← 統計検定テキスト 一覧

📊 対象級：4級　|　重要度：A（頻出）

データの種類と尺度水準（名義・順序・間隔・比率）

要点（BLUF）

• データは 質的（名義・順序）／量的（間隔・比率） に分かれ、4つの尺度水準 名義 ⊂ 順序 ⊂ 間隔 ⊂ 比率 を成す（下位ほど許される計算が多い）。
• 尺度水準が「許される演算・使える代表値・適切な可視化」を決める。名義＝最頻値のみ、順序＝＋中央値、間隔・比率＝＋算術平均。
• 4尺度を分ける決め手は 「順序の有無」と「ゼロ点が絶対原点(0=無)か便宜的か」。摂氏(間隔)とケルビン(比率)の差はゼロ点の意味だけ。

対象級について：4級が中心ですが、ここで学ぶ「尺度水準」の考え方は3級・2級でも形を変えて問われ続けます（記事後半で「3級・2級ではどう問われるか」を示します）。統計を学ぶ一番最初の土台になる話なので、ここを曖昧にすると後の代表値・相関・回帰すべてがぐらつきます。

結論：データには「種類」があり、種類ごとに「やっていい計算」が決まっている

最初に結論をまとめます。

• データは大きく 質的データ と 量的データ の2つに分かれます。
• さらに細かく 名義・順序・間隔・比率 の4つの「尺度水準（しゃくどすいじゅん）」に分類できます。
• 尺度水準が決まると、そのデータに対して「許される計算」「使える代表値」「適切なグラフ」が自動的に決まります。

この3つ目がこのトピックの核心です。たとえば「背番号（名義尺度）の平均」を計算しても意味がありません。逆に「身長（比率尺度）」なら平均も比率も自由に計算できます。何ができて何ができないかは、データの尺度水準が決める ── これが分かれば、このトピックの8割は終わりです。

質的データと量的データ

まず一番おおまかな2分類です。

見分け方のコツは「その値を足したり引いたりして意味があるか？」です。

• 血液型のA型とB型を「足す」ことに意味はない → 質的データ
• 身長150cmと160cmを比べて「10cm差」と言えば意味がある → 量的データ

量的データはさらに「離散」と「連続」に分かれる

量的データは、もう一段細かく分けられます。これも4級で問われます。

• 離散変数：とびとびの値しか取らない。数えられるもの。例：人数（3人と4人の間に3.5人はいない）、サイコロの目
• 連続変数：切れ目なく連続した値を取る。測るもの。例：身長、体重、時間（150.0cmと151.0cmの間に150.5cmが存在しうる）

ざっくり「数えるものが離散、測るものが連続」と覚えると外しません。

4つの尺度水準（スティーブンスの分類）

ここが本題です。質的・量的をさらに細かくした4分類で、心理学者スティーブンス（S. S. Stevens）が1946年に提案したものが標準になっています。

下にいくほど「情報量が多く」「許される計算が増えて」いきます。

① 名義尺度（nominal scale）

ただの区別・名前としての数字。大小も順序も意味がない。

• 例：背番号、電話番号、郵便番号、血液型、性別、バスの系統番号
• 背番号10番が5番の「2倍すごい」わけではないし、「10 > 5」と比べる意味もありません。番号は単なるラベルです。
• できる計算：同じか違うか（=, ≠）の判定、度数（個数）を数えることだけ
• 使える代表値：最頻値（モード）だけ

② 順序尺度（ordinal scale）

順序・大小には意味があるが、間隔（差）には意味がない。

• 例：成績の順位（1位・2位・3位）、震度、アンケートの5段階評価（不満・やや不満・普通・やや満足・満足）、モース硬度
• 1位と2位の「差」と、2位と3位の「差」が等しいとは限りません。1位がダントツで、2位3位が僅差ということは普通に起こります。
• だから 足し算・引き算に意味がありません。「1位＋2位＝3位」は成り立たない。
• できる計算：大小比較（<, >）まで
• 使える代表値：最頻値、中央値（順序が決まるので「真ん中」が定義できる）

③ 間隔尺度（interval scale）

差（間隔）には意味があるが、比率には意味がない。ゼロ点が「便宜的」で、絶対的な原点ではない。

• 例：摂氏温度（℃）、西暦、テストの点数、時刻
• 20℃と30℃の差「10℃」は、10℃と20℃の差「10℃」と等しい。だから 足し算・引き算ができる。
• しかし 「30℃は20℃の1.5倍暑い」とは言えません。なぜなら摂氏の0℃は「水が凍る基準点」を便宜的に0としただけで、「温度がゼロ（何もない）」を意味しないからです。原点が便宜的なので、比（割り算）が意味を持ちません。
• できる計算：足し算・引き算まで（差は意味がある）
• 使える代表値：最頻値、中央値、算術平均、そして標準偏差も使える

④ 比率尺度（比例尺度, ratio scale）

差にも比率にも意味がある。ゼロ点が「絶対原点（0＝無）」を意味する。すべての計算ができる。

• 例：身長、体重、年齢、時間（長さ）、金額、速度、絶対温度（K）
• 身長0cmは「長さが存在しない」を意味する絶対原点です。だから 「180cmは90cmの2倍」と比率で言えます。
• できる計算：四則すべて（足し引き掛け割り、すべて意味を持つ）
• 使える代表値：最頻値、中央値、算術平均、幾何平均、変動係数なども使える

4尺度の包含関係（上位は下位を含む）

4つの尺度は 「名義 ⊂ 順序 ⊂ 間隔 ⊂ 比率」 という入れ子（包含）の関係にあります。上位の尺度は、下位の尺度でできることを全部できます。たとえば比率尺度のデータは、順序として扱うことも（中央値を出すことも）名義として扱うこと（カテゴリ分けすること）もできます。逆はできません。

flowchart LR
    N["① 名義<br/>区別だけ<br/>(質的)"] -->|＋大小| O["② 順序<br/>＋順位<br/>(質的)"]
    O -->|＋差| I["③ 間隔<br/>＋足し引き<br/>(量的)"]
    I -->|＋比| R["④ 比率<br/>＋割り算・絶対原点<br/>(量的)"]

↑ 左から右へ、一段進むごとに「できる計算」が一つ増える（区別→大小→差→比）。名義・順序＝質的、間隔・比率＝量的。

要するに、右へ行くほど「数字が持つ情報」が増え、できる計算が増えていきます。

厳密な定義：許容変換群（変換に対する不変性で尺度を定義する）

上の4分類は直観的ですが、尺度水準は本来「どんな変換を許しても情報が保たれるか（許容変換群）」で厳密に定義されます。これがStevens分類の数学的な根拠です（準1級的な理解として押さえておくと、代表値・相関係数の選択の根拠が腑に落ちます）。

• 名義：1対1の置換 $f$（全単射）まで許す。ラベルの貼り替えだけ。$x \mapsto f(x)$, $f$ は単射。
• 順序：単調増加変換 $f$ まで許す。順序を保てば中身は自由。$x < y \iff f(x) < f(y)$。
• 間隔：正の1次変換 $f(x) = ax + b\ (a>0)$ まで許す。$a$ が単位、$b$ が原点のずれ。摂氏↔華氏 $F = \frac{9}{5}C + 32$ がまさにこの形。
• 比率：原点固定の相似変換 $f(x) = ax\ (a>0)$ のみ許す（$b=0$）。単位換算（m↔cm）はできるが原点はずらせない。

要するに：許せる変換が「狭い」ほど上位の尺度。間隔尺度が原点 $b$ をずらせる（$ax+b$）＝原点が便宜的＝比率に意味がない。比率尺度は $b=0$ 固定＝絶対原点を持つ＝比率に意味がある。

尺度ごとの「許される演算・代表値・可視化」早見表

このトピックで最も大事な表です。ここだけ覚えれば実戦で困りません。

（注）順序尺度の算術平均は理論上は不可です。ただし実務では条件つきで近似的に使われます（後述の「よくある疑問」を参照）。

具体例で総ざらい

身近なデータを尺度に振り分けてみます。試験で問われるのはまさにこの「振り分け」です。

ここで一番ハッとしてほしいのが 「摂氏温度は間隔尺度、絶対温度（ケルビン）は比率尺度」 という対比です。同じ温度なのに尺度が違う。理由はただ一点、0の意味が違う から。0℃は「水が凍る基準点」（便宜的）、0Kは「分子運動が完全に止まる絶対的なゼロ」。だから摂氏では「2倍暑い」と言えず、ケルビンでは言える。尺度水準を分けているのは結局「ゼロ点が絶対原点か便宜的か」だ という感覚を、この例でつかんでください。

3級・2級ではどう問われるか（級が上がると深くなる）

このトピックは4級が中心ですが、同じ概念が上の級で「より実戦的に」問われます。4級では「分類できるか」、3級・2級では「分類を踏まえて正しい手法を選べるか」が問われる、というのが級差の本質です。

3級での問われ方：代表値・グラフの選択

3級になると「このデータにふさわしい代表値はどれか」「このグラフは適切か」が問われます。たとえば：

• 質的データ（名義尺度）に算術平均を当てはめている選択肢を「誤り」と見抜く 問題。血液型の「平均」は無意味、と判断できるか。
• 外れ値があるデータで「平均より中央値が代表値として適切」と判断できるか（これは尺度というより分布の話ですが、代表値選択の文脈で一緒に問われます）。

2級での問われ方：相関係数・手法の選択

2級では尺度水準が 相関係数の選択 に直結します。これは頻出かつ間違えやすい論点です。

つまり 「順序尺度のデータにピアソンの相関係数を機械的に当てはめてはいけない（順位相関を使う）」 という判断が2級レベルで効いてきます。4級で「順序尺度は差に意味がない」と理解しておくと、2級の「だから差を前提とするピアソンではなく順位ベースのスピアマンを使う」という話に自然につながります。下の級の理解が上の級の土台になる、その典型がこのトピックです。

数式の直観的意味

「許容変換群」が尺度水準の正体であることの直観：

• 尺度水準とは「データの数値表現のうち、どこまでが本質的な情報で、どこからが恣意的な約束事か」を切り分ける枠組み。
• 名義尺度の数字（男=1, 女=2）は 置換で自由に貼り替えられる → 数字そのものに情報はゼロ。だから平均 $(1+2)/2=1.5$ は無意味。
• 間隔尺度で平均が許されるのは、平均が1次変換 $ax+b$ に対して「整合的に」変換されるから：標本平均を $\bar{x}$ とすると、$y_i = ax_i + b$ のとき $\bar{y} = a\bar{x} + b$。つまり平均は1次変換と可換で、原点・単位を変えても代表値としての意味が壊れない。
• 一方 比（割り算）は $ax+b$ の $b$ で壊れる：$\frac{x_1}{x_2} \neq \frac{ax_1+b}{ax_2+b}$（$b \neq 0$ なら不変でない）。だから間隔尺度で比率は無意味。比率尺度（$b=0$）でのみ $\frac{ax_1}{ax_2} = \frac{x_1}{x_2}$ と比が保たれ、初めて「◯倍」が言える。

この「ある統計量が、その尺度の許容変換に対して不変（意味を保つ）か」という視点が、尺度ごとに使える統計量が決まる根本理由。代表値選択・相関係数選択（上位級の論点）もすべてここに帰着する。

⚠️ 引っかけポイント・頻出論点

• 順序尺度の平均は理論上NG（中央値が正しい代表値）。実務ではリッカート尺度を間隔尺度とみなして平均する慣行があるが、これは近似であり議論が続く論点。試験では「順序尺度を平均している選択肢＝誤り」が原則。
• 名義尺度の数値コードに大小を読むのは誤り。「1=男, 2=女」に平均・大小は無意味。数字が振られていても区別ラベルなら名義のまま。「数値コード＝量的」ではない。
• テストの点数は間隔尺度（比率尺度ではない）。0点は「学力ゼロ」でなく便宜的なゼロ＝絶対原点がない＝「80点は40点の2倍」と言えない。最頻出の引っかけ。
• 西暦・時刻も間隔尺度（0年・0時は基準点であり絶対原点でない）。年齢・経過時間は比率尺度なので混同注意。
• 包含関係は一方向：比率→順序→名義へ「落とす」ことはできる（連続変数をカテゴリ化など）が、逆に上げることはできない。情報は下位に落とすと失われる。
• 質的／量的の境界＝「足し引きに意味があるか」 の一本。間隔・比率なら量的、名義・順序なら質的。

よくある疑問

Q1. 順序尺度（5段階評価など）の平均を取ってはいけないの？実務ではよく見るけど。

理論上はNG、実務では条件つきで使われる、というのが正確な答えです。

順序尺度は「間隔が等しい保証がない」ので、足し算を前提とする平均は厳密には意味を持ちません。「満足＝5、やや満足＝4」と数字を振っても、5と4の差が4と3の差と等しい保証はどこにもないからです。

ただし実務（特にアンケート分析）では、5段階評価のようなリッカート尺度を 「間隔尺度とみなして」平均を計算する ことが広く行われています。「回答者は心理的にほぼ等間隔に受け取っているはず」という近似的な仮定を置いているわけです。これは便利な一方で、厳密には順序尺度を間隔尺度に格上げして扱う、根拠のある割り切り です。心理学・社会調査では今も議論が続いている論点です。

試験対策としては、「理論上、順序尺度の平均は意味を持たない（中央値を使うのが正しい）」が原則 と覚えてください。「順序尺度のデータに平均を使っている選択肢」は、原則として誤りの選択肢として作られます。

Q2. テストの点数は比率尺度では？0点があるし、80点は40点の2倍に見えるけど。

これはこのトピックで 最も引っかかる論点 です。テストの点数は 間隔尺度 に分類するのが標準です。

理由は「0点の意味」にあります。0点は「学力が完全に存在しない（無）」を意味しません。たまたまそのテストで正解がゼロだっただけで、別の（やさしい）テストなら点が取れるかもしれない。つまり 0点は絶対原点ではなく便宜的なゼロ です。絶対原点がないので比率に意味がなく、「80点は40点の2倍の学力」とは厳密には言えません。だから間隔尺度です。

（補足：これは「測定論的に何を測っているか」という解釈の問題で、文脈によっては比率尺度として扱う流儀もあります。ただし統計検定の標準的な理解としては「テストの点数＝間隔尺度」「0点＝便宜的なゼロ」を押さえておけば十分です。）

Q3. 名義尺度に数字（1=男, 2=女 のようなコード）を振ったら、量的データになる？

なりません。 これも頻出の誤解です。

「男＝1、女＝2」のように名義尺度にコード番号を振るのは、コンピュータで処理しやすくするための便宜にすぎません。その1や2に 大小の意味はなく、足し引きもできません。「(1+2)/2 = 1.5」を計算しても「男女の平均は1.5」という意味不明な結果になるだけです。

数字が振られていても、その数字が区別のためのラベルなら名義尺度のまま です。「数値コードがついている＝量的データ」ではない、と肝に銘じてください。試験では「数値コード化された名義尺度データの平均を計算している」選択肢が誤りとして登場します。

Q4. 結局どこで「質的／量的」と「4尺度」の線が引かれるの？

対応はシンプルです。

• 質的データ ＝ 名義尺度 ＋ 順序尺度（区別や順序を表すが、数量ではない）
• 量的データ ＝ 間隔尺度 ＋ 比率尺度（差や比率という「数量」を扱える）

境界は 「足し算・引き算に意味があるか」 です。これがある（間隔・比率）なら量的、ないなら質的。この一本の線を引ければ、4尺度と質的・量的の対応で迷うことはなくなります。

まとめ

• データは 質的（名義・順序） と 量的（間隔・比率） に分かれ、合わせて4つの尺度水準になる。
• 尺度の階層は 名義 ⊂ 順序 ⊂ 間隔 ⊂ 比率。下にいくほど許される計算が増える（区別→大小→差→比率）。
• 使える代表値も尺度で決まる：名義＝最頻値のみ、順序＝＋中央値、間隔・比率＝＋算術平均。
• 尺度を厳密に分けるのは許容変換群（名義＝置換、順序＝単調、間隔＝$ax+b$、比率＝$ax$）。「どの変換まで許しても意味が保たれるか」が尺度の正体。
• 4尺度を分ける決め手は2つ ──「順序があるか」「ゼロ点が絶対原点（0＝無）か便宜的か」。摂氏（間隔）とケルビン（比率）の対比がその典型。
• 頻出の誤解は3つ：①順序尺度を平均する ②名義尺度の数値コードに大小を読む ③テスト点数を比率尺度と思い込む。いずれも「ゼロ点と間隔の意味」を問い直せば判定できる。
• 級が上がると問われ方が深くなる：4級＝分類できる → 3級＝代表値・グラフを選べる → 2級＝相関係数・手法を選べる（順序尺度には順位相関）。

このトピックは統計のすべての出発点です。代表値・散らばり・相関・回帰── これから学ぶ手法は全部「どの尺度のデータに使えるか」がついて回ります。ここでの「尺度が計算を決める」という感覚が、後のすべての判断の土台になります。

対応するシミュレーション

• なし（has_simulation: false）。本トピックは定義・分類が主で数値実験に馴染まないため作成しない。可視化は記事内のMermaid図（4尺度の包含関係）と早見表で担保。

関連ノート

• 代表値 ── 平均・中央値・最頻値の定義と使い分け（外れ値への強さ・歪んだ分布での大小関係）（代表値：平均・中央値・最頻値 ── 尺度ごとに使える代表値が決まる）
• 散らばり（ばらつき）の指標 ── 範囲・四分位範囲・分散・標準偏差・変動係数（なぜ偏差を2乗するか／なぜn−1で割るか）（散らばり：分散・標準偏差・変動係数 ── 間隔/比率尺度で意味を持つ）
• 2変数の記述（散布図・共分散・相関係数）── 相関≠因果／rは直線関係しか測れない／外れ値1点で激変（2変数の記述：散布図・相関係数 ── 2級でピアソン vs スピアマンの選択が尺度に依存。回帰はPhase5）
• 統計グラフの読み方（棒・折れ線・円・帯）と誤解を招くグラフ（データの可視化 ── 棒/円グラフ・ヒストグラム・散布図の尺度別使い分け）