はじめに

第1回から第3回までで、名義・順序・間隔・比例という4つの測定尺度を順に学んできました。それぞれの尺度には「扱えるデータの性質」と「できる分析の範囲」が異なり、これを理解していないと、数字の解釈や分析結果を誤る危険があります。

最終回となる今回は、これまで学んだ4つの尺度をまとめ、どのデータにどんな分析手法を使うべきかを整理していきます。社会人が実務でデータを扱う際に役立つ「判断の基準」として使えるよう、具体例も交えて解説します。

---

1. 4つの尺度の関係をもう一度整理

4つの尺度は、情報量が少ないものから多いものへと順に並べると、以下のようになります。

名義尺度 → 順序尺度 → 間隔尺度 → 比例尺度

この順序は「情報の豊かさ」を示します。名義尺度は単なる分類情報ですが、比例尺度は差も比も計算できる“最も豊かなデータ”です。

---

2. 尺度ごとの特徴と分析での使い分け

尺度	データの意味	できる計算	主な分析手法	代表的な例
名義尺度	分類（カテゴリー）	比率・最頻値	クロス集計、構成比	性別、部署、地域
順序尺度	順位・ランク	中央値・順位相関	順位比較、傾向分析	満足度、評価ランク
間隔尺度	差に意味あり	平均・差	回帰分析、相関分析	気温、日付、時間（時計）
比例尺度	差も比も意味あり	平均・比・比率	回帰分析、変化率、比率分析	売上、距離、体重

ポイント：
上の尺度ほど単純で、下の尺度ほど高度な分析が可能です。

---

3. ビジネス現場での“尺度の使い分け”実例

例1：顧客アンケート分析
・設問「あなたの性別を教えてください」→ 名義尺度（分類）
・設問「当社のサービスにどの程度満足していますか？」→ 順序尺度（順位）
・回答平均を取るのは“便宜的な近似”であり、実際には分布や中央値を見るのが正確。

例2：売上と気温の関係分析
・売上は比例尺度（0が絶対的な基準）
・気温は間隔尺度（0℃は基準点）
→ この場合、「差」で関連を分析するのはOKだが、「比」で比較するのは不適切。

例3：従業員データ分析
・部署や役職：名義尺度
・勤続年数や年齢：比例尺度
→ 名義データは集計・割合、比例データは平均・比率で分析できる。

各シーンごとのデータと対応する尺度

---

4. よくある分析ミスとその防止策

誤りの例：
🚫 「部署」データの平均値を求めてしまう（名義尺度を数量化）
🚫 5段階満足度を“比”で比較（順序尺度を比例尺度扱い）
🚫 気温を“2倍暖かい”などと表現（間隔尺度を誤解）

防止策：
✅ データ収集時に「これは何の尺度か？」を明示しておく。
✅ ExcelやBIツールの自動計算結果を鵜呑みにしない。
✅ 分析前に、尺度ごとの扱いをチームで共有する。

誤った分析と正しい分析の対比

このように、「誤った使い方」と「正しい扱い方」を明確に意識するだけで、
データ分析の精度と説得力が大きく向上します。

---

5. まとめ：尺度を意識するだけで分析が変わる

4つの尺度を正しく理解すれば、データの扱い方・分析方法・結論の精度が一気に向上します。

観点	誤った扱い	正しい扱い
名義尺度	平均を出す	割合で比較
順序尺度	比で比較	中央値・傾向で比較
間隔尺度	“2倍”など比を取る	差を分析
比例尺度	問題なし	比・変化率で分析

総まとめポイント：
・尺度を見極める＝分析の“前提条件”を整えること。
・「どの尺度か」を意識すれば、誤った結論を防げる。
・データ分析は“数学”ではなく“文脈の理解”から始まる。

---

おわりに

4回にわたって解説してきたデータ尺度シリーズも今回で完結です。名義・順序・間隔・比例の4つを正しく区別し、データの“意味”を理解することができれば、あなたの分析力は確実にステップアップします。

次のステップは、これらの尺度を踏まえて「どんな統計手法を選ぶか」を学ぶこと。相関分析・回帰分析・分散分析など、尺度に応じた手法を選べるようになれば、データの見方がさらに深まります。

今後も「統計学をやさしく解説」シリーズで、あなたのデータ理解をサポートしていきます。

<文/綱島佑介>