1 定義
中心化は、各データ値から基準となる値を差し引き、データ全体の位置を新しい原点へ移す操作である。統計学やデータ解析では、変数の大きさそのものよりも、平均との差や基準点からのずれを扱いやすくするために用いられる。
1.1 中心化の意味
中心化の目的は、データの代表値をゼロにそろえることにある。これにより、観測値がどの程度基準から離れているかが明瞭になり、モデルの切片や交互作用の解釈がしやすくなる。単純な変換でありながら、解析の見通しを大きく改善することがある。
1.2 基準値の選び方
基準値には、平均値、中央値、あるいは研究目的に応じた任意の値が使われる。選択は一律ではなく、データの分布特性や分析の狙いによって変わる。どの値を採るかで、中心化後の数値の見え方や解釈の軸が異なる。
1.2.1 平均値による中心化
最も一般的なのは平均値を基準にする方法である。各観測値から算術平均を引くと、変換後の平均は理論上ゼロになる。回帰分析や主成分分析では、この方法が標準的に用いられる。
1.2.2 中央値による中心化
中央値を用いる場合は、外れ値の影響を受けにくい点が特徴である。分布が歪んでいるときや、極端な値が混じるデータでは、平均よりも安定した基準になることがある。ただし、後続の手法によっては平均中心化ほど一般的ではない。
1.2.3 任意の基準値による中心化
分析上の意味を持つ値を基準にして差し引くこともある。たとえば、理論的な基準点、測定の原点、あるいは政策評価の比較対象などが用いられる。こうした中心化は、数値の解釈を実務的な基準に結びつけるのに役立つ。
1.3 標準化との違い
中心化は位置を移す処理であり、標準化はそこに尺度の調整を加える。標準化では通常、中心化の後に標準偏差で割るため、単位がそろい比較しやすくなる。したがって、中心化は位置の調整、標準化は位置と尺度の両方の調整と理解される。
2 数学的表現
中心化は、代数的には単純な減算として表せるが、行列やベクトルで記述すると体系的に扱える。統計計算では、複数変数の同時処理やアルゴリズムの安定化のため、この表現が重要になる。
2.1 基本式
観測値 \(x_i\) を基準値 \(c\) で中心化した値は、\(x_i - c\) と書かれる。平均中心化なら \(c=\bar{x}\) であり、変換後の値の和はゼロになる。これは、元のデータの偏りを基準点周辺の差として再表現する操作である。
2.2 ベクトルとしての中心化
複数の観測値をまとめたベクトルでも中心化は同様に行える。各成分から対応する基準ベクトルを引くことで、データ群の重心を原点へ移動させる。多変量解析では、この見方が理解の土台となる。
2.2.1 平均ベクトルの差し引き
多変量データでは、各変数の平均を並べた平均ベクトルを作り、それを各観測ベクトルから差し引く。こうすると、各変数の中心がそろい、変数間の共通構造を比較しやすくなる。主成分分析では特に重要な前処理である。
2.2.2 中心化行列
中心化は、行列演算では中心化行列によって表現できる。これは、各列の平均を引くように設計された変換行列であり、データ行列に掛けることで一括して中心化を行う。理論研究や計算実装で便利な表現である。
2.3 行列計算における性質
中心化後のデータは、列ごとの和がゼロになるという性質を持つ。これにより、共分散の計算や固有値分解の前処理が整理される。また、線形変換との組み合わせでも扱いやすく、数値計算の安定性に寄与する場合がある。
3 統計解析での利用
中心化は、統計解析の多くの場面で前処理として利用される。単に見た目を整えるだけでなく、推定式の解釈、相関構造の把握、モデルの安定性に関わるため、実務上の意義が大きい。
3.1 回帰分析
回帰分析では、説明変数を中心化することで、切片や交互作用項の意味が明瞭になる。特に複数の説明変数を含むモデルでは、中心化の有無が解釈のしやすさに影響する。
3.1.1 係数解釈への影響
説明変数を中心化すると、切片は「説明変数が平均的なときの応答」を表しやすくなる。元の尺度のままでは、切片が現実的でない値に対応することがあるため、中心化によって意味のある基準点に近づけられる。係数自体の傾きは通常変わらないが、意味づけは変化する。
3.1.2 交互作用項の扱い
交互作用を含むモデルでは、中心化が各主効果の解釈を単純化する。未中心化では、ある変数の効果が別の変数のゼロ点に依存して見えにくくなることがある。中心化により、主効果が平均的条件での効果として読み取りやすくなる。
3.1.3 多重共線性への影響
中心化は、多重共線性を完全に解消するものではないが、交互作用項や高次項との見かけの相関を弱めることがある。とくに二次項を含む回帰では、説明変数の平均からのずれを使うことで推定が安定しやすい。もっとも、根本的な変数間の強い関連が残る場合は、中心化だけで十分とは限らない。
3.2 主成分分析
主成分分析では、中心化が基本的な出発点になる。変数の平均を除いてから共分散構造を調べることで、変動の方向を適切に抽出できる。
3.2.1 共分散行列の作成
中心化されたデータから共分散行列を計算すると、各変数の周辺的な位置の影響を除いた分散関係が得られる。これにより、主成分はデータの散らばりの方向を表すものとして解釈できる。中心化なしでは、位置の差が分散の評価に混入しやすい。
3.2.2 固有値分解との関係
共分散行列に対する固有値分解は、主成分分析の中核である。中心化されたデータから得られる共分散行列を分解することで、分散の大きい方向とその寄与率を求められる。中心化は、この分解が位置ではなく変動の構造を反映するために不可欠である。
3.3 分散分析
分散分析では、群間差と群内変動を比較するが、その際にも中心化の考え方が現れる。各群の平均からのずれをみることで、ばらつきの内訳を整理できる。
3.3.1 群平均との差の考え方
群平均との差は、観測値が各群の代表値からどの程度離れているかを示す。これを用いると、全体平均との差と群内平均との差を分けて考えやすい。結果として、群の違いが全体の変動にどれだけ寄与しているかを把握しやすくなる。
4 性質と応用
中心化には、位置を変えても差の構造を保つという基本的な性質がある。このため、比較、モデリング、視覚化の各場面で広く応用される。
4.1 平行移動不変性
データ全体に同じ定数を加えても、中心化後の相対的な差は本質的に保たれる。これは、中心化が絶対的な位置ではなく、基準からの距離を扱う操作だからである。したがって、平行移動に対する頑健さが高い。
4.2 データの位置情報の除去
中心化は、変数の絶対的な大きさや原点の選び方に由来する情報を取り除く。これにより、分析対象は主として変動や関係性に移る。視覚化でも、散布図や多変量構造の比較がしやすくなる。
4.3 異なる尺度の変数への適用
尺度が異なる変数でも中心化は適用できる。もっとも、単位差そのものは残るため、比較の公平性を高めたい場合は標準化と併用されることが多い。中心化は、少なくとも各変数の基準点をそろえる役割を果たす。
4.4 実務上の注意点
中心化は単純だが、データの扱い方によって結果の意味が変わる。計算前にデータの性質を確認し、解析目的に合う基準を選ぶ必要がある。
4.4.1 欠測値の扱い
欠測値がある場合、平均の算出方法や基準値の決定に注意が必要である。欠測を除外して計算するか、別の補完法を用いるかで、中心化後の値は変わりうる。処理方針を明示しておくことが望ましい。
4.4.2 外れ値の影響
平均を基準にする中心化は、外れ値に影響されやすい。極端な観測値があると、基準点が引きずられ、残りのデータの見え方が変わることがある。そのため、必要に応じて中央値中心化やロバストな手法が検討される。
4.4.3 解釈上の留意点
中心化は数値を変換するだけで、元の現象そのものを変えるわけではない。ただし、切片や基準点の意味は変化するため、結果の読み取りには注意が必要である。報告の際には、どの値を基準にしたかを明記するのが一般的である。