評価コンパスEvalCompass
分析・統合量的分析データ要約クロス集計効果量評価報告

記述統計・クロス集計

Descriptive Statistics and Cross-tabulation
別名: 基本統計、単純集計、クロス表、度数分布

収集したデータの全体像を度数・代表値・散布度・クロス集計表で要約する、量的評価報告の基礎となる分析手法。高度な統計知識がなくても着手でき、評価報告書の根幹を支える。

難易度 初級 ●●●費用 低 ●●●期間 数時間〜2日（データクリーニングと集計・グラフ作成を含む）
記述統計・クロス集計 分析計画シートを開く →

概要

記述統計（Descriptive Statistics）は、収集したデータをそのまま読者に伝えられる形に要約・整理する手法の総称。度数分布・パーセンテージ・平均値・中央値・最頻値（代表値）・標準偏差・分散・レンジ・四分位範囲（散布度）が主要な指標。クロス集計（Cross-tabulation）は2つ以上の変数の組み合わせごとに度数・割合を整理した表であり、「性別×満足度」「地域×受益者割合」といった関係の把握に用いられる。

評価実務においては、アンケート結果・行政データ・モニタリング指標の報告に欠かせない基礎処理として位置づけられる。近年はデータ可視化と組み合わせて報告されることが多い。また、介入効果の大小を示す効果量——Cohenのd（平均値の差の標準化）、オッズ比（Odds Ratio）、相関係数r——を合わせて算出することで、統計的有意性だけに依存しない実質的な意味の評価が可能となる。効果量の考え方は統計の専門家でなくても「どれくらい変わったか」を伝える実務的な言語として重要度が増している。

✓ こんな時に使う

  • アンケート調査やモニタリングデータを収集した後、まず全体像を把握・報告したいとき
  • 受益者の属性別（性別・年齢・地域等）にサービス到達状況や満足度を比較したいとき
  • 評価報告書の基礎データとして、数値の要約と図表を作成するとき
  • 介入前後の変化を平均値・中央値などで示し、効果量で変化の大きさを伝えたいとき

✕ 向かない場面

  • 因果関係（介入が成果を引き起こしたか）を実証したい場合 — 記述統計は関係を記述するだけで因果は示せない
  • サンプルサイズが極めて小さい場合（n<10程度）— 平均値・標準偏差の解釈が不安定になる
  • 質的データのみで構成される評価（自由記述・インタビュー） — テーマ分析や内容分析が適する

実施手順

  1. データクリーニングと変数の確認
    欠損値・外れ値・入力誤りを確認し、変数の尺度（名義・順序・間隔・比率）を把握する。尺度に応じて使用できる統計量が異なるため、この工程は省略できない。
  2. 度数分布・パーセンテージの作成
    各変数の度数（件数）と有効パーセントを集計する。カテゴリ変数は度数表、連続変数はヒストグラムで分布形状を確認する。欠損値の扱いを明示する。
  3. 代表値・散布度の算出
    正規分布に近ければ平均値・標準偏差、偏った分布には中央値・四分位範囲を使う。両方を報告しておくと読者が自ら判断できる。
  4. クロス集計表の作成
    関心のある2変数（例：グループ×満足度）の組み合わせで集計表を作る。行パーセントか列パーセントかを統一し、注釈に明示する。カイ二乗検定で関連の有無を確認してもよい。
  5. 効果量の算出（必要に応じて）
    介入前後・グループ間の差を報告する場合は効果量を算出する。連続変数ならCohenのd（0.2=小・0.5=中・0.8=大の目安）、カテゴリならオッズ比や相対危険度。p値と必ずセットで報告する。
  6. 図表の作成と結果の解釈
    棒グラフ・折れ線・円グラフ・箱ひげ図を用途に合わせて選択し、視覚化する。数値を事実として提示するだけでなく、評価クエスチョンに照らした解釈コメントを付記する。

長所と限界

長所

  • 専門的な統計知識が少なくてもExcelや表計算ソフトで実施でき、参入障壁が低い
  • 評価報告書の基礎として読者が理解しやすい形でデータを提示できる
  • 効果量を加えることで、サンプルサイズの大小に左右される有意性検定の限界を補える
  • クロス集計でサブグループ間の差異を可視化でき、公平性の評価にも使える

限界

  • 相関・関連は記述できても因果関係の実証はできない
  • 外れ値1つで平均値が大きく変動するなど、代表値の選択を誤ると実態を誤解させる
  • 大量の変数を機械的にクロス集計すると偶然有意な関係が生じる多重比較問題が起きる
  • 自由記述や観察など質的データの豊かさを捉えられない

⚠ よくある落とし穴

  • 平均値だけ報告して分布の形（偏り・外れ値）を確認しない — ヒストグラムや箱ひげ図も必ず確認し、必要なら中央値を補足する
  • p値が小さい＝重要な発見という混同 — 大規模データではわずかな差でも有意になる。効果量と信頼区間を必ず合わせて報告する
  • クロス集計でグループのサンプルサイズが極端に異なる場合に度数だけ示す — パーセンテージで正規化しないと誤解を招く