1 概説
名義尺度は、対象を「同じか異なるか」で区別するための測定水準である。ここでの数値は大きさや順位を表すものではなく、単にカテゴリを識別する記号として用いられる。たとえば、特定の集団を属性ごとに分類したり、回答を区分したりする場面で広く使われる。
名義尺度の基本は、値どうしの関係が同一性の有無に限られる点にある。そのため、平均や中央値との差といった計算は意味を持たず、頻度や割合のような集計が中心となる。統計学だけでなく、心理学、社会調査、医療、情報分類などでも基礎的な役割を担う。
1.1 定義
名義尺度とは、観測値を互いに区別するための尺度であり、各値に順序や量的な差を与えない。各カテゴリは互いに排他的で、同じ対象が同時に複数のカテゴリに属さないように設定されることが多い。
この尺度では、数値が付与されていても、それはラベルに近い扱いである。例えば「1」「2」「3」が割り当てられていても、1が2より小さい、あるいは2と3の差が一定であると解釈することはできない。
1.2 尺度の位置づけ
名義尺度は、一般に測定尺度の中で最も基礎的な区分に置かれる。属性の有無や種類を示す点で重要だが、量的比較はできないため、より上位の尺度が扱う情報量は含まない。
一方で、分類の出発点としては不可欠である。現実のデータは、まず名義尺度として整理され、その後に必要に応じて順序尺度や量的尺度へと発展的に扱われることがある。
1.3 他の尺度との違い
順序尺度は並びの情報を持つが、名義尺度にはその性質がない。たとえば満足度を「低い・中くらい・高い」と並べることは順序尺度に近いが、「A型・B型・O型・AB型」のような区分には順序がない。
間隔尺度や比率尺度では、差や比が意味を持つのに対し、名義尺度ではそれらの演算は成立しない。したがって、名義尺度の分析では、数値そのものよりもカテゴリ間の分布が重視される。
2 特徴
名義尺度の特徴は、分類の明確さと、量的操作ができない点に集約される。対象を区別するには有効だが、大小関係や増減を示す目的には向かない。
この性質のため、名義尺度のデータは「何であるか」を示す情報として扱われる。評価の高低や距離の大小ではなく、所属先や種類を示すことに意味がある。
2.1 順序を持たないこと
名義尺度のカテゴリには、自然な順番が存在しない。どの項目を先に置くかは、表示上の便宜にすぎない。
そのため、カテゴリを並べ替えても意味内容は変化しない。記録や集計の都合で順序が付けられていても、その配列から量的な解釈を導くことはできない。
2.2 数量的意味を持たないこと
名義尺度における数値は、量を表さない。数字が付いていても、その差や比率を読むことは不適切である。
例えば、カテゴリ1がカテゴリ2の半分である、というような説明は成立しない。数値は識別記号としてのみ働き、算術的な意味は持たない。
2.3 分類と識別への利用
名義尺度は、データを整理し、対象を区別するために使われる。属性の違いを明確にすることで、集計や検索、照合がしやすくなる。
この用途は、調査票の回答選択、患者情報の整理、商品分類、ファイルのタグ付けなど多岐にわたる。複雑な対象を扱う際の基礎的な枠組みとして有用である。
3 具体例
名義尺度は日常的にも広く見られる。多くは、複数の選択肢から該当するものを選ぶ形式で現れる。
3.1 性別
性別は、調査や記録で名義尺度として扱われる代表的な例である。回答の選択肢は、分類のための区分として設定され、順序や数的大小は持たない。
ただし、実際の運用では、設問の設計や表記に配慮が求められる。単純な二分法では表現しきれない場合もあるため、実務上は選択肢の設計が重要になる。
3.2 血液型
血液型は、A型、B型、O型、AB型のように互いに異なるカテゴリとして整理される。これらは順番を持たず、各型の違いは分類上の区別として扱われる。
医療や献血の文脈では重要な属性だが、名義尺度としての本質は変わらない。型の違いは存在するものの、尺度上は大小関係を含まない。
3.3 国籍
国籍は、所属する国家の違いを示す区分である。国名は多数存在し、名義尺度の典型的なカテゴリ群を形成する。
この情報は、社会調査や行政記録、統計調査などでしばしば利用される。地域的な分布を示す際には、国籍ごとの人数や比率が重要になる。
3.4 目の色
目の色は、個人の外見上の特徴を分類するための名義的属性である。青、茶、緑などの項目は、色の違いを示すが、尺度としての順序はない。
観察や記録では視覚的に把握しやすく、比較的単純な分類項目として使われる。研究では、遺伝や人口統計の文脈で扱われることがある。
3.5 アンケートの選択肢
アンケートでは、「はい・いいえ」「利用する・利用しない」などの選択肢が名義尺度にあたることが多い。これらは状態や回答の種類を示すための区分である。
設問によっては複数回答や自由記述と組み合わされることもあるが、単一選択のカテゴリは名義データとして処理される。集計では、回答数や構成比が主な指標となる。
4 統計的な扱い
名義尺度のデータは、数値計算よりもカテゴリごとの分布を把握することが重要である。統計処理では、頻度の整理やカテゴリ間の比較が中心となる。
4.1 記述統計
記述統計では、名義尺度に対して使える指標が限られる。平均や分散は原則として適切ではなく、度数分布や最頻値が基本となる。
4.1.1 度数
度数は、各カテゴリに属する件数を示す。名義データの最も基本的な整理方法であり、全体の構成を把握する第一歩となる。
度数を比率や百分率に変換すると、各カテゴリの占める割合が見やすくなる。これにより、単純な件数だけでは分かりにくい偏りも把握しやすい。
4.1.2 最頻値
最頻値は、最も多く現れるカテゴリを示す。名義尺度では、中心傾向を表す代表的な指標として用いられる。
ただし、同数で複数のカテゴリが並ぶ場合もある。その場合は単一の最頻値に定まらず、複数のカテゴリが代表として挙げられる。
4.2 クロス集計
クロス集計は、二つ以上の名義変数の関係を表形式で整理する方法である。カテゴリどうしの組み合わせを確認することで、分布の偏りや関連の傾向を把握できる。
この方法は、例えば地域別の回答傾向や属性別の分類結果を比較する際に有効である。行と列の設定を変えるだけで見え方が変わるため、目的に応じた配置が重要になる。
4.3 仮説検定
名義尺度に対する仮説検定では、カテゴリ間の独立性や比率の差を調べることが多い。代表的には、カイ二乗検定などが用いられる。
検定の焦点は、観測された度数の偏りが偶然によるものかどうかにある。量的な平均差をみるのではなく、分布の違いを問題にする点が特徴である。
4.4 可視化の方法
名義データの可視化では、棒グラフや円グラフがよく使われる。各カテゴリの大きさを直感的に比較しやすいため、全体像の把握に向いている。
棒グラフは比較のしやすさに優れ、円グラフは構成比を示す際に用いられることがある。ただし、カテゴリ数が多い場合は、表示が煩雑になるため整理が必要である。
5 データ処理上の注意点
名義尺度は扱いやすいように見えるが、数値化や分類の方法を誤ると解釈を損ねる。特に、記号としての数字を量として読まないことが重要である。
5.1 数値の割り当ての意味
名義尺度では、カテゴリに数字を割り当てることがあるが、その番号自体に意味はない。入力や管理の便宜のためのコードであり、順序や強さを示さない。
分析の際に、このコードをそのまま数値データとして扱うと誤解が生じる。したがって、ソフトウェア上の表現と概念上の尺度を区別する必要がある。
5.2 順序尺度との混同
名義尺度と順序尺度は似て見えても、解釈は大きく異なる。順序があるかどうかは、分析方法を選ぶうえで決定的である。
たとえば、回答を「低・中・高」と置けば順序が想定されるが、「赤・青・黄」のような区分には並びがない。順序の有無を確認せずに集計すると、意味のない比較を行うおそれがある。
5.3 欠損値の扱い
欠損値は、名義尺度のカテゴリとは別に扱うのが一般的である。未回答や不明は、既存のカテゴリに無理に含めないほうがよい場合が多い。
ただし、欠損の理由が情報として重要なこともある。その場合は、「無回答」「不明」などを独立した区分として管理することがある。
5.4 カテゴリの統合と分割
カテゴリが細かすぎると集計しにくく、逆に大まかすぎると情報が失われる。そのため、分析目的に応じて統合や分割を行うことがある。
統合は、少数カテゴリをまとめて傾向を見やすくする方法である。一方、分割は、粗い分類をより詳細にして違いを明確にする場合に用いられる。
6 応用分野
名義尺度は、多くの実務分野で基礎的な情報の整理に用いられる。分類が必要な場面では、ほぼ必ず何らかの形で現れる。
6.1 社会調査
社会調査では、性別、職業、居住地、回答内容などを名義尺度として記録することが多い。回答者の属性を整理することで、集団の構成や傾向を把握しやすくなる。
調査設計では、選択肢の設定が分析結果に影響する。分類の粒度や表現の仕方を適切に整えることが重要である。
6.2 心理学
心理学では、被験者の属性や反応の種類を名義尺度で扱うことがある。実験条件の区別や回答の分類に使うことで、結果の整理がしやすくなる。
尺度としての制約が明確なため、分析方法の選択にも注意が必要である。特に、量的変数と同じ感覚で扱わないことが基本となる。
6.3 医療統計
医療統計では、診断名、検査の有無、血液型、治療群などが名義尺度として現れる。患者情報の分類や集計において、カテゴリ変数は不可欠である。
こうしたデータは、頻度分析や関連分析の対象となることが多い。個々の分類が臨床上の意味を持つ場合でも、尺度としては名義的に扱われる。
6.4 情報科学
情報科学では、タグ、ラベル、コード、ファイル種別などの管理に名義尺度の考え方が使われる。検索、分類、アクセス制御などで、対象を区別する仕組みとして重要である。
データベース設計でも、カテゴリ型属性の整理は基本要素である。名義尺度を適切に扱うことで、蓄積した情報を安定して運用できる。