対象レベル：ゼロから学ぶ入門者 ｜ 所要時間：約15分
📌 この章で学ぶこと
- データが「質的」か「量的」かを見分けられる
- 連続変数と離散変数の違いを説明できる
- 4つの尺度水準を理解し、どのデータに何の分析が使えるかを把握する
前章記事：記述統計・推測統計
1. なぜデータの種類を見分ける必要があるのか？
こんな失敗事例を想像してみてください。
アンケートで「満足度を1〜5で答えてください」と聞いた。
→ 集まったデータ：1, 3, 5, 2, 4, 5, 3 …
→ 「平均は3.3点です！」と報告した。
⚠️ これは正しい分析でしょうか？
実は「1〜5の満足度」は等間隔とは限りません。「3」が「1」の3倍の満足度を意味するわけではありません。このデータに平均を使うのは、場合によって不適切です。
データの種類を間違えると、使ってはいけない分析手法を使ってしまい、誤った結論を引き出してしまいます。データ分析の第一歩は、必ず「このデータは何の種類か？」を確認することから始まります。
2. データの2大分類：質的データと量的データ
すべてのデータはまず「質的データ」か「量的データ」に分類されます。
質的データは質的変数・カテゴリカルデータ、量的データは量的変数と呼ばれることもありますが、指しているものは同じです。この2つの違いを、具体例と一緒に見ていきましょう。
🏷️ 質的データ（Qualitative Data / Categorical Data）
分類やグループを表すデータです。数字で表現されることもありますが、その数字に「大きさ」や「差」の意味はありません。
・血液型（A / B / O / AB）
・性別（男性 / 女性 / その他）
・出身都道府県、職業、好きな食べ物
・アンケートの満足度（1:不満 〜 5:満足）
・学生証番号 012345（数字だが「大きさ」に意味なし）
「血液型 A は血液型 B の半分」——これは意味をなしません。質的データには平均を計算することはできず、代わりに最頻値や割合（%）で表します。
質的データ(カテゴリカルデータ)について詳しく解説した記事も読むとより理解が進みます。
📐 量的データ（Quantitative Data）
数値として表され、大小の比較や四則演算（足し算・引き算・掛け算・割り算）が意味をもつデータです。
・身長 172.5 cm、体重 68 kg
・今日の最高気温 34.2℃
・テストの点数 85点
・月の残業時間 42時間
・商品の売上金額 128,000円
「172 cm の人は 86 cm の人の2倍の身長がある」——このような比較が意味をもちます。平均・分散・標準偏差などの計算も問題なく使えます。
質的データと量的データの違いを表で整理すると、次のようになります。
| 比較項目 | 質的データ | 量的データ |
|---|---|---|
| 別名 | カテゴリデータ カテゴリカルデータ 質的変数 | 数値データ 量的変数 |
| 四則演算 | ❌ できない（基本的に） | ✅ できる |
| 代表値 | 最頻値・割合 | 平均・中央値 |
| 例 | 血液型・職業・満足度評価 | 身長・体重・点数・気温 |
3. 量的データのさらなる分類：連続変数と離散変数
量的データはさらに2つに分かれます。
連続変数（Continuous Variable）
理論上、どんな値でも取りうるデータです。小数点以下がいくらでも続く可能性があります。
体重：68.21 kg ｜ 距離：3.14 km ｜ 濃度：0.05 mg/L
離散変数（Discrete Variable）
とびとびの値（整数）しか取らないデータです。「1.5人の子供」は存在しません。
家族の人数：1, 2, 3 …人 ｜ 正解した問題数：0〜10問
「0と1の間に値が存在するか？」と考えてみましょう。
身長は 170 cm と 171 cm の間に 170.5 cm が存在する → 連続変数
来客数は 2人と 3人の間に 2.5人は存在しない → 離散変数
離散データと連続データの違いに関する記事
離散データと連続データの統計手法の違いに関する記事
4. 尺度水準
統計学では、データをさらに細かく4つの「尺度水準」に分類します。
ここが入門者の最大のつまずきどころなので、わかりやすく順を追って見ていきます。
① 名義尺度（Nominal Scale）
単なる「分類ラベル」です。数字を使っても大小・順序の意味はありません。
できること：分類・集計・最頻値
② 順序尺度（Ordinal Scale）
順位や大小はあるが、間隔が等しいとは言えません。
⚠️ 「1位と2位の差」＝「2位と3位の差」とは限らない
できること：分類・順位比較・中央値
③ 間隔尺度（Interval Scale）
差（間隔）に意味がある。ただし「ゼロが絶対的」ではない。
「20℃と30℃の差 = 30℃と40℃の差（どちらも10℃）」→ 差は意味あり ✅
「20℃は10℃の2倍暖かい」→ 意味なし ❌（0℃は「熱さがゼロ」ではない）
できること：分類・順位・平均・標準偏差
④ 比例尺度（Ratio Scale）
差にも比率にも意味がある。絶対的なゼロが存在する。
※ 比率尺度と呼ばれることもあります。
「身長 180 cm は 90 cm の2倍」→ 意味あり ✅
「体重 0 kg = 完全に体重がない」→ 絶対的なゼロ ✅
できること：すべての統計手法が使える
| 尺度 | 分類 | 順序 | 等間隔 | 絶対ゼロ | 例 |
|---|---|---|---|---|---|
| 名義尺度 | ✅ | ❌ | ❌ | ❌ | 血液型・性別 |
| 順序尺度 | ✅ | ✅ | ❌ | ❌ | 満足度・順位 |
| 間隔尺度 | ✅ | ✅ | ✅ | ❌ | 気温・西暦 |
| 比例尺度 | ✅ | ✅ | ✅ | ✅ | 身長・体重・収入 |
・名義尺度・順序尺度 → 質的データ
・間隔尺度・比例尺度 → 量的データ
尺度水準が高いほど使える統計手法の幅が広がります。ただし、
高い尺度のデータを低い尺度として扱うことは可能ですが、逆はできません。
📝 章末練習問題
（a）スマートフォンの機種名（iPhone / Galaxy / Pixel …）
（b）100m 走のタイム（秒）
（c）映画の星評価（★1〜★5）
（d）今日の最低気温（℃）
（e）1日に飲んだコーヒーの杯数
それぞれのデータに使える代表値（平均・中央値・最頻値）を選び、理由を述べよ。
▶ Q1の解答を見る
（b）100m走タイム → 量的データ・比例尺度（絶対ゼロあり。10秒は5秒の2倍の時間）
（c）星評価 → 質的データ・順序尺度（★3＞★2だが、差が等間隔とは言えない）
（d）最低気温 → 量的データ・間隔尺度（差は意味あり。ただし0℃は「熱さゼロ」ではない）
（e）コーヒーの杯数 → 量的データ・比例尺度かつ離散変数（整数値のみ。0杯は「完全にゼロ」）
▶ Q2の解答を見る
（b）通勤手段 → 質的データ・名義尺度 →最頻値
▶ Q3の解答を見る
セ氏温度の 0℃ は「熱がまったく存在しない状態」ではなく、「水が凍る温度」という人間が便宜的に決めた基準点にすぎません。ゼロが絶対的でないデータでは、差(20℃−10℃=10℃)には意味がありますが、比率(20÷10=2倍)には意味がありません。
簡単な確認方法：単位を変えてみる
同じ気温を華氏で表すと、10℃=50°F、20℃=68°F。比率は 68÷50=1.36倍となり、「2倍」が消えてしまいます。基準点の取り方で倍率が変わってしまう——これが比率に意味がない証拠です。
ちなみに、絶対的なゼロ（分子の熱運動が停止する点）をもつ絶対温度（ケルビン）は比例尺度です。10℃=283.15K、20℃=293.15K なので、熱エネルギーとしては2倍どころか約3.5%増にすぎません。
正しい表現：「20℃は10℃より10℃高い」（差の表現なら間隔尺度でも成立します）
✅ この章のまとめ
- データはまず質的データ（カテゴリ）と量的データ（数値）に分類される
- 量的データはさらに連続変数（どんな値もとれる）と離散変数（とびとびの値）に分かれる
- 尺度水準は低い順に名義→順序→間隔→比例の4段階。水準が高いほど使える分析が増える
- 名義・順序は質的データ、間隔・比例は量的データに対応する
- データの種類を誤ると、使えない統計手法を使って誤った結論を出すリスクがある
データの種類が分かったら、次はそのデータを要約することを学びます。
「このクラスの成績を一言で表すと？」という問いに答えるのが代表値です。
平均・中央値・最頻値の使い分けを、外れ値のある年収データなどの身近な例で徹底解説します。
引き続き一緒に学んでいきましょう。
次の章：平均・中央値・最頻値とは？
前の章：統計学とは？
コメント