はじめに

最終更新日：2025年4月7日

この文書は、Excelを用いてデータ実証を行う方法をまとめたものです。和歌山大学経済学部の統計学入門を履修した学生を対象にしていますが、基礎的な統計学の知識があれば、履修していない方でも理解できる内容です。

分析には、ExcelやGoogle Sheetsなどの表計算ソフトを使うことを想定します。ですが、具体的な関数の話以外は、他の統計ソフトを使う際にも適用できるものです。まずは実際に手元のデータで何ができるかを知りたいという方へのヒントにもなると思います。

「実際に起こりうるシチュエーションにおいて、どのようにデータを活用するか」を主眼に置いているため、厳密さより分かりやすさを優先した記述があります。ご了承ください。

学習内容について

具体的には、以下の内容を学習します。

• 記述統計と推測統計の違いを理解する
• 記述統計の基礎的な手法を身に着ける
  • 手元のデータを適切に加工し、表やグラフを作成する
  • 統計量（特に平均、分散と標準偏差、共分散と相関係数）を計算し、データの特徴を理解する
• 推測統計の基礎的な手法を身に着ける
  • 仮説検定の手順を身に着ける
  • 回帰分析を行う
  • 因果推論について知る

データの種類と構造について

まずは、データにはどのような種類のものがあるのか、正しいデータの構造とは何か、について学んでいきます。

データの種類によって適切な分析手法が異なるため、手元のデータがどのような特性を持つデータなのかを理解することは大切です。

また、「綺麗なデータ」と「汚いデータ」というものが存在します。自分自身でデータをとる際には「綺麗なデータ」の状態で管理することが大切ですし、時には、取得した「汚いデータ」を「綺麗なデータ」に加工することも必要になります。

加工しやすい「綺麗なデータ」はどのような構造を取るべきかについて解説します。

データの種類

データは、データのとり方とデータをとる対象によって、いくつかの種類に分けることができます。

個人情報か集計情報か

データが含む情報の性質により、データは2種類に分けられます。

マイクロデータ（個票データ）

個人の情報を集めたデータのことです。

（例）クラス40人それぞれのテストの点数、東京都に住んでいる1000人それぞれの家計得、東京証券取引所に上場している企業それぞれの売上金額など

マクロデータ（集計データ）

個別の情報を集計したもので、特定のグループを対象にしたデータです。

（例）複数のクラスの平均点、都道府県の平均所得など

時間の情報を含むか含まないか

クロスセクション・データ

1時点において複数の対象の情報を横断的に集めたデータのことです。

（例）1回分の算数のテストの点数、2024年における世界各国の平均家計所得など

時系列データ

1つの対象についての時間を通じた変化を記録したデータのことです。

（例）日経平均株価、日本円の対ドル為替レートなど

パネルデータ

複数の対象の時間を通じた変化を記録したデータのことです。

（例）40人の生徒の小1～小6までの算数のテストの点数など

それぞれの性質の組み合わせによって、「クロスセクションのマクロデータ」、「個票のパネルデータ」、「マクロの時系列データ」などが存在します。

手元のデータは誰を（何を）対象に取られたものなのか、同じ対象について1回のみ取られたデータなのか、それとも同じ対象について複数回取られたデータなのかに注目して、適切に分類できるようになりましょう。

データの構造

データには、分析しやすい正しい構造というものが存在します。取得したデータが正しい構造になっていないときには、分析前に正しい構造に加工する作業が必要になります。

まずは、目指すべき構造を学びましょう。また、自分でデータを取る際には、正しい構造で管理するようにしましょう。

「汚いデータ」の例

「汚いデータ」とは、例えば以下のようなものです。

ポイント

• セルが結合されている
• 1つの対象について、複数行のデータが存在する
• 対象を一意に特定するための項目が足りていない
• 表記がゆれている
  • 特に、半角と全角が混同していると分析の支障になる
  • 同じように見える記号でも、Unicode（文字コード）が異なれば別の文字として認識されてしまうので注意
• データとしてほしい情報以外の情報が存在する
  • 数値セル内に単位が記入されている、特定の文字やセルに装飾がされている、コメントが挿入されているなど

こういったデータは、分析がしづらいだけでなく、エラーの原因にもなります。

取得したデータがこのような「汚いデータ」なら、まずは以下に示すような「綺麗なデータ」に直してから分析を始めましょう（ちなみに、この作業が1番時間がかかることが多いです）。

汚いデータにならないようにするために

そもそも、自分で一からデータをとる際には、最初から「綺麗なデータ」になるように工夫が必要です。具体的には、以下のような方法でデータをとりましょう。

• Google FormsやMicrosoft Formsなどの、フォームを利用してデータをとる
  • 機密情報が含まれるなど、必要な場合には専門業者に委託する
• 表記がゆれそうな項目はプルダウンなどの選択式にする
• データは、Excel形式（.xlsx）ではなく、CSV形式（.csv）で保存する

ご覧いただいて分かる通り、そもそもExcel入力でデータを取らないことが解決策です。

まずは表記ゆれが出ない形式でフォームを作成し、フォームで回答されたものをCSVファイルでダウンロードすることで、一発で「綺麗なデータ」を手に入れることができます。

なぜExcelではなくCSVで保存する必要があるのか、というと、CSVだと余計な操作ができないからです。例えば、シートを追加する、文字を装飾する、セルを装飾する、セルを結合する、等々…。こういった操作はCSVでは保存できません（保存する際にアラートが出ると思います）。これらはすべてデータに余計な情報を付け加えてしまうことにつながるので、生のデータを保存しているファイルに行われるべき操作ではありません。

生のデータから表やグラフを作成したり、統計量を計算したりするなど、データを加工する際には、生のデータを複製しExcelファイルに変換した分析用ファイルで行うか、ブックリンクを作成するかしましょう。

以降、データは.csv 形式で保存されていると想定します。

正しいデータの構造

「綺麗なデータ」は以下のような構造です。

ポイント

• 1番上の行に変数名が入っている
• 1番左の列はデータ識別番号（ID変数）になっている
• 表記ゆれがない
  • 日本語は全角、英数字は半角に統一されている
• データはできるだけ数字にする
• 変数名はアルファベットで定義されている

「綺麗なデータ」の基本は、1番上の行に変数名、1番左の列にID、それぞれがクロスするセルにデータ（情報）です。それぞれのデータは表記ゆれがないようにクリーニングしておきましょう。日本語は全角で、英数字は半角で入力されている状態が基本です。

データ（情報）は、できるだけ数字で表されている状態が望ましいです。数字の方が統計量を計算したり、仮説検定や回帰分析を行ったりするときに扱いやすいからです。

カテゴリーデータを扱う場合も、できるだけ数字に変換しておきましょう。例えば、性別変数は通常「男性／女性」と日本語で表される場合が多いですが、男性を\(0\)、女性を\(1\)に対応させることで、「\(0\)／\(1\)」に変換することができます。

変数名は、できればアルファベットで定義されている状態が理想です。これは、Excelを使っている限りにおいてはさほど問題にならないかもしれませんが、他の統計ソフトを使う際に支障となる場合があります。

余談ですが、同様の理由でファイル名も日本語を使わずアルファベット表記にする方が望ましいです。

ここで使用するデータについて

次の章から、実際にデータ分析を行っていきます。

今後扱うデータは、学食の売り上げデータを想定して作成したデータです。

みなさんは、このデータを使って「学食の売上向上プロジェクト」を進めていきます。このようなシチュエーションにおけるデータ活用方法を学びながら、基礎的な統計分析の手法を身につけましょう。

データは以下のリンクからダウンロードしてください。

学食売上データをダウンロード

ダウンロードしたファイルをExcelで開くと、以下のような画面が見れると思います。

このデータは「綺麗なデータ」になっているので、1番上の行に変数名、1番左の列（A列）にIDが入っています。

以下の表で、各変数の説明をしています。

以降の章では、このデータを使いながら、統計分析を行っていきます。

用語解説

以降の章で頻出する用語について解説します。

講義資料に戻る