離散データと連続データの違いは分かった。でも「じゃあ、どの統計手法を使えばいいの？」で手が止まっていませんか？ここで選択を誤ると、せっかくの実験データから間違った結論を出しかねません。私もメーカーの研究開発で濃度や不良数のデータを分析してきましたが、最初はt検定とカイ二乗検定の使い分けすら曖昧でした。この記事ではデータの種類別の統計手法、選び方のフローチャート、実務での使い分けをFAQ付きで解説します。読めば自分のデータに合う手法を自力で選べるように。「測定値かカウント値か」で考えれば、手法選びはもう怖くありません。
前編はこちら：離散データと連続データの違いとは？見分け方・具体例・分析手法までわかりやすく解説【前編】
離散データと連続データの違いで選ぶ統計手法はどう変わる？
前編で「離散か連続かで使う道具が変わる」と話しました。ここからは、その道具箱の中身を開けていきます。統計手法の名前がいくつも出てきますが、暗記は不要です。「こういう場面でこれを使うんだな」というイメージだけ理解できればOKです。
連続データでよく使われる統計手法
寸法・濃度・収率のような測定値に使う道具はこちらです。
- 平均・標準偏差：データの中心とバラつきを把握する。すべての分析の出発点
- t検定：2つのグループの平均に差があるか調べる（例：材料AとBで強度に差があるか）
- 分散分析：3つ以上のグループの平均を比較する（例：加工条件3水準で寸法を比較）
- 回帰分析：ある値から別の値を予測する（例：処理温度から収率を予測）
平均：【初心者向け】平均・中央値・最頻値とは？違いと使い分けをわかりやすく解説
標準偏差：【初心者向け】分散と標準偏差とは？違いと求め方をわかりやすく解説
離散データでよく使われる統計手法
不良個数・傷の数・合否のようなカウント値の道具箱はこちら。
- 度数・割合：まず数えて割合にする（不良率、合格率など）。カウントデータ分析の基本
- カイ二乗検定：割合に差があるか調べる（例：ラインAとBで不良率に差があるか）
- ポアソン回帰：発生件数を予測する（例：条件によって傷の数がどう変わるか）
- ロジスティック回帰：合否のような2択の確率を予測する（例：条件から不良の発生確率を予測）
白状すると、私は学び直す前、何でもかんでもt検定で押し切ろうとしていました。不良率の比較にt検定を使いかけて、途中で「これはカイ二乗検定の出番だ」と気づいたのは今でもいい教訓です。道具箱が2つあると知っているだけで、この手の事故はほぼ防げます。
「どの分析を選べばよいか」を判断する流れ
手法選びは、たった2つの質問で絞り込めます。
- そのデータは離散？連続？（前編の「途中の値を取れるか」で判断）
- やりたいことは比較？予測？（グループ間の差を見たいのか、値を予測したいのか）
答えの組み合わせで、候補はここまで絞れます。
| データ × 目的 | 比較したい | 予測したい |
|---|---|---|
| 連続データ | t検定（2群） 分散分析・多重比較検定（3群以上） | 回帰分析 |
| 離散データ | カイ二乗検定 | ポアソン回帰（件数） ロジスティック回帰（2択） |
この表で、実務の8割くらいはカバーできると思っています。手法選びに迷ったら、覚えようとせずこの表に戻ってきてください。
実務では離散データと連続データの違いでどのように使い分ける？
道具の名前と選び方が分かったところで、実際の業務シーンに当てはめてみましょう。研究開発でよくある3つの場面で考えます。
製品寸法を評価する場合
寸法は測定値＝連続データ。まず平均と標準偏差で「狙いどおりの値か」「バラつきは許容範囲か」を確認し、ヒストグラムで分布の形を見ます。規格に対して余裕があるかを数値化する「工程能力指数（Cpk）」という指標もあり、これも連続データだからこそ使える道具です。
不良個数を分析する場合
不良個数はカウント値＝離散データ。まず割合（不良率）に直して眺めるのが基本です。「ラインAとBで不良率に差があるか」を確かめたいならカイ二乗検定、「条件によって不良の発生件数がどう変わるか」を予測したいならポアソン回帰の出番です。前編で紹介した「管理限界がマイナス個数になる」例は、まさにここを寸法と同じ感覚でやってしまった場合に起こります。
実験結果を比較する場合
「条件Aと条件Bで強度に差が出たか」——研究開発で一番多いパターンではないでしょうか。強度は連続データなので、2条件ならt検定、3条件以上なら分散分析です。一方、「合格・不合格」でしか評価できない試験なら離散データなので、割合の比較（カイ二乗検定）に切り替えます。同じ「実験結果の比較」でも、データの種類で手法が変わるわけです。
「測定値」と「カウント値」で考えると分かりやすい
ここまで読んで気づいた方もいると思いますが、実務では「離散・連続」という教科書用語より、「測定値かカウント値か」と言い換えるのが一番しっくりきます。測定器から出てきた数字は測定値＝連続、自分で数えた数字はカウント値＝離散。私も現場ではこの2語で考えていますし、教科書用語を自分の現場の言葉に翻訳するのが、統計を定着させる一番のコツだと思っています。
離散データと連続データの違いを理解したら、次は統計手法を学ぼう
ここまでお疲れさまでした。最後に大事なことを1つ。データの分類は、あくまで分析のスタート地点です。地図でいえば現在地が分かった状態で、ここから目的地（結論）まで連れて行ってくれるのが統計手法です。
次に学ぶなら、実務での登場頻度からt検定→カイ二乗検定→分散分析→相関分析・回帰分析の順がおすすめです。特にt検定は「2条件の比較」という研究開発で最頻出の場面で使うので、最初の1本に最適だと思います。
よくある質問（FAQ）
Q. 離散データと離散変数は同じ意味ですか？
A. 実務ではほぼ同じ意味で使ってOKです。厳密には「変数」は測る項目（身長、不良数）を指し、「データ」は実際に集まった値を指す、という違いがあります。
Q. 連続データと連続変数の違いはありますか？
A. 上と同じ関係です。「連続変数」と出てきたら、この記事の「連続データ」と読み替えて問題ありません。
Q. 点数は離散データですか？連続データですか？
A. 1点刻みなら離散データです。ただし100点満点のように値が細かく、正規分布に近似できるような場合には、連続データと同じ分析手法を用いる場合があります。
Q. 年齢は離散データですか？連続データですか？
A. 「28歳」のように1歳刻みで定義するなら離散データです。ただし年齢の正体は時間（連続）なので、分析では連続データとして扱うのが一般的です。
Q. 離散データなのに小数になることはありますか？
A. あります。0.5点刻みの評価のように、小数でも値が飛び飛びなら離散データです。また、元のデータが整数でも、平均などの計算結果は小数になります。「1ロットあたりの平均不良数2.3個」のような表現は、離散データの平均としてまったく正常です。
まとめ：離散データと連続データの違いを見極めてから統計手法を選ぶ
前編・後編のポイントをまとめます。
- 離散データと連続データの違いは「取り得る値」にある
- 判断基準は「途中の値を取れるか」（測定値＝連続、カウント値＝離散）
- データの種類によって選ぶ統計手法が変わる（連続：t検定・分散分析・回帰分析など／離散：カイ二乗検定・ポアソン回帰など）
- 実務では分析の目的（比較か予測か）と組み合わせて手法を絞り込む
- まずデータを分類し、その後に適切な統計手法を選ぶ——これが正しいデータ分析の第一歩
明日、自分の実験データを開いたら、まず「これは測定値？カウント値？」と自問してみてください。それだけで、手法選びの迷いはぐっと減るはずです。
前編はこちら：離散データと連続データの違いとは？見分け方・具体例・分析手法までわかりやすく解説【前編】
データの分類全般について：量的データと質的データの違いとは？図解と練習問題でわかる見分け方
コメント