1 コホート分析の概要
1.1 定義と目的
コホート分析は、共通の性質をもつ集団を「コホート」として定義し、時間の経過とともに観測される行動や成果、状態の変化を比較する分析手法である。単純な時系列平均では見えにくい、起点が異なる集団間の違いや“時間による推移の形”を明確化することが主要目的となる。結果は、記述的なパターンの把握、施策や制度の効果を検討するための基礎資料、需要や継続性の計画に用いられる。
1.2 コホートの基本概念
1.2.1 起点（観測開始条件）の設定
コホートの起点は、集団が観測を開始する条件や共通の出発点である。例として、サービス登録日、初回購入日、入学年度、出生年、就職年などが挙げられる。起点をどう置くかで追跡される“世代”の意味が変わるため、分析の問いに適合する条件を選ぶことが重要である。起点が曖昧だと、比較対象の整合性が失われる。
1.2.2 コホートの粒度（年・月・週など）
粒度は、コホートを区切る時間幅の細かさを指す。年単位は解釈が容易である一方、変化の速さが平均化されることがある。月や週単位は反応の時期を捉えやすいが、サンプル数が不足しやすく、データ処理や可視化も複雑になる。粒度選択では、目的（例：長期推移か短期変化か）とデータの密度、統計的安定性のバランスを取る。
1.3 分析で扱う代表的な指標
1.3.1 成果・到達
成果・到達は、ある状態に到達したか、一定の水準を達成したかを示す指標である。たとえば、学習では単元修了やテスト得点の閾値到達、マーケティングでは初回購入からの転換、サービスでは上位プランへの到達などが該当する。到達までの時間の分布や、一定期間内の到達率として集計されることが多い。
1.3.2 継続・離脱
継続・離脱は、追跡期間中に維持される状態の度合いを表す。サブスクリプションの解約、利用頻度の低下、ログイン停止、学習の中断などが例である。離脱は“いつ”起きたかが重要になるため、追跡窓内での離脱率や、継続の確率を時間軸に沿って評価する設計が行われる。
1.3.3 行動の変化
行動の変化は、利用回数、購買点数、閲覧時間、課題提出回数など、継続的に観測される量的指標の推移を追うものである。単発の達成だけでなく、学習や利用の強度がどのように推移するかを比較できる。指標の取り扱いとして、累積値か当月値か、分母（観測対象者の定義）をどう揃えるかが結果の解釈を左右する。
2 分析設計
2.1 コホート定義の考え方
2.1.1 期間ベースのコホート
期間ベースは、登録や発生が起点となる時点によってコホートを分ける方式である。たとえば「同じ月に登録した顧客」「同じ年度に入学した学生」といった区分が代表的である。期間ベースの利点は解釈のしやすさであるが、イベント前後の行動が混ざる場合があるため、起点の妥当性を検討する必要がある。
2.1.2 イベントベースのコホート
イベントベースは、初回購入や初回利用など、特定の出来事の発生時点により集団を作る。起点が同じでも、直前の状況が異なる可能性があるため、定義には注意を要する。イベントの種類を揃えることで、たとえば“初回接触からの期間”に沿った比較が可能になり、プロセスの差が見えやすくなる。
2.1.3 特性ベースのコホート
特性ベースは、年齢層、地域、購入カテゴリ、初期スコア、利用デバイスなど、属性に基づいてコホートを作る。これは世代の時間推移というより、属性グループ間の差や挙動パターンを捉える目的に向く。属性選択が恣意的だと分析の再現性が下がるため、選定理由とデータの測定方法を明確にすることが望ましい。
2.2 データ要件と前処理
2.2.1 経時データの整形
経時データでは、人物（または対象）ごとに時刻付きのレコードを整理し、コホート起点からの“経過時間”に変換する作業が必要になる。たとえば登録日からの経過週を計算し、同一経過時点における指標を揃える。さらに、観測が不均一な場合に備え、集計単位（週次・月次など）へ丸める規則を定める。
2.2.2 欠測と打ち切りの扱い
欠測と打ち切りは似て見えるが性質が異なる。欠測は観測機会があるのに記録が欠ける状態、打ち切りは追跡窓の都合などで観測が途中で終わる状態である。打ち切りを欠測として扱うと、離脱や非到達を過大に見積もる可能性がある。追跡窓を明確化し、打ち切りが生じる理由を区別して集計ルールに反映させる。
2.2.3 重複・同一人物の統一
ログが複数アカウントや端末にまたがる場合、対象が二重計上されることがある。ユーザーIDの統合、同一人物を推定するためのキー設計、名寄せのルールが必要になる。名寄せの誤りはコホート間比較を歪めるため、統合手法の根拠とエラー影響を点検する。
2.3 分析期間と追跡設計
2.3.1 追跡窓（観測レンジ）
追跡窓は、起点からいつまで観測するかの範囲である。例えば登録後90日まで、入学後2学年までなどが典型である。窓が短いと中長期の差が見えず、長すぎるとサンプルが減り統計の安定性が損なわれる。コホート間比較では、観測レンジを揃えるか、レンジ差を補正する方針を決める。
2.3.2 打ち切りの定義
打ち切りは、追跡が打ち切られる時点を基準に定義する。退会で追跡が終わるのか、別の理由でログが欠けるのかを区別し、打ち切り時刻を正しく記録する。さらに、打ち切りを“離脱”と混同すると推定が変わるため、定義の整合性が不可欠である。
2.3.3 参照時点（基準日の扱い）
参照時点は、グラフや表の横軸・比較の基準になる日付である。登録日を基準にするのか、初回購入日を基準にするのかで経過時間が変わる。イベントが複数ある場合は、基準イベントの選択が結果の解釈を支配するため、分析の問いに沿って合理的に定める。
3 可視化と基本手法
3.1 コホートテーブル（カレンダーマトリクス）
3.1.1 行・列の意味づけ
カレンダーマトリクスでは、行と列にそれぞれコホートの起点と経過時間を割り当てることが多い。たとえば行を登録月、列を経過月として、セルに指標値（到達率や累積売上など）を置く。意味づけが明確であれば、同じ起点の推移形状やコホート間差を直観的に比較できる。
3.1.2 色付け・正規化の基準
色付けは値の大小を直感的に伝える。正規化としては、初期人数に対する比率、同期間の平均での相対化、分母補正を行った割合などが用いられる。正規化の選択は、規模差の影響をどこまで排除するかに関わるため、セルの定義（分子・分母・集計条件）を併記できる形で運用することが望ましい。
3.2 様々なグラフ表現
3.2.1 複数コホートの線グラフ
線グラフは、時間軸に対して複数コホートの推移を重ねて比較する。月次利用率や継続確率などを対象にすると視認性が高い。線が多すぎる場合は、代表コホートに絞るか、要約統計（中央値や特定パーセンタイル）を併用する。凡例と色の対応付けが誤読を防ぐ。
3.2.2 ヒートマップによる比較
ヒートマップは、値を色で表し、パターンの集中や勾配を把握しやすい。カレンダーマトリクスと同様の構造を取りやすく、特に多数のコホートを扱う場合に有効である。色スケールの範囲設定（例：固定レンジか自動レンジか）を統一し、視覚的な差の過大解釈を抑える。
3.2.3 生存曲線・ハザードの考え方
継続や離脱のような時間到来を扱う場合、生存曲線の考え方が利用される。ここでは「離脱が起きない確率」の推移として曲線を描く。さらにハザードは、経過時間のある時点で離脱が起きやすい相対的な率として解釈される。これらは打ち切りを適切に扱う設計と組み合わせることで、観測窓の影響を軽減しやすい。
3.3 代表的な統計的評価
3.3.1 集計と比較（差・比）
単純な方法として、コホートごとに指標を集計し、差（差分）や比（比率）で比較する。到達率の差、離脱率の比などが例である。比較は直感的だが、基準となる条件が揃っていないと誤解を招く。そこで集計条件を揃え、分母の定義を明示することが前提になる。
3.3.2 回帰による補正
回帰は、複数要因の影響を同時に考慮し、差の見え方を調整するために用いられる。コホート指標（経過時間、起点属性、初期スコアなど）を説明変数に入れ、目的変数（到達・離脱・回数など）を予測する枠組みを設計する。補正により、単純比較では隠れていた関連の違いを整理しやすくなる。
3.3.3 交絡要因の扱い
交絡は、コホートと成果の両方に関わる要因が、結果の差を作っている可能性を指す。たとえば初期利用の強さ、地域の環境差、時期特有の外部要因などが該当する。観測データでは完全な因果分離は困難であるため、利用可能な変数で調整し、それでも残る不確実性を解釈に含めることが重要になる。
4 適用領域と解釈
4.1 社会科学における利用例
4.1.1 教育達成や学習継続
教育分野では、入学年度やコース開始月を起点にして学習継続や到達を追うことが多い。たとえば履修登録後の離脱率、テストの到達割合、学習時間の推移などをコホート別に比較する。制度変更や支援施策の導入前後で世代の推移がどう変わったかを記述する際に有用である。
4.1.2 就業・定着の分析
就業分析では、就職年や採用時期に基づくコホートを設定し、一定期間後の離職率や再就職の有無を追跡する。定着の時間構造を把握することで、初期段階での離職が集中しているか、時間が経つほどリスクが高まるかなどの特徴が見える。政策や支援の設計検討の材料として用いられることがある。
4.1.3 住宅移動・居住継続
居住分析では、入居時期や転居の起点によるコホートで、一定期間内の移動率や居住継続の度合いを追う。移動は家計状況や地域の機会とも結びつくため、単純な時系列だけではなく世代ごとの推移として捉えることで、地域間比較の解像度が上がる場合がある。
4.2 データ品質とバイアス
4.2.1 選択バイアス
選択バイアスは、分析対象に含まれること自体が成果や行動と関連している状況である。たとえば登録した人だけを追うと、登録しなかった人との差が残る可能性がある。さらに、特定のチャネル経由の登録者にサンプルが偏るとコホート間差を作り得るため、対象範囲の記述と欠測理由の確認が必要になる。
4.2.2 サバイバーシップバイアス
サバイバーシップバイアスは、途中で観測から消える対象の性質が一様でない場合に生じる。例えば追跡窓の終盤でデータが残っている人は、継続している側に偏る。離脱や非到達の推定を歪めるため、打ち切りを区別し、適切な集計やモデルを選ぶことが重要である。
4.2.3 年齢・時代効果の混同
同じ年齢でも時代の違いが影響し得る一方、同じ時代でも年齢の違いが影響し得るため、年齢効果と時代効果が混同される恐れがある。コホート分析では起点を世代として扱うため、この混同を意識しつつ、追加の層別や補正、解釈上の制限を明確にすることが求められる。
4.3 結果の解釈上の注意
4.3.1 因果と相関の区別
コホート分析は多くの場合、観測データに基づく記述・関連の整理に強みを持つ。見られた差が施策の効果に由来するとは限らず、外部要因や観測されていない差の影響が残る可能性がある。結果の提示では、因果で断定せず、どの条件のもとで比較しているかを丁寧に説明する。
4.3.2 政策・施策への翻訳
政策や施策へ接続する際には、コホートごとのパターンを“何を優先して改善すべきか”に変換する必要がある。たとえば初期離脱が大きいならオンボーディング改善、到達までの遅れが目立つなら支援設計の見直し、といった整理が行われる。ただし、翻訳の際には変数選択や解釈の前提が実装判断に直結するため、検討根拠を明確化する。
4.3.3 信頼性と再現性の担保
信頼性は、データ処理の手順、定義したコホートの条件、集計規則の一貫性に左右される。再現性のためには、コホートの作り方、欠測・打ち切り処理、可視化のスケール設定、分析コードやパラメータを記録することが望ましい。加えて、感度分析として粒度変更や追跡窓変更の影響を確認すると、頑健性の評価に役立つ。