1 分位プロットの概要
分位プロット（分位点プロット）は、観測データの分位点を、仮定した理論分布が与える分位点と対応させて描く散布図である。横軸と縦軸はそれぞれ「理論上の位置」と「データの位置」を表し、両者が一致する場合には点が直線状に並ぶ。したがって、直線からのずれの様式から、分布の歪みや裾の厚さ、極端値の偏りなどを直感的に評価できる。
分位点とは、データを小さい順に並べたときに区切りを与える指標であり、たとえば四分位は全体を四等分した境界、パーセンタイルは百分位に相当する境界である。分位プロットではこれらの境界に対応する値を、理論分布の同じ確率水準の分位点と見比べることで、分布の形状を診断する。
1.1 分位点と分位数の基礎
分位数（quantile）は、累積確率の一定割合に対応するデータの値として定義できる。たとえば分位水準が0.25なら、データの下側25%に属する境界に位置する値を表す。データが離散的であっても、分位数は区分の基準として扱えるため、連続分布の仮定が完全に満たされない場合でも比較の枠組みを提供する。
経験分位関数は、観測データから分位数を計算して得る対応関係であり、理論分位関数は、仮定した分布のパラメータに基づいて分位点を算出する関数である。分位プロットは、この2つの関数を対応させた点群として理解すると扱いやすい。
1.2 分位プロットの目的
分位プロットは、分布の性質を数値要約よりも直接的に点検するために用いられる。特に「仮定した分布がデータをうまく説明できるか」「どこで一致し、どこでずれるか」を視覚的に判断することを主眼とする。
1.2.1 分布形状の診断
データの分布が左右非対称かどうか、極端値がどの程度頻繁か、分布が単一のパターンで説明できるかといった要素は、分位点の並び方に反映されやすい。直線からの系統的な屈曲は、中心付近だけでなく裾や分布の端に関する特徴を示す。
また、同程度の分散でも「裾が厚い」場合と「端が薄い」場合では、同じ確率水準でも対応するデータ値の伸び方が異なる。分位プロットは、その差を直感的に可視化する手段となる。
1.2.2 正規性などの仮定の点検
統計的推定や検定では、しばしば正規性や同分布性といった前提が重要になる。分位プロットでは、理論分布として正規分布を選んだ場合、データの分位点が直線にどれほど近いかで正規性の適合度を概観できる。
ただし、厳密な仮説検定とは異なり、分位プロットは「どれほど違うか」を確率的に判定する機構ではない。視覚的な根拠を得た上で、補助的に他の診断や検定と合わせて判断するのが一般的である。
1.3 分位プロットの種類の全体像
分位プロットの型は、比較対象となる理論分布と、点の選び方（どの分位水準を用いるか）で整理できる。最も広く用いられるのは正規分布との比較であり、正規分位プロット（Q-Qプロット）として知られる。これ以外にも指数分布や対数正規分布など、想定する形に応じて比較対象を選ぶ。
理論分布のパラメータをデータから推定してから分位点を計算する場合、推定済みQ-Qのような扱いになる。パラメータ推定を入れると、直線性の見え方が変わるため、解釈ではその前提を明示する必要がある。
2 分位プロットの作成方法
分位プロットは、基本的に「データの分位点を計算し、理論分布の分位点と対応させて描く」ことで作成できる。実装では関数やソフトウェアの標準的な分位計算方法に依存するため、同じデータでもわずかに見え方が異なることがある。
2.1 データの準備と前処理
作図の前に、分析対象となる変数の性質を確認し、分位計算の前提が満たされているかを点検する。特に、欠損や極端値の取り扱いは、分位点に直接影響する。
2.1.1 欠損値・外れ値の扱い
欠損値が含まれる場合は、通常の選択として欠損を除外して計算する方法が用いられる。代替補完を行うと、その補完値が分位点に影響し、見た目の一致を作ってしまう可能性があるため、意図を明確にすることが望ましい。
外れ値は、分位プロットの「端」の形状として現れる。したがって、単に除外するのではなく、まずはその存在がデータ生成過程の一部なのか、測定誤差や入力ミスなのかを切り分ける。データクリーニングの方針が図の結論に及ぶため、記録が重要になる。
2.2 理論分布との対応付け
分位プロットでは、理論分布の選択とパラメータの扱いが描画の核になる。ここが不明確だと、点のずれが「データの非適合」なのか「仮定設定の違い」なのか判別しにくくなる。
2.2.1 分位数の対応（プロットの軸の意味）
一般に、理論分布側の分位点は確率水準q（0から1の間）に対応する値として計算される。データ側では同じqに対応する経験分位数を求め、ペアとしてプロットする。点の各座標は「その確率水準で理論が予測する値」と「実測データが与える値」である。
経験分位の計算法には複数の定義があり、特に端の扱い（最小値や最大値付近）が結果に影響する。座標の解釈を誤らないために、分位の定義や分位水準の集合（たとえば等間隔に設定するか、サンプルサイズに応じて調整するか）を確認する。
2.2.2 パラメータ推定の方法
正規分布との比較では、平均と分散をデータから推定してから理論分位点を算出する場合がある。このとき推定済みの分位点に基づくため、直線に沿う度合いが過大評価されることもある。したがって、推定の方式（不偏分散の使用など）や推定範囲の取り扱いは明示されるべきである。
正規分布以外でも同様に、尺度や形状のパラメータを推定するか、事前に固定するかで比較の意味が変わる。どちらが妥当かは目的次第であり、変換評価や回帰診断と組み合わせる場合には、整合性のある設定を選ぶ。
2.3 描画手順と注意点
描画自体は単純だが、解釈の前提が曖昧になると誤読が起きやすい。特に参照線（直線）の引き方や、サンプルサイズによるばらつきの違いに注意する。
2.3.1 サンプルサイズによる見え方の違い
サンプル数が小さいと、経験分位の推定誤差が大きくなり、点群は直線からの揺らぎが増える。結果として「非正規の可能性」が高く見えることがあるが、実際には単に推定の不確かさによる場合もある。
サンプルが大きくなるほど端の点も安定しやすい一方、微小な違いでも直線性が崩れて見えることがある。したがって、見た目の度合いだけで強い結論を出さず、状況に応じて信頼バンドなどの補助情報を併用することが望ましい。
2.3.2 補助線・参照線の引き方
参照線は、理論分位点と経験分位点がどのように一致していると見なすかの基準である。よく用いられる方法としては、最小二乗で直線をあてはめるか、理論の位置とスケールに合わせて基準線を引く方法がある。
どの基準線を用いたかで「ずれ」の見え方が変わるため、図の注記が重要である。加えて、非線形に近い曲がりを評価する場面では、単一の直線への回帰に引っ張られて本質的な特徴が隠れることがある。そのため、解釈対象は形状の傾向に置くのが安全である。
3 解釈の読み方
分位プロットの解釈では、点群の形状を「どの領域で」「どの方向に」「どれほど系統的に」ずれているかで読み取る。偶然のばらつきと構造的な差を区別する視点が必要である。
3.1 直線性からの逸脱パターン
直線からの逸脱は、分布の非対称性や端の性質を反映することが多い。逸脱が単発か、左右の両端で系統的か、中心付近だけかを観察すると診断が進む。
3.1.1 歪み（非対称性）の兆候
左右の端でずれの方向が対称でない場合、分布の非対称性が疑われる。たとえば左側では点が直線より下に、右側では直線より上に集まるといった形は、分布の中心と端の関係が理論仮定と異なることを示唆する。
歪みは、平均と中央値の位置関係や、分位点の増え方の違いとしても現れる。分位プロットでは、中心をまたいだ曲がりの向きが手がかりになる。
3.1.2 裾の厚さ（極端値）の兆候
端の点が直線から大きく外れて、しかも外れが片側または両側で持続する場合、裾の厚さに関する非適合が考えられる。裾が厚い分布では、理論分位に対してデータ側の端がより極端な値に向かう傾向が出やすい。
逆に端が理論よりも丸く抑えられる（裾が薄い）場合には、端ほど直線への回帰が強く見えることがある。これらは中心では相対的に一致して見えることもあるため、両端の観察が不可欠である。
3.1.3 外れ値の偏りの検出
外れ値は単に点が遠いだけでなく、その位置が特定の確率水準帯に集中しているかで特徴づけられる。たとえば上側の端だけが大きく系統的にずれていれば、極端な高値が多い（あるいは低値が少ない）という偏りが示唆される。
また、複数の飛び離れた点が同じ側に現れる場合は、データの生成過程が単一ではない可能性もある。混ざり合いの可能性は次の具体例の節で触れる。
3.2 具体例による解釈
解釈を具体化するために、代表的な状況ごとに分位プロットの典型的な形を整理する。ここでは仮定する理論分布として正規分布を例にするが、考え方は他の分布にも拡張できる。
3.2.1 正規分布に近い場合
データが正規分布に近いとき、点群は概ね直線に沿って並び、曲がりや系統的な上下は小さくなる。端では多少の揺らぎがあっても、中心から両端へのずれが一貫した方向性を持たないことが多い。
また、直線からの差が特定の領域に限られず、ランダムな散らばりとして現れる場合は、大きな非適合がない可能性がある。ただし、サンプル数が大きい場合は小さな違いが見えるため、ずれの意味づけは目的次第である。
3.2.2 変換が有効な場合
右に裾が長くなるようなデータでは、対数やべき変換により分布をより対称に近づけることがある。変換が有効なら、分位プロットは変換前より直線性が改善し、曲がりが軽減される。
改善の評価では、中心の一致だけでなく端の整合にも注目する。特に裾の厚さに関するずれが減る場合、変換の意図が実データの形状に合致している可能性が高い。
3.2.3 混合分布が示唆される場合
異なる母集団が混ざったデータでは、分位プロットが単一の曲線として説明しにくくなることがある。たとえば直線からの逸脱が複数回の屈曲として現れたり、途中で曲がり方が切り替わるように見える場合は、混合の可能性が検討対象になる。
この状況では、どれほど「良く見える直線」かよりも、「局所的なずれの再現性」が重要になる。追加の診断や、クラスタリングや回帰の観点など、他手法との併用が現実的である。
4 関連手法と実務での位置づけ
分位プロットは診断のための可視化であり、単独で全てを決める道具ではない。実務では、分布適合検定、回帰診断、変換評価などと組み合わせて判断を補強する。
4.1 分布適合検定との関係
分布適合検定は、分位プロットで見えているずれを、統計的基準にもとづいて評価する枠組みを提供する。分位プロットは「どこが違うか」を教えやすく、検定は「どれほど違うか」を裏付けやすい。
4.1.1 尤度・回帰診断との併用
尤度にもとづく比較では、複数の候補分布のうちどれがよりデータを説明するかを数値で整理できる。分位プロットは当てはまりの局所的なズレを示すため、尤度の結果が直感に反する場合の検討材料になる。
回帰分析の文脈では、残差の分位プロットが正規性や分散構造の点検に使われる。ここでも、誤差分布の仮定に関する情報が得られる一方、独立性やモデル化の妥当性は別の診断と併せて確認するのが基本となる。
4.2 変換後の分位プロット
変換は、分布をより扱いやすい形に整えるために行われる。分位プロットは、変換前後を比較し、どの側面が改善したかを視覚的に確認するのに適している。
4.2.1 対数変換の評価
対数変換は、正の値を扱う場面で分散の安定化や歪みの軽減に用いられることがある。対数後の分位プロットで直線性が改善すれば、元データの非対称性や裾の重さに対して変換が整合している可能性が高い。
ただし、ゼロや負の値の扱いが必要になることがある。変換の設計が分位プロットの見え方を左右するため、手順の記録と再現性が重要になる。
4.2.2 ボックスコックス変換の評価
ボックスコックス変換は、べきの指数をデータに合わせて調整し、正規性に近づけることを狙う枠組みである。変換後の分位プロットがより直線に近づく場合、指数選択が適切だった可能性がある。
一方で、端の改善と中心の悪化が同時に起きることもある。評価では、用途に応じてどの領域の一致が望ましいかを考慮し、単なる直線性の最大化に偏らない判断が求められる。
4.3 実務上のベストプラクティス
分位プロットは、設定次第で印象が変わる。実務では、図の作り方を再現可能にし、読み取りの誤りを避けるための手順を整えることが効果的である。
4.3.1 可視化の再現性（設定の記録）
図を残すときは、理論分布の選択、パラメータ推定の有無、分位水準の取り方、参照線の定義、欠損処理の方針などを記録する。これにより、後から同じ結論を検証できる。
ソフトウェアの違いによって分位計算の定義や表示の仕様が異なる場合もあるため、用いた手法名や設定を明示することが望ましい。図そのものだけでは背景情報が不足しやすい。
4.3.2 誤読を避けるチェックリスト
読み取りでは、まず直線からのずれが「偶然のばらつき」と区別できているかを検討する。サンプル数が小さい場合は、局所的な外れに過度な意味を与えない。
次に、参照線が何を意味するのかを確認し、図から導く主張がその前提と整合しているかを見る。さらに、変換を行った場合には、元スケールでの解釈と結びつけるときに変換の影響を誤って解釈しないよう注意する。
最後に、分布適合検定や他の診断結果と突き合わせ、視覚的所見を補強する方向で結論を組み立てる。単独の図から断定する運用は避けるのが無難である。