質的データと量的データ

背景・歴史

統計学が発展する過程で、扱うデータにはさまざまな性質があり、同じ「数値」に見えても、その数値が持つ意味が全く異なる場合があることが整理されてきました。例えば、背番号の「10」という数字と、気温の「10度」という数字は、どちらも数値ですが、背番号の10と20を足し合わせても意味がないのに対し、気温の10度と20度の差には意味があります。こうした違いを体系的に分類する「尺度水準」という考え方が統計学の基礎として確立され、データ分析における前提知識として広く使われるようになりました。

なぜこの考え方が使われるようになったのか

データを分析するとき、そのデータがどんな性質を持つかを理解していないと、意味のない計算をしてしまったり、不適切なグラフで表現してしまったりする危険があります。例えば、電話番号の平均を計算しても何の意味も持ちませんが、テストの点数の平均には意味があります。質的データと量的データを区別することで、それぞれのデータに適した集計方法・分析方法・可視化の方法を正しく選べるようになります。

もう少し詳しく見てみる

データは、大きく次の4つの尺度水準に分類されます。

• 名義尺度：血液型や出席番号のように、分類・区別のためだけに使われ、大小関係に意味がない尺度（質的データ）。
• 順序尺度：満足度アンケートの「良い・普通・悪い」のように、順序には意味があるが、間隔の大きさには意味がない尺度（質的データ）。
• 間隔尺度：気温のように、数値の差（間隔）には意味があるが、0が「何もない」ことを意味しない尺度（量的データ）。
• 比例尺度：身長や金額のように、0が「何もない」ことを意味し、比率にも意味がある尺度（量的データ）。

質的データと量的データでは、適した集計・分析の方法が異なります。質的データは、種類ごとの件数を数えたり、最も多い分類（最頻値）を調べたりするのに向いています。量的データは、平均値や合計、標準偏差といった数値計算による分析に向いています。データを集める前に、これから扱うデータがどの尺度に当たるかを意識しておくことが、適切な分析につながります。

関連して知っておきたいこと

データベースに蓄積されたデータを分析する際には、扱うデータが質的データか量的データかによって、適切なグラフや統計手法を選ぶ必要があります。また、量的データ同士の関係を調べる際には、相関関係と因果関係を混同しないよう注意することも欠かせません。