125 項目で共分散行列を体験
• NIST/SEMATECH e-Handbook of Statistical Methods（https://www.itl.nist.gov/div898/handbook/eda/section3/eda35b.htm）— 共分散行列の検定法（無料公開）

これらを順に参照することで、 共分散 を中核とした分析の体系的理解が得られる。

🗺️ 概念マップ — 3つの視点で体系を理解する

共分散 がデータサイエンスの体系の中でどこに位置するかを、 3つの異なる視点で可視化します。 同じ情報でも見方を変えると気付きが変わります。

📍 体系階層のパス

🌐 統計・データサイエンス › 記述統計 › ばらつき › 共分散

① 🔗 関係マップ — 「他の手法とどう繋がっているか」

中心に 共分散 を置き、 そこから 分散・相関係数・平均・PCA・クラスタリング・標準偏差 など 計 11 個の用語へ、 前提・兄弟・発展形といった関係を矢印で結んでいます。 線がどちら向きかを見れば、 先に読むべき用語とあとから読む用語が分かります。 ノードはドラッグで動かせ、 ホイールでズーム、 クリックでその用語のページへ遷移します。

② ⭕ 包含マップ — 「どのカテゴリに含まれているか」

大きな円が小さな円を包含する Circle Packing 図。 「共分散」は緑色でハイライト。

• カテゴリ円をクリック：その内部にズームイン
• 白背景クリック：1階層戻る
• 用語円をクリック：詳細ページへ遷移
• マウスホバー：階層パス表示

③ 🌳 ツリーマップ — 「面積で見るボリューム比較」

長方形を入れ子に分割した Treemap 図。 各分野の規模感を面積で比較。 「共分散」は緑色でハイライト。

• カテゴリ矩形をクリック：その内部にドリルダウン
• パンくず（上のリンク）クリック：その階層に戻る
• 用語矩形をクリック：詳細ページへ遷移
• マウスホバー：階層パスと値を表示

🎯 3つのマップの使い分け

💡 3 つの図は同じ位置関係を別の角度から描いています。 関係マップは 共分散 の隣に何が並ぶかを、 包含マップとツリーマップは 統計・データサイエンス → ばらつき → 共分散 という入れ子の位置を示します。 「ばらつきには他に何があったか」を思い出したいときは包含マップを、 「次に何を読むか」を決めたいときは関係マップを開いてください。

📌 補足セクション — 共分散を SSDSE-B-2026 で確かめる

本セクションは「共分散」を 47都道府県データ（SSDSE-B-2026）で具体的に確認するための追加教材です。 例として総人口と出生数の共分散を扱います。

🎨 直感で掴む — 共分散

🔬 数式を言葉で読み解く

🧮 実値で計算してみる — 共分散

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20

import pandas as pd
import numpy as np

# cp932 で読み込み、 2 行目の和名ヘッダ行を skiprows で除外
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])

# 先頭列 'SSDSE-B-2026' が年度。 2023 年の 47 都道府県スナップショット
sub = df[df['SSDSE-B-2026'] == 2023].copy()
x = sub['A1101'].astype(float)   # 総人口
y = sub['A4101'].astype(float)   # 出生数

# 共分散（不偏 n-1 と母 n）と相関係数
cov_unb = np.cov(x, y, ddof=1)[0, 1]   # 不偏共分散
cov_ml  = np.cov(x, y, ddof=0)[0, 1]   # 母共分散
r = x.corr(y)

print(f'n = {len(x)}')                       # 47
print(f'Cov 不偏(n-1) = {cov_unb:,.2f}')      # 約 4.78e+10 [人×人]
print(f'Cov 母  (n)   = {cov_ml:,.2f}')       # 約 4.68e+10
print(f'相関係数 r    = {r:.4f}')             # 0.9954

⚠️ 補足の落とし穴

• 都道府県データはサンプルサイズ 47 が固定：標本数を増やせないため、 統計的検定の検出力は中程度に留まります。 解釈時にこの限界を意識してください。
• スケールの違い：総人口（百万単位）と出生数（万単位）など、 桁が大きく異なる変数は標準化して扱うのが安全です。
• 東京・大阪等の影響点：少数の大都市が回帰や相関の結果を大きく動かすことがあります。 影響統計量（てこ比、 クックの距離）の確認を推奨します。

🔗 関連用語（補足リンク）

🔗 隣接手法への橋渡し

共分散は分散・相関係数・PCA・回帰分析の基礎量で、 標準化前のスケール依存指標として全多変量解析の土台になる。 本章では「接続 (どう繋がるか)」「統合 (どう組み合わせるか)」「比較 (どう使い分けるか)」の 3 視点で隣接手法を整理する。

① 接続: 共分散から派生する手法群

共分散は単独で結論を出す指標ではなく、 多変量解析のパイプラインの一部として機能する。 以下の 5 手法は共分散行列を入力として受け取る。

• 相関係数 — 共分散を両変数の標準偏差で割り、 単位非依存の [-1, 1] スケールへ正規化。 スケール差 (総人口 数百万 vs 出生数 数万) を吸収したい時に必須。 適用シーン: 都道府県別の総人口と出生数の関連度を 0.995 のように単一値で示したい時。
• 主成分分析 (PCA) — 共分散行列の固有値分解で主軸を抽出。 高次元データを 2-3 軸に圧縮可視化。 適用シーン: SSDSE-B の 50+ 列を 2 次元散布図に縮約したい時。
• 重回帰分析 — 係数推定式 β = (X'X)⁻¹X'y の X'X が共分散行列に比例。 適用シーン: 複数の説明変数で人口を予測したい時。
• マハラノビス距離 — 共分散行列の逆行列で「変数間相関を考慮した距離」を計算。 適用シーン: 多変量外れ値検出 (各変数では正常でも組合せで異常)。
• 因子分析 — 共分散構造を「共通因子 + 独自因子」に分解。 適用シーン: 観測されない潜在変数 (経済力、 教育水準) を推定したい時。

② 統合: 共分散を組み込んだワークフロー

共分散単独より、 他手法と組み合わせた時に真価を発揮する。 SSDSE-B-2026 で頻出する 2 パイプライン。

③ 比較: 共分散 vs 隣接指標の使い分け判断

「相関係数を使うべきか共分散のままか」の判断基準。 実務で迷うポイントを比較表に整理。

原則: 「強さの解釈」「異種比較」が目的なら相関係数、 「PCA・回帰など下流処理への入力」なら共分散行列のまま渡すのが定石。

🌳 手法選択フロー

共分散の計算・推定は、 データの分布特性 (外れ値の有無)・サンプル数 n と次元 p の関係・後段分析の目的の 3 軸で選択する。

典型シナリオ別の共分散推定手法

選んだ後の検証ステップ

1. 前処理確認: 標準化 / 欠損処理 / カテゴリ変数のエンコード が適切か
2. ハイパラ調整: 交差検証で安定する値を選ぶ
3. 性能評価: タスクに応じた指標 (RMSE / Accuracy / F1 / AUC / シルエット等) を複数併用
4. 頑健性チェック: 別手法 / 別シードで結果が大きく違わないか確認
5. 解釈: 結果を分野知識と照らし合わせ、 意味のある発見になっているか検討

👁️ 直感の深掘り — 「一緒に動く度合い」をもう一段ほぐす

共分散は突きつめると「偏差の積の平均」ただ一つです。 各データ点について「x が自分の平均からどれだけズレたか」×「y が自分の平均からどれだけズレたか」を掛け、 それを全点で平均する。 2 つのズレが同じ向き（両方プラス or 両方マイナス）なら積はプラス、 逆向きなら積はマイナス。 この符号の多数決が共分散の符号になります。

符号の読み方（3 行でまとめ）

• 正（＋）：x が大きいとき y も大きい＝同方向に動く。 右肩上がりの散布図。
• 負（－）：x が大きいとき y は小さい＝逆方向に動く。 右肩下がりの散布図。
• ゼロ付近：同方向の点と逆方向の点が拮抗＝線形の連動なし（ただし独立とは限らない、 後述）。

「単位に依存する」を実データで体感（SSDSE-B-2026 実測）

共分散の符号は意味を持ちますが、 絶対値の大きさは単位次第でいくらでも変わります。 2023 年・47 都道府県の 総人口（A1101）と出生数（A4101）で確認すると：

単位を千人に変えただけで共分散は 3 桁縮みますが、 相関係数 0.9954 は 1 ミリも動きません。 これが「相関係数＝単位を打ち消して無次元化した共分散」という関係の実演です。 共分散の大きさそのもので関係の強弱を語ってはいけない——強弱は必ず相関係数で。 数値は SSDSE-B-2026（cp932, skiprows=[1], 2023 年 47 県）の実測値です。

💡 一言で：共分散 = 偏差の積の平均。 符号は「同方向／逆方向」を語り、 大きさは「単位の積」を引きずる。 単位を洗い落とすと相関係数になる。

⚠️ 落とし穴の深掘り（重要）— 共分散で足を踏み外す 6 つの罠

ここは特に重要です。 共分散は「符号は意味を持つが、 大きさは単位に振り回される」という二面性を持つため、 解釈でつまずきやすい。 コンペや実務で頻出する 6 つの罠を、 SSDSE-B-2026 の実感と結び付けて整理します。

① 単位依存で「大きさ」を解釈してはいけない

共分散の絶対値は変数の単位（円・人・%・kg…）の積を引きずるため、 異なる変数ペア間で大小を比べても意味がありません。 前節の実測どおり、 単位を変えるだけで値は桁単位で動きます。 「強さ」を語るときは必ず相関係数 r に正規化する。 大きさの比較＝相関、 向きの確認＝共分散の符号と役割を分けて覚えるのが安全です。

② 共分散ゼロは「独立」を意味しない（非線形は素通り）

共分散が捉えるのは線形の共変動だけです。 y = x²（x が平均 0 の対称分布）のような U 字型の従属関係では、 明らかに y が x に決まっているのに共分散はほぼ 0 になります。 「Cov = 0 ⇒ 独立」は成り立たない（逆の「独立 ⇒ Cov = 0」だけが真）。 非線形の依存を捉えたいときは距離相関・相互情報量・HSIC、 単調関係ならスピアマン順位相関を併用します。 ページ上部の 🎮 ウィジェットの「U字」ボタンでこの現象を数値で体感できます。

③ 外れ値 1 点に強く振られる

偏差の積の平均なので、 遠く離れた 1 点の寄与が支配的になり得ます。 SSDSE-B-2026 では東京都・大阪府・神奈川県のような大規模県が「影響点（leverage point）」として共分散を大きく動かします。 散布図で外れ値を確認し、 必要なら MinCovDet などのロバスト共分散や順位ベース指標に切り替えます。

④ 標本共分散 n vs 不偏共分散 n−1 の取り違え

分母を n とする（最尤・母共分散）か n−1 とする（不偏・標本共分散）かで値が変わります。 n=47 の都道府県データでは 47/46 ≈ 1.0217、 約 2% の差。 pandas.DataFrame.cov() と numpy.cov() はデフォルト n−1、 numpy.cov(..., bias=True) と sklearn の EmpiricalCovariance は n。 報告時はどちらを使ったか必ず明示します。

⑤ 共分散行列の正定値性を過信しない

共分散行列は理論上半正定値（固有値がすべて非負）ですが、 数値誤差やほぼ共線な変数があると最小固有値が極小・わずかに負になり、 マハラノビス距離やコレスキー分解が破綻します。 実測でも、 総人口・出生数・65 歳以上人口の 3 変数共分散行列は条件数がおよそ 4.0×10⁶ と大きく、 逆行列計算が数値的に不安定になりやすいことが分かります。 固有値のクリップ（下限を微小正数に）や Ledoit-Wolf 縮約が対策になります。

⑥ 「共分散」と「相関」を混同する

両者は分子を共有しますが別物です。 相関 = 共分散 ÷（両変数の標準偏差の積）で、 相関は −1〜+1 に収まる無次元量、 共分散は単位付きで範囲に上限がありません。 「相関が 0.99 だから共分散も大きい」とは限らず（単位次第）、 逆もまた然り。 比較・強弱の議論は相関、 回帰係数 β = Cov(X,Y)/Var(X) や PCA・ポートフォリオ分散などの下流計算は共分散、 と使い分けます。

⚠️ 補足：SSDSE-B-2026 の生の指標は「総人口」という共通因子のせいでほとんどの共分散が正になります（例：総人口・出生数・65 歳以上人口はどれも正の共分散）。 負の関係（例：高齢化率と若年人口比率）を見たいときは、 生の件数ではなく人口当たり・比率に変換してから共分散をとる必要があります。 これも「共分散は単位・スケールに強く依存する」ことの一側面です。

🚀 発展 — 共分散から多変量解析への扉

① 共分散の双線形性という土台

共分散は双線形（各引数について線形）です。 定数 a,b,c,d に対して

$$ \text{Cov}(aX+bU,\; cY) = ac\,\text{Cov}(X,Y) + bc\,\text{Cov}(U,Y) $$

が成り立ち、 定数の加算は共分散を変えません（$\text{Cov}(X+b,Y)=\text{Cov}(X,Y)$）。 この双線形性が「和の分散 $\text{Var}(X+Y)=\text{Var}(X)+\text{Var}(Y)+2\,\text{Cov}(X,Y)$」やポートフォリオ分散 $\mathbf{w}^\top\Sigma\mathbf{w}$ を導く根っこです。

② 共分散行列と主成分分析（固有値分解）— 実測で見る

変数が増えると、 全ペアの共分散を並べた共分散行列 Σになります。 SSDSE-B-2026（2023 年・47 県）の 総人口・出生数・65 歳以上人口の 3 変数で実測すると（不偏, ddof=1, 単位付き）：

この Σ を固有値分解 $\Sigma = V\Lambda V^\top$ すると、 実測の固有値と寄与率は：

• λ₁ ≈ 8.300×10¹²（寄与率 99.90%）
• λ₂ ≈ 8.15×10⁹（0.098%）
• λ₃ ≈ 2.07×10⁶（ほぼ 0%）

固有値の合計はトレース（対角和 ≈ 8.308×10¹²）に一致します。 第 1 主成分だけで 99.9% を占めるのは、 総人口の分散が桁違いに大きく、 PCA がその 1 軸に引きずられているためです。 これは「単位・スケールがバラバラなまま共分散行列で PCA すると、 分散最大の変数に主成分が支配される」という重要な教訓で、 対策が次の標準化です。

③ 標準化 → 相関行列（無次元化した共分散）— 実測で一致確認

各変数を z 得点 $(x-\bar x)/s$ に標準化してから共分散をとると、 それは相関行列そのものになります。 実測でも、 標準化後の共分散行列は相関行列と完全一致しました：

対角が 1、 非対角が相関係数（すべて 0.98〜0.995 と強い正）。 「標準化してからの共分散＝相関」を実データで確認できます。 スケールの異なる変数を混ぜて PCA する場合は、 共分散行列 PCA ではなくこの相関行列 PCA（＝標準化後 PCA）を使うのが定石です。

④ 多変量正規分布とマハラノビス距離

共分散行列 Σ は多変量正規分布のパラメータ（平均ベクトル μ と Σ で分布が定まる）であり、 その逆行列 Σ⁻¹ がマハラノビス距離 $D^2=(x-\mu)^\top\Sigma^{-1}(x-\mu)$ を定義します。 これは「変数間の相関を考慮した楕円距離」で、 各変数単独では正常でも組合せで異常なサンプル（多変量外れ値）を検出できます。 Σ⁻¹ を使うため、 前述の正定値性・条件数の問題が直接効いてきます。

⑤ さらに先へ

• 縮約・スパース推定：高次元（n < p）では Ledoit-Wolf 縮約や Graphical Lasso で Σ を安定化。
• ロバスト共分散：MinCovDet（MCD）で外れ値の影響を抑えた Σ を推定。
• 時系列共分散：EWMA 共分散・DCC-GARCH で「時間変動する共分散」を追跡（ポートフォリオ・カルマンフィルタ）。

🔗 関連ページ（この深掘りからの導線）

本セクションで触れた概念のうち、 サイト内に個別ページがあるものは相対リンクで辿れます。 個別ページが未整備の用語はリンクなしのテキストで示します。

• 相関係数 — 共分散を標準偏差の積で割って無次元化したもの。 強さの比較はこちら。
• 分散 / ばらつき — 共分散の対角成分（自分自身との共分散 = 分散）。
• 標準偏差 — 共分散を相関に正規化するときの分母。
• 標準化（z 得点） — 標準化後の共分散 = 相関行列、 の前提操作。
• 主成分分析（PCA） — 共分散行列（または相関行列）の固有値分解。
• 因子分析 — 共分散構造を共通因子＋独自因子に分解。
• 距離（マハラノビス距離を含む） — Σ⁻¹ を用いた相関考慮の距離。
• 正規分布 / 多変量正規分布 — Σ がパラメータとなる分布。
• 正則化（Ledoit-Wolf 縮約の背景） / LASSO（Graphical Lasso の背景） — 高次元での共分散安定化。
• スピアマン順位相関 — 外れ値・単調非線形に強い代替。
• 分散共分散行列（covariance matrix） — 個別ページは未整備のためテキスト表記。 上記 PCA・距離・正規分布の各ページ内で扱います。
• マハラノビス距離 — 個別ページは未整備。 距離ページ内で解説。