Hello there, ('ω')ノ
データ分析を始めると、「変数の種類（タイプ）」という言葉に出会うようになります。 これは、そのデータがどういう性質を持っていて、どんな分析が向いているのかを判断するための基本です。
特に、離散（Discrete）・連続（Continuous）・カテゴリ（Categorical） という分類は、グラフの選び方や統計手法の使い方に直結します。
✅ 「変数」とは？
まず、変数とは「分析に使う項目（列）」のことです。 たとえば、年齢・性別・購入回数・評価点数などがそれにあたります。
その変数がどのタイプに属するかによって、次のような判断に関わってきます：
- どんなグラフが使えるか？
- 平均や中央値を計算してよいか？
- 数値同士の相関を見られるか？
🔹 ① 離散変数（Discrete Variable）
🎯 数を数えられる、切りのいい数
離散変数は、「0個、1個、2個、3個…」と数えられる数のことです。 連続的な変化はせず、「ポンポンッ」と区切りのある値しか取りません。
例：
- 購入回数（0回、1回、2回…）
- 子どもの人数（1人、2人…）
- 故障回数
- イベント参加数
✅ 特徴
- 小数点は使わない
- 数が少なければ棒グラフが向いている
- 平均値や合計値の算出が可能
🔸 ② 連続変数（Continuous Variable）
📏 測定できる数値、無限の値を取る
連続変数は、間に無限の値が存在する数値データです。 たとえば、身長が165cmであれば、その間にも164.9cm、164.91cm…というように無限に細かい値が存在します。
例：
- 身長・体重
- 価格（¥12,345.67）
- 温度（22.3℃）
- 時間（3時間25分）
✅ 特徴
- 小数点を含むことができる
- ヒストグラムや折れ線グラフが向いている
- 統計分析（相関・回帰など）に適している
🔸 ③ カテゴリ変数（Categorical Variable）
🧾 グループや分類を表すデータ
カテゴリ変数は、数値ではなく分類を意味するデータです。 計算する対象ではなく、「どのグループに属しているか」を示すラベルのようなものです。
例：
- 性別（男性・女性）
- 都道府県（東京・大阪・福岡…）
- 商品カテゴリ（食品・雑貨・家具）
- 満足度（「高い」「普通」「低い」）
✅ 特徴
- 数値計算はできない（平均、合計など）
- 円グラフや棒グラフで可視化
- グループごとの比較分析に使われる
🧠 カテゴリ変数の種類
カテゴリ変数には、さらに次の2タイプがあります：
| 種類 | 説明 | 例 |
|---|---|---|
| 名義尺度（Nominal） | 順番に意味はない | 血液型、部署名、国名 |
| 順序尺度（Ordinal） | 順番に意味があるが間隔は不明 | 「高・中・低」、アンケートの5段階評価など |
🧪 実務での見分け方と使い分け
| 項目 | データ型 | 適した分析 |
|---|---|---|
| 年齢（整数） | 連続変数 | 平均、中央値、回帰 |
| 性別 | カテゴリ変数（名義） | クロス集計、割合比較 |
| 購入回数 | 離散変数 | 合計、ヒストグラム |
| 満足度（5段階） | カテゴリ変数（順序） | グループ比較、中央値 |
🔁 まとめ：変数のタイプで“分析の道具”が変わる
| 変数タイプ | 特徴 | 向いている分析や可視化 |
|---|---|---|
| 離散変数 | 数が数えられる、小数点なし | 棒グラフ、頻度、平均 |
| 連続変数 | 測定値、小数点あり | ヒストグラム、回帰分析 |
| カテゴリ変数 | 分類、名前やグループ | 円グラフ、クロス集計 |
▶ 「この変数はどのタイプ？」と意識することで、 分析の質もスピードもぐっと向上します。
Best regards, (^^ゞ
