「カテゴリカルデータ」って言葉、解析ソフトや教科書で見かけるたびにモヤッとしませんか？実はここが曖昧なまま集計すると、合否データの平均を出すような的外れな分析をしてしまうんです。私もメーカーの研究開発でデータを扱ってきましたが、昔は点数付けしたデータを数値と同じ感覚で集計していました。この記事ではカテゴリカルデータの意味・具体例・数値データとの違い、名義尺度・順序尺度との関係を身近な例で整理します。読み終える頃には、目の前のデータがどちらか迷わず分類できるはず。データの分類こそ、正しい分析の第一歩です。
カテゴリカルデータとは「種類・分類」を表すデータ
いきなり結論からいきます。カテゴリカルデータとは、「種類」や「分類」を表すデータのことです。英語の category（カテゴリー＝分類）が語源で、「カテゴリデータ」「カテゴリー変数」と呼ばれることもあります。全部同じものです。
- 血液型：A型・B型・O型・AB型
- 合否判定：合格・不合格
- 性別：男性・女性・その他
- 出身地：東京・大阪・福岡…
共通点が見えますか？そう、どれも「量」ではなく「どのグループに属するか」を表しています。そのため、カテゴリカルデータでは四則演算はできません。
実務で出てくるカテゴリカルデータの具体例
私の職場だと、こんなデータが毎日のように出てきます。
- 外観検査の判定結果（OK / NG）
- 不良のモード分類（割れ・欠け・変色・異物）
- 使用した原料メーカー（A社 / B社 / C社）
- 装置個体（1号機 / 2号機）
不良解析をやったことがある方なら、「不良モード別にパレート図を描く」作業に覚えがあるはず。あれはまさにカテゴリカルデータの集計です。意外と身近でしょう？
データ分類の全体像：カテゴリカルデータと数値データ
カテゴリカルデータの位置付けを、データ分類の全体像で確認しておきましょう。統計学では、すべてのデータをまず2つに分けます。
- カテゴリカルデータ（質的データ）：種類・分類を表す
- 数値データ（量的データ）：量・大きさを表す
本記事ではカテゴリカル側に集中します。下記に関連記事のリンクがありますので、ご確認ください。
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
離散データと連続データについて：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】
カテゴリカルデータと数値データの違いは「計算に意味があるか」
両者の違いを一言でいうと、「計算に意味があるか」です。
| 項目 | カテゴリカルデータ | 数値データ |
|---|---|---|
| 表すもの | 種類・分類（ラベル） | 量・大きさ |
| 例 | 血液型、合否、不良モード | 寸法、温度、不良個数 |
| 平均の計算 | ❌ できない | ✅ できる |
| 代表値 | 最頻値、割合（%） | 平均、中央値 |
| よく使うグラフ | 棒グラフ、円グラフ、パレート図 | ヒストグラム、散布図 |
たとえば合否データ。「合格」と「不合格」の平均って何でしょう？「半格」？ 意味不明ですよね。カテゴリカルデータにできるのは「数を数えて、割合を出す」こと。合格率 95%、不良モードの内訳は割れが 60%——こういう集計が正しい扱い方です。
混同しやすい用語を整理：質的データ・名義尺度・順序尺度
さて、ここからが今日一番のモヤモヤ解消パートです。統計の教科書やJMPを触っていると、似たような用語がぞろぞろ出てきますよね。
「カテゴリカルデータ？ 質的データ？ 名義尺度？ ……全部同じじゃないの？」
私も勉強を始めた頃、教科書とソフトで呼び方が違って本気で混乱しました。結論はこうです。
名義尺度：順序のない分類
名義尺度は、カテゴリー間に順序が一切ないデータです。
- 血液型（A / B / O / AB）
- 不良モード（割れ / 欠け / 変色）
- 原料メーカー（A社 / B社 / C社）
A型とB型、どっちが上ということはない。純粋な「ラベルだけ」のデータです。できることは分類・集計・最頻値までです。
順序尺度：順序はあるが間隔が等しくない分類
順序尺度は、カテゴリー間に順序はあるけど、間隔が等しいとは言えないデータです。
- 満足度（不満 / やや不満 / 普通 / やや満足 / 満足）
- 品質等級（A級 / B級 / C級）
- 服のサイズ（S / M / L / XL）
満足度の「5」は「4」より上、これは確かです。でも「4と5の差」と「1と2の差」が同じ幅かというと、誰にも保証できません。人によって「満足」のハードルは違いますから。順序までは信じていいけど、間隔は信じちゃダメ——これが順序尺度です。
ちなみに尺度には全部で4つの水準（名義・順序・間隔・比例）があって、間隔尺度と比例尺度は数値データ側の分類です。4つまとめて知りたい方は、こちらの記事で解説しています。
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
まとめ：カテゴリカルデータは「ラベルのデータ」
- カテゴリカルデータとは「種類・分類」を表すラベルのデータ（血液型・合否・不良モードなど）
- 数値データとの違いは「計算に意味があるか」。カテゴリカルデータは数えて割合を出すのが基本
- カテゴリカルデータ＝質的データ。その中身が名義尺度（順序なし）と順序尺度（順序あり・間隔不明）
- 数字で書かれていてもラベルならカテゴリカルデータ。見た目より量の意味があるかで判断
後編では、「なぜこの分類が必要なのか」「実務で迷いやすいデータはどう分類するか」「カテゴリカルデータはどう分析するか（クロス集計・カイ二乗検定）」を解説します。ぜひ読んでみてください。
コメント