データの形式と扱い方
Data Basics質的データと量的データ
データ分析に入る前に、まずデータそのものの性質を知っておく必要があります。データは大きく量的データ（数値そのものに計算上の意味があるデータ。足したり、平均を求めたりできる）と、質的データ（数値そのものには計算上の意味がなく、分類やラベルとしての意味しか持たないデータ）の2種類に分けられます。
この2種類は、次に紹介する「4つの尺度」によって、さらに細かく分類されます。
4つの尺度
データは、扱い方によって次の4つの尺度に分けられます。
| 尺度 | 種別 | 特徴 | 具体例 |
|---|---|---|---|
| 比例尺度 | 量的データ | 値に「比」の意味がある。0は「データが存在しない」ことを意味する | 体重・身長・金額など |
| 間隔尺度 | 量的データ | 値の「差」には意味があるが、「比」には意味がない。0もひとつのデータとして扱う | 気温（摂氏）・西暦など |
| 順序尺度 | 質的データ | 大小関係・順番だけがわかる。値の間隔には意味がない | 満足度アンケートの5段階評価・順位など |
| 名義尺度 | 質的データ | 単なるラベル。区別・分類にしか使えず、数を数えることしかできない | 性別・血液型・郵便番号など |
表の並び、比例尺度 → 間隔尺度 → 順序尺度 → 名義尺度の順に、データが持つ情報量は少なくなっていきます。逆に言えば、名義尺度から比例尺度に近づくほど、平均を求めたり、大小を比較したりと、扱える計算の幅が広がっていきます。手元のデータがどの尺度にあたるかを見極めることは、その先どんな分析ができるかを見極めることでもあります。
考えてみましょう ― 職場や日常生活で扱っているデータを思い浮かべ、比例・間隔・順序・名義のどの尺度にあたるか、分類してみましょう。同じ「数字」でも、尺度によって計算してよいことと、してはいけないことが変わってきます。
外れ値・欠損値・異常値の扱い
データを集めていると、扱いに迷う値に出会うことがあります。代表的なのが、次の3つです。
外れ値とは、他のデータから大きくかけ離れた値のことです。ただし、外れ値だからといって、すぐに除外してよいわけではありません。それが誤りによる値なのか、それとも実際に起きた本物の値なのかを、まず調べる必要があります。
欠損値とは、本来記録されているはずなのに、空欄になっているデータのことです。欠損値への対処には、いくつかの選択肢があります。
- 平均値を入れて補う
- 過去のデータから、最適と考えられる値を推定して入れる
- 欠損データとして取り扱わず、そのまま集計・分析から除外する
異常値とは、装置の故障や入力ミスなど、何らかの誤りによって生じた、明らかにおかしい値のことです。異常値についても、まずはどのようなデータなのかを調べる必要がありますが、外れ値と違って、異常値だと判断できた場合は、基本的にはそのデータを分析には使いません。
外れ値と異常値は混同されがちですが、外れ値は「本物かもしれない極端な値」、異常値は「誤りによって生じたことがわかっている値」という違いがあります。この違いを意識するだけで、データの扱い方はずいぶん整理されます。
ここからは、基礎の一歩先の話です。初心者の方は読み飛ばして構いません。でも、4つの尺度の違いに興味を持ち始めた方ほど「そうだったのか」となる話です。
摂氏は間隔尺度、だから「比」には意味がない
気温の摂氏（℃）は、間隔尺度の代表例です。20℃と10℃の差が10度あることには意味がありますが、「20℃は10℃の2倍暖かい」という言い方は、実は正しくありません。摂氏の0℃は「気温が存在しない」という意味の0ではなく、水が凍る温度という、ただの区切りにすぎないからです。比例尺度のように「0＝ない」という基準がない以上、値どうしの比を計算しても、意味のある答えにはならないのです。
単位を変えると、尺度そのものが変わることもある
同じ「温度」でも、絶対零度（それ以上温度が下がらない下限）を0とするケルビン（K）という単位で測れば、0は本当に「熱がまったくない」状態を意味します。この場合は比例尺度として扱えるため、「2倍暖かい」という比較にも意味が生まれます。同じ対象を測っていても、どの単位・尺度で見るかによって、できる計算とできない計算が変わってくる——このことは、データを扱ううえで意外と見落とされがちなポイントです。
教室のひとこま
最後に、このテーマを教えるとき、教室で毎回のように交わされるやりとりを。
講師講師4つの尺度は、言葉だけで説明すると混乱されやすい単元です。私は「その数字で、足し算や割り算をして意味が通るか」を基準に考えてもらうよう伝えています。郵便番号を足しても意味がないけれど、金額を足すと意味がある——この感覚がつかめると、尺度の分類がぐっと楽になります。