【統計学入門 第2章】データの種類を整理しよう — 質的データと量的データ

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

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。

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（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 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。

📐 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。

「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。

比較項目	質的データ	量的データ
別名	カテゴリデータ	数値データ
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。

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。

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。水準が上がるほど使える統計手法の幅が広がります。

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。

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。

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。

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。

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

---

📝 章末練習問題

▶ Q1の解答を見る

（a）機種名 → 質的データ・名義尺度（分類のみ。大小なし）
（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」）

---

✅ 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

---

➡️ 次の章へ

引き続き一緒に学んでいきましょう。