1.3 データの種類と測定尺度

データの分析において、データの種類とその測定尺度を理解することは極めて重要です。これらの知識により、適切な統計手法を選択し、正確な結論を導き出すことが可能になります。

データの種類

データは大きく分けて以下の2つの種類に分類されます。

1. 定性データ（質的データ）

   • 名義尺度（ノミナル）データ: 名前やラベルのように、カテゴリーに分けられるデータです。このデータは順位がなく、計算も意味を持ちません。例としては、性別、血液型、国籍などが挙げられます。
   • 順序尺度（オーディナル）データ: カテゴリー間に順序があるデータです。このデータは順序に意味がありますが、その間隔の大きさは不明です。例としては、顧客満足度（非常に満足、満足、普通、不満）、教育レベル（中卒、高卒、大卒）などがあります。

2. 定量データ（量的データ）

   • 間隔尺度（インターバル）データ: 順序があり、かつその間隔が等しいデータです。ただし、絶対的なゼロ点はありません。例としては、気温（摂氏や華氏）、日付、時間などがあります。
   • 比率尺度（レシオ）データ: 間隔尺度の特性を持ちながら、絶対的なゼロ点が存在するデータです。このデータは、割合や倍数で比較することが可能です。例としては、身長、体重、年齢、売上などがあります。

測定尺度

データの測定尺度は、データがどのように収集され、どのような意味を持つかを決定します。測定尺度には以下の4つがあります。

1. 名義尺度（ノミナルスケール）: データがカテゴリーやラベルとして示される場合に用いられます。例としては、国籍、性別、血液型などが挙げられます。

2. 順序尺度（オーディナルスケール）: データが順序を持つ場合に用いられます。例としては、アンケートの評価（非常に満足～非常に不満）、学位のレベルなどがあります。

3. 間隔尺度（インターバルスケール）: データが順序を持ち、その間隔が等しい場合に用いられます。ただし、ゼロ点は任意であるため、完全な不在を示すものではありません。例としては、気温（摂氏や華氏）、日付、時間などがあります。

4. 比率尺度（レシオスケール）: 間隔尺度に加えて、絶対的なゼロ点が存在する場合に用いられます。これにより、比率を計算することができます。例としては、身長、体重、売上、年齢などが挙げられます。

測定尺度の比較

測定尺度を正しく理解することで、適切な統計手法を選び、正確で意味のある結果を得ることができます。各データタイプに応じた分析手法を用いることで、データの特性を最大限に活用し、信頼性の高い結論を導き出すことが可能です。