1 クロス集計の基本
1.1 定義と目的
1.1.1 頻度表としての表現
クロス集計は、2つ以上の変数をカテゴリとして扱い、組合せごとの出現回数（度数）を表形式に整理する集計手法である。典型的には、1つの変数を行、別の変数を列として配置し、セルに該当ケース数を配置することで、同時に複数の属性を持つ対象がどれだけ存在するかを一覧できるようにする。
1.1.2 関連の可視化と要約
度数だけでは見落とされる差を、割合として併記することで読み取りやすくするのが目的の一つである。行ごとの比率、列ごとの比率、または全体に対する比率を組み合わせて示すことで、特定の条件下での偏りや、変数間の関連の有無を直感的に把握しやすくなる。さらに、行・列それぞれの周辺度数を併用すると、周辺の分布の違いにもとづく解釈の足場が得られる。
1.2 データの前提
1.2.1 カテゴリ変数の扱い
クロス集計は、変数をカテゴリに分割して扱う点に特徴がある。質的な区分（例：性別、購入有無、治療群）でそのまま集計できる場合もあるが、量的変数を用いる場合には境界値で区切ってカテゴリ化することが多い。カテゴリの定義が分析結果の見え方を左右するため、分類の根拠を明確にし、比較可能性を確保する必要がある。
1.2.2 欠測値・不明カテゴリの扱い
欠測や不明が混在する場合、どのように扱うかが結果の解釈に影響する。一般に、不明を独立したカテゴリとして別掲する方法、欠測を除外して分析する方法、もしくは欠測を補完してから集計する方法が考えられる。不明を一律に無視すると周辺分布が変わり得る一方、別カテゴリ化すると解釈対象が増えるため、目的とデータの性質に応じた方針が求められる。
1.3 表の構造
1.3.1 行・列の意味
表の行と列には、それぞれ異なる変数が割り当てられる。行方向の読み取りでは「行の条件のもとで、列の区分がどう分布するか」という視点になるため、行を分母として割合を計算する設計がよく用いられる。列方向も同様に「列の条件のもとで行がどう分布するか」という観点から解釈するため、どちらを分母にしているかを表記とともに明確化することが重要である。
1.3.2 周辺度数と全体度数
周辺度数とは、表の行または列を足し合わせたときの合計であり、各カテゴリの総数を表す。具体的には、行の合計（行周辺）と列の合計（列周辺）により、それぞれのカテゴリが全体のどの程度を占めるかが分かる。全体度数は、表全体のセルを合計した総数であり、割合計算の基礎としても機能する。周辺度数が把握できると、セルの偏りが「組合せの偏り」なのか「単なる分布差」なのかを切り分けやすくなる。
2 代表的な作り方
2.1 集計手順
2.1.1 値の分類（ビニング）
量的な変数をクロス集計する場合、連続値を区分へ変換する工程が必要になる。この区分化（ビニング）は、等幅、等頻度、閾値にもとづく段階など複数の方式がある。区分数が多いと解像度は上がるが、セルが細りやすくなり統計的な不安定さが増える。逆に区分数が少ないと粗くなり、見えた差が埋もれる可能性があるため、目的に応じたバランス調整が求められる。
2.1.1.1 カテゴリ数の決め方
カテゴリ数は、データ量と解釈の粒度によって決めるのが一般的である。目安として、各セルに十分な件数が入るよう配慮しつつ、対比較の目的が達成できる程度の細かさを維持する。たとえば、意思決定で重要な閾値が既に存在するならその境界を優先し、そうでなければ分布の形状を参照しながら区分を設定する。カテゴリ化の方針は後から恣意的に見えないよう、選定理由を記録することが望ましい。
2.1.2 度数の計算
分類された各変数のカテゴリの組合せごとに、該当件数を数えてセルへ配置する。重複があるデータでは、集計単位（個人、イベント、観測の単位）を明確にし、同一単位が複数回カウントされていないかを点検する。セルの合計が行周辺と一致し、列周辺とも整合するよう、集計表の整合性を確認すると誤りの検出に役立つ。
2.1.3 割合への変換（パーセント表示）
度数から割合を作る際には、分母をどこに置くかが重要になる。行割合なら各行の合計で割り、列割合なら各列の合計で割る。全体割合なら総数で割る。分母に応じて解釈が変わるため、表の注記に「行を基準にした比率」など計算の前提を明示することが望ましい。パーセント表示では端数処理の方針も統一する。
2.2 表の種類
2.2.1 2×2表
2×2表は、2つの二値変数の組合せを表す最も単純な形である。4つのセルにより、ある条件があるときに他の条件が生じる頻度がどれほど変化するかを観察できる。さらに、独立性の検定や関連の強さ指標（オッズ比など）を適用する土台としてもよく使われるため、解析の出発点として位置づけられる。
2.2.2 多重度数表
多重度数表は、各変数が複数カテゴリを持つ場合に一般化した形であり、行や列の数が増える。セル数が増えることで詳細な差を表現できる一方、データ量が不足すると小さなセルが増え、不確実性が拡大する。解釈の際には、各セルを独立に比較するだけでなく、周辺分布と条件付き割合を組み合わせ、全体の構造を崩さないよう注意深く読み取ることが必要になる。
2.2.3 棒グラフ・モザイク図との対応
クロス集計の内容は、可視化によって理解を補強できる。棒グラフは特定の条件（たとえば列ごと）に絞った比較には向くが、2変数の同時構造を完全には示しにくい場合がある。一方、モザイク図はセルの面積や縦横の比を用いて、分布の偏りと割合の変化を同時に視覚化できるため、クロス集計の読み取りと結びつけやすい。どの図でも、軸や比率の定義が誤解を生まないよう表記が欠かせない。
3 解釈と読み取り
3.1 条件付き割合の見方
3.1.1 行方向の割合
行方向の割合は「行カテゴリを満たす個体のうち、列カテゴリがどの程度含まれるか」を表す。たとえば、ある治療群を行に置いた場合、各治療群の内部でのアウトカム分布が分かる。この見方により、行カテゴリ間の比較がしやすくなるが、列側の周辺分布が異なる点は別途理解しておく必要がある。分母が行合計である以上、行カテゴリの比率自体はこの割合に含まれないためである。
3.1.2 列方向の割合
列方向の割合は「列カテゴリを満たす個体のうち、行カテゴリがどれほど含まれるか」という逆向きの条件を与える。行と列を入れ替えると解釈は変化するため、読み取りの向きが混同されないよう注意する必要がある。状況により、意思決定では「対象が条件を満たしたときに起こりやすい事象」を知りたいことがあり、その際には列方向の情報が適合することがある。
3.2 関連のパターン
3.2.1 周辺度数が同じでも異なる場合
周辺度数が一致していても、セルの割り振り方が異なれば条件付き割合は変わり、関連の有無も変わり得る。たとえば、行周辺と列周辺が同一でも、ある行カテゴリに特定の列カテゴリが集中していれば、他の組合せは希薄になり、条件付き分布に差が現れる。したがって、周辺が同じことは「関連がない」ことを直ちに意味しない。セル内部の構成を観察することが中心になる。
3.2.2 対角に偏る場合の含意
2×2表で対角（同じ区分に対応するセル）へ度数が偏る場合、ある変数が増える（または1つの区分に属する）と、他の変数も同様の区分になりやすい関係が示唆されることがある。反対に反対の対角へ偏ると、片方がある区分にあるときにもう一方は別区分になりやすい傾向がうかがえる。ただし、偏りの強さは周辺度数と規模（件数）に影響されるため、見た目だけで結論を急がないことが重要である。
3.3 代表的な注意点
3.3.1 サンプルサイズと偶然の影響
サンプルが小さいと、セルの度数がたまたま偏る可能性が高まる。その結果、クロス集計の見た目が強い関連を示していても、統計的には偶然と区別できないことがある。したがって、表を作っただけで関連があると断定せず、検定や信頼性の評価を併用する姿勢が望ましい。
3.3.2 基数の違いによる誤解
基数、すなわち分母となる総数の違いは、割合の解釈を混乱させやすい。あるセルの度数が大きく見えても、行カテゴリや列カテゴリ自体の規模が極端に大きいとき、そのセルの割合は必ずしも高くない場合がある。逆に、割合が大きくても、そのカテゴリの母数が小さいと実務上の意味が異なることがある。したがって、度数と割合を両方確認し、どの分母に基づく比較なのかを統一するのが適切である。
4 統計的評価との結びつき
4.1 独立性の検定
4.1.1 カイ二乗検定の概要
カイ二乗検定は、行変数と列変数が独立であるなら期待される度数と、観測された度数の差がどれほど大きいかを評価する枠組みである。独立の場合にはセルごとの期待度数が周辺度数から計算でき、観測と期待が近いほど独立仮説に整合的とみなされる。検定統計量を用いてp値を算出し、所定の有意水準と比較することで、関連の可能性を判断する。
4.1.2 条件付き検定と適用範囲
カイ二乗検定は、セルの期待度数が十分であるなどの条件に影響される。セルが細かすぎたり欠測やカテゴリ統合で期待が小さくなったりすると、検定の近似が不適切になり得る。多重度数表では自由度も増えるため、効果の解釈には検定結果だけでなく、残差や寄与の見方を組み合わせることが多い。加えて、時系列や対応関係があるデータでは前提が崩れるため、モデル設計に注意が必要になる。
4.2 関連の強さの指標
4.2.1 オッズ比（2×2表）
オッズ比は、2×2表の比較に用いられる関連の強さの指標である。片方の条件があるときに、もう片方の事象が起きる「相対的な起こりやすさ」を、比の形で表す。オッズ比が1より大きい場合と小さい場合で、方向性が異なる。特にアウトカムをイベントと見なす設計では解釈の一貫性が重要であり、どのセルを「成功」として定義しているかを明確にすると誤解が減る。
4.2.2 相対リスクや差（必要に応じて）
相対リスクやリスク差は、条件付き割合に基づく指標として理解されやすい。相対リスクはある群における出現割合を別群の割合で割った値であり、差は両者の差を直接表す。これらは、研究目的が「実際の発生割合の比較」にあるときに適することが多い。どの指標が最適かは、設計（前向き・後ろ向き）、データの生成過程、そして解釈したい対比の種類に依存する。
4.3 多変量への拡張
4.3.1 層別クロス集計
層別クロス集計は、第三の変数でデータをいくつかの層に分け、それぞれで行列の関係を別々に集計する方法である。これにより、見かけの関連が潜在的な交絡（第三の要因）によって生じていないかを確認しやすくなる。層が増えると表が複数になり手作業の負担も増えるため、要約統計や図示と組み合わせた運用が現実的である。
4.3.2 ロジスティック回帰などとの関係
クロス集計はカテゴリの組合せを要約するのに対し、多変量モデルは複数の説明変数を同時に扱い、各変数の寄与を調整しながら推定できる。ロジスティック回帰は二値アウトカムに対して、説明変数の組合せと事象発生の確率の関係を表すモデルとしてしばしば用いられる。クロス集計は可視化と初期探索に強く、モデルは推定と調整に強いという役割分担があるため、両者を相互補完的に使うと理解が深まりやすい。