４４．データの収集と種類

なおや君、データの収集方法には大きく分けて2種類あるんだけど、これまで意識したことはあるかな？

ほとんど正解。自分で計画して収集することで得られるのが一次データ，他人が収集したものを利用する二次データというよ。

その通り！一次データは自分の目的に合わせて収集できるんだ。だけど、大きな手間や時間、そして費用がかかる場合もあるんだ。

そうだね。特に大規模なデータの収集は個人では難しいことも多いんだよ。そして、失敗するとやり直しがきかないこともあるから、計画をしっかり立てる必要があるよ。

次に二次データだけど、これは他人が収集したものを利用するんだ。近年では、インターネット上にたくさんのデータが公開されてるよね。

良い質問だね。実際、二次データは自分の目的と合わない場合や誤っている可能性もあるんだ。データそのものは正確でも、情報が古くなっている場合もあるから、利用する際は注意が必要だよ。

最近では、著作権の制約なしにデータを自由に使用できる「オープンデータ」という概念もあるんだ。日本でも、国や自治体、企業などがデータを公開しているよ。

インターネット上に専用のサイトやポータルがあるよ。ただし、使用する際は、データの信頼性や最新性をしっかり確認することが大切だよ。

次にデータの種類について考えてみよう。データを収集し、分析を行う際には、集めるデータの種類や性質について考慮する必要があるよ。

そう。文字情報などで表現されるデータは資的データ、数値で表現される量的データというんだ。

そう、それが一般的な考え方だ。しかし、質的データも、適切な方法でコード化すれば、数値として扱うこともできるんだ。

たとえば、人々の感情を調査する際、「非常に満足」「満足」「普通」「不満」「非常に不満」という選択肢を設けることがあるだろう？これらをそれぞれ、5、4、3、2、1という数値に置き換えることで、質的データを量的データとして分析することができるんだ。

さらに、データを数値で表現する場合、名義尺度、順序尺度、間隔尺度、比例尺度とという4つに分類できるんだ。その基準を「尺度水準」というよ。

ちょっと名前は難しいけれど、一つずつ見ていこう。

名義尺度は、数値の大小に意味がない質的データだよ。例えば、アンケートで回答者の性別を男性を1、女性を2と表した場合、１より2が大きいという比較は意味がないよね。

名義尺度では、数値は単なる記号として使われるだけだからね。しかし、これらの数値は「等しいかどうか」の比較には意味がある。

そのとおりだね。じゃあ、性別の他にどんな名義尺度が思いつくかな？

いいね。数値の他に、A、B、Cのようなアルファベットで表現することもあるよ。血液型とか、日本のことをJPと略す場合とかも、その例だよ。

順序尺度は、数値がある順序を表す質的データだよ。よく、料理のおいしさを5段階で表現したりするよね。

その通り。順序尺度のデータでは、順序やランキングに意味があるけれど、その間隔や差に特定の意味があるわけではないんだ。この点は勘違いし易いから特に注意しよう。

良い例だね。他には地震の震度や、鉱石の硬度なんかも、順序尺度だよ。

大体あっているけれど、「無理やり」という言葉はちょっと言いすぎかな。数値を当てはめることで、データを扱いやすくしたり、比較しやすくするための方法として導入されているんだ。

間隔尺度は順序尺度の大小関係に加えて、データの差が意味をもつ量的データだよ。

そうだね。例としては、時刻や温度があるよ。たとえば、午後2時一午後1時=1時間，80°C-40°C=40°Cという具合に差に意味があるよね。

比例尺度は、データの比が意味を持ち、0という基準にも意味がある量的データのことだよ。

その通り。０円はお金が「ない」という意味だし、100円は50円の2倍であると、データの比を考えることができるよね。

よく理解しているね。比例尺度は四則演算が可能なデータ種類と覚えておこう。

そうだね。データを上手く活用するためには、その性質を理解することが大切だよ。