「相関分析（変数同士の連動性）」と「要因分析（どの因子が結果に影響しているか）」を調べる方法を、エクセルの標準機能とPythonの2パターンで解説します。

1. エクセルの標準機能を使う方法

エクセルには、プログラミングなしで高度な分析ができるツールが備わっています。

① 相関分析：「分析ツール」の相関

「Aが増えるとBも増える」といった関係を一覧（相関行列）にする方法です。

• 準備: 「データ」タブに「データ分析」がない場合は、[ファイル] > [オプション] > [アドイン] > [設定] から 「分析ツール」 にチェックを入れて有効化します。

• 手順: 「データ分析」をクリック → 「相関」 を選択 → データの範囲を指定。

• 結果: 1に近いほど正の相関、-1に近いほど負の相関があることがわかります。

② 要因分析：「分析ツール」の回帰分析

「売上に最も影響を与えているのは広告費か、それとも気温か？」といった、結果に対する因子の影響度を調べる方法です。

• 手順: 「データ分析」をクリック → 「回帰分析」 を選択。

• 設定: 「入力Y範囲」に結果（目的変数）を、「入力X範囲」に原因（説明変数）の列を指定します。

• 注目点: 「P-値」 を確認します。一般的に0.05（5%）以下であれば、その因子は統計的に有意な影響を与えていると判断されます。

③ 手軽な可視化：「分析アイデア（データ分析）」

最近のエクセル（Microsoft 365）には、AIが自動で傾向を探してくれる機能があります。

• 手順: ホームタブの右端にある 「データ分析」 ボタンをクリック。

• 内容: AIが自動で「この項目とこの項目に強い相関があります」といったグラフを提案してくれます。

2. Pythonを利用する方法

Pythonを使うと、より大量のデータを、より詳細かつ美しいビジュアルで分析できます。

① 推奨ライブラリ

• Pandas: データの加工・集計

• Seaborn / Matplotlib: グラフ化（相関係数のヒートマップ作成など）

• Scikit-learn / Statsmodels: 統計モデル・機械学習による要因分析

② 推奨される分析フロー

ステップ1：相関行列の可視化

全ての数値データの関係性を一目で把握するために、ヒートマップを作成します。

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

# データの読み込み
df = pd.read_excel('data.xlsx')

# 相関行列の作成
corr = df.corr()

# ヒートマップで可視化
sns.heatmap(corr, annot=True, cmap='coolwarm')
plt.show()

ステップ2：ランダムフォレストによる「特徴量の重要度」算出

エクセルの回帰分析よりも柔軟に「どの因子が重要か」をランキング化できる手法です。

from sklearn.ensemble import RandomForestRegressor

# X(原因)とy(結果)に分ける
X = df.drop('目的の列', axis=1)
y = df['目的の列']

# モデル作成
model = RandomForestRegressor()
model.fit(X, y)

# 重要度を出力
importances = pd.Series(model.feature_importances_, index=X.columns)
importances.sort_values().plot(kind='barh')

まとめ：どちらを使うべき？

まずはエクセルの「データ分析」アドインで全体の傾向を掴み、より深い分析や自動化が必要になったらPythonへ移行するのが、実務上もっとも効率的なアプローチです。