※本記事は、心理学を学ぶ上で避けて通れない「統計学」の基礎として、記述統計の最初の要素「変量（データの種類）」について、自分なりに整理したものです。専門用語をなるべくかみ砕きながら、初学者にも伝わるようにまとめています。
---
記述統計とは「データをわかりやすくする技術」
記述統計とは、調査や実験で得られたデータを整理し、特徴をわかりやすく伝えるための技術です。
心理学だけでなく、ビジネスやマーケティング、教育、医療など、あらゆる分野で「ものごとの傾向を掴む」ために使われます。
実際の統計業務は、以下のような流れで進みます。
リサーチデザイン → データ収集 → データの整理（記述統計） → 結果の解釈 → 課題検討 → 再デザインへ
まさにPDCAサイクルのような循環構造です。そして、この中で一番の基礎となるのが「変量（データの種類）」の理解です。
---
データの種類を見極める ―「変量」とは何か？
統計で扱うデータは、単に「数字」か「ラベル」か、という単純な話ではありません。
そのデータが**どういう性質のものか（どこまで操作できるか）**を理解することが、統計分析の第一歩です。
この「データの性質」を表すのが 変量（variable） です。変量には大きく分けて、**量的変量（数値データ）と質的変量（カテゴリデータ）**の2種類があります。
---
① 量的変量（Quantitative Variable）
数値として扱えるデータ。測定や計算が可能です。
さらに以下の2つに分けられます：
● 比例尺度（Ratio Scale）
絶対的なゼロがある（=ゼロは「何もない」ことを意味する）
足し算・引き算・掛け算・割り算すべて可能
例：身長、体重、年齢、収入、反応時間
👉 最も「情報量が多く、自由に分析できる」データ形式です。
---
● 間隔尺度（Interval Scale）
数値間の間隔には意味があるが、ゼロが恣意的
足し算・引き算は可能、掛け算・割り算は不可
例：摂氏の温度（0℃でも温度は存在する）、カレンダー上の年（西暦）
👉 割り算ができない（「20℃は10℃の2倍あたたかい」とは言えない）点に注意が必要です。
---
② 質的変量（Qualitative Variable）
数値ではなく、ラベルやカテゴリで表すデータ。数値としての計算は基本的にできません。
こちらも2種類に分かれます：
● 順序尺度（Ordinal Scale）
カテゴリに順序や大小関係がある
足し算などはできない
例：満足度（満足・普通・不満）、偏差値ゾーン（A判定・B判定など）、学年
👉 「大きい」「小さい」といった比較はできますが、「どのくらい違うか」は測れません。
---
● 名義尺度（Nominal Scale）
カテゴリに順序がない
ただの分類ラベル（順番に意味はない）
例：性別、血液型、出身地、職業
👉 番号をつけても、それは「名前」としての意味しか持ちません（例：男性=1、女性=2など）
---
できることの範囲は尺度によって異なる
変量には「どこまで数学的操作ができるか」という“自由度の差”があります。以下にまとめます：
尺度 例 許される操作
名義尺度 性別・職業 同一/異なり（＝, ≠）
順序尺度 満足度・学年 同上＋大小関係（＞,＜）
間隔尺度 気温・カレンダー年 上記＋加減（＋,－）
比例尺度 年齢・体重・所得 上記すべて＋比率（×, ÷）
👉 一般に、比例尺度が最も分析に向いているとされます。
---
まとめ：変量の性質を知らずに統計は語れない
統計を学ぶうえで、「このデータは何の尺度か？」を見極めることは非常に重要です。
なぜなら、尺度の種類によって使える分析手法がまったく異なるからです。
間違った尺度認識のまま統計処理をしてしまうと、「本来できない計算」をしてしまったり、「意味のないグラフ」を作ってしまう可能性があります。
まずは変量の分類をしっかり押さえておきましょう。
---
次回予告
次回は、記述統計の中でも基本中の基本、「中心化傾向（代表値）」について扱います。
平均値・中央値・最頻値（モード）の違いを理解することで、データの“真ん中”の捉え方が格段に変わってきます。
#心理学 #統計学入門 #心理統計 #変量 #尺度水準 #学び直し #学びの記録
