スポンサーリンク

代表値(Measures of Central Tendency)

原理・研究法・歴史

代表値(Measures of Central Tendency)とは、たくさんのデータを1つの数で言い表したものです。平均値・中央値・最頻値の3つが代表的で、データの「真ん中あたり」を示します。

代表値の定義と、5人の貯金額(20・30・40・50・460万円)の棒グラフで平均値120万円は460万円に引っぱられ中央値は40万円であることを示し、3つのポイント(平均値は足して個数で割る、中央値は並べた真ん中の値、尺度水準で使える代表値が決まる)をまとめた図
ひと目でわかる代表値

試験では、3つの求め方に加えて、外れ値や分布の歪みへの強さと、尺度水準(名義・順序・間隔・比率)ごとに使える代表値の対応が問われます。

簡単な説明

ある5人のグループの貯金額が、20万円、30万円、40万円、50万円、460万円だったとします。全員の貯金を足して5で割ると平均は120万円です。でも、120万円を持っている人は1人もいませんし、5人中4人は50万円以下です。「このグループの人は平均120万円持っている」と聞くと、実際より豊かな印象になりますね。

一方、5人を貯金の少ない順に並べてちょうど真ん中の人(3番目)を見ると40万円です。こちらのほうが「ふつうの人」の感覚に近いでしょう。同じデータでも、どの代表値を選ぶかで見え方が変わります。代表値は便利な反面、選び方しだいで印象が変わる道具でもあるのです。

由来

代表値そのものは昔からある素朴な考え方ですが、心理学では、どのデータにどの代表値を使ってよいかが重要な論点になりました。この整理のきっかけは、ハーバード大学の心理学者Stanley Smith Stevens(S. S. Stevens)が1946年にScience誌に発表した論文「On the Theory of Scales of Measurement」です。

年できごと
1946年S. S. Stevensが、測定の尺度を名義・順序・間隔・比率の4つの水準に分け、論文の表(Table 1)で水準ごとに「許される統計量」を示した

具体的な説明

3つの代表値の求め方と特徴

代表値求め方長所注意点
平均値(Mean)全部足してデータの個数で割るすべての値を使う。計算しやすく、統計手法の土台になる外れ値に引っぱられる
中央値(Median)小さい順に並べて真ん中の値。個数が偶数なら真ん中2つの平均外れ値や歪みに強い端の値の大きさは反映されない
最頻値(Mode)いちばん多く現れた値(度数が最大の値)名義尺度でも使える。実際に出た値が選ばれる2つ以上できたり(多峰)、ほとんど意味をなさなかったりする

計算例1:10人の小テスト(10点満点)

10人の得点が「5、3、6、9、4、6、7、5、4、6」だったとします。小さい順に並べると、3、4、4、5、5、6、6、6、7、9です。

  • 平均値:合計は3+4+4+5+5+6+6+6+7+9=55点。55÷10=5.5点
  • 中央値:10個(偶数)なので5番目と6番目の平均。5番目は5点、6番目は6点なので、(5+6)÷2=5.5点
  • 最頻値:6点が3人でいちばん多いので6点

平均値の性質として、各データから平均を引いた差(偏差)を全部足すと0になります。この例では、5.5より低い側の差の合計が−6.5、高い側が+6.5で、ちょうど打ち消し合います。平均値は、データを天びんにのせたときの「つり合いの支点」にあたります。

計算例2:外れ値と歪んだ分布

先ほどの貯金の例(20、30、40、50、460万円)で計算します。平均は(20+30+40+50+460)÷5=600÷5=120万円、中央値は3番目の40万円です。460万円を60万円に置きかえると、平均は200÷5=40万円、中央値は40万円のままです。つまり、たった1人の極端な値で、平均は80万円も動いたのに、中央値は1円も動きませんでした。

貯金や年収のように、少数の大きな値のせいで右すそが長くのびた分布では、ふつう平均値は中央値より大きくなります(平均値>中央値)。左すそが長い分布(たとえば易しすぎるテストの点数)では、反対に平均値が中央値より小さくなる傾向があります。山が1つの左右対称の分布なら、3つの代表値はほぼ同じ位置に集まります。

平均の平均には注意

Aクラス(20人)の平均が60点、Bクラス(30人)の平均が70点のとき、全体の平均は(60+70)÷2=65点ではありません。人数で重みをつけて、(60×20+70×30)÷50=3300÷50=66点です。このように個数で重みづけした平均を加重平均といいます。

尺度水準と代表値の対応

Stevens(1946)の表をもとに、どの代表値が意味をもつかをまとめます。Stevensは、統計量の欄は累積的で、比率尺度のデータにはすべての統計量が使えると述べています。つまり、上の水準(間隔・比率)では、下の水準(名義・順序)の代表値も使えます。

名義・順序・間隔・比率の4つの尺度水準ごとに使える代表値を階段状に示した図。名義尺度は最頻値のみ、順序尺度は最頻値と中央値、間隔尺度と比率尺度は最頻値・中央値・平均値が使える
尺度水準と使える代表値:上の水準では下の水準の代表値も使える
尺度水準例使える代表値
名義尺度好きな部活、血液型、性別最頻値のみ(番号の平均には意味がない)
順序尺度成績の順位、「好き〜嫌い」の順番最頻値、中央値
間隔尺度摂氏の気温、西暦の年最頻値、中央値、平均値
比率尺度身長、反応時間、金額最頻値、中央値、平均値(表ではほかに変動係数も)

心理学でよく使う「とても当てはまる〜まったく当てはまらない」の5段階評定(評定尺度法)は、厳密には順序尺度ですが、等間隔とみなして平均値を出す使い方が広く行われています。Stevens自身も、厳密には順序尺度に平均や標準偏差を使うべきではないとしつつ、実際には役立つ結果が多いことも認めました。ただし、目盛りの間隔が不ぞろいな分だけ平均値には誤差が入ります。まず「順序尺度として扱うなら中央値や最頻値も添える」という基本を押さえておきましょう。

散布度とセットで報告する

代表値だけでは、データの姿はわかりません。次の2つのグループを見てください。

  • グループA:55、58、60、62、65(平均=300÷5=60点、最大−最小=10点)
  • グループB:20、40、60、80、100(平均=300÷5=60点、最大−最小=80点)

平均はどちらも60点ですが、Aは全員が60点前後、Bは20点から100点まで大きくばらついています。このばらつきを表すのが散布度で、最大−最小(範囲)のほか、分散や標準偏差があります。論文などでは、平均値は標準偏差と、中央値は四分位範囲など、代表値と散布度を対にして報告するのが基本です。

例文

「年収のように一部の高い値で右に長くのびる分布では、平均値より中央値のほうが、ふつうの人の水準を表しやすくなります。」

「好きな教科を選んでもらった結果から『平均の好きな教科』は計算できませんが、いちばん多く選ばれた教科(最頻値)なら示せます。」

疑問

Q: 平均値と中央値は、どちらを使えばよいのですか?

A: データの形と目的によります。左右対称で外れ値が少なければ、平均値が情報をいちばん多く使えるので適しています。年収や貯金のように極端な値や歪みがあるときは、中央値のほうが「ふつうの水準」を表します。迷ったら、両方を示すのが安全です。

Q: 平均値が、データの中に1つもない値になってもよいのですか?

A: かまいません。上の小テストの平均5.5点のように、誰もとっていない値になることはよくあります。平均値は「実在する典型的な人」ではなく、データ全体のつり合いの位置を示す数だからです。「平均的な人」を実在すると思い込まないことが大切です。

Q: 2つのクラスの平均点を足して2で割れば、全体の平均になりますか?

A: 人数が同じときだけ一致します。人数がちがうときは、人数で重みづけした加重平均を使います。上の例では、単純に2で割ると65点ですが、正しい全体平均は66点です。

理解度を確認する問題

問題1. 5人の貯金額が20万円、30万円、40万円、50万円、460万円であった。このデータの代表値に関する記述として、最も適切なものはどれか。

  • A. 平均値は40万円で、中央値は120万円である
  • B. 平均値は120万円で、中央値は40万円であり、外れ値の影響を受けにくいのは中央値である
  • C. 平均値と中央値はどちらも120万円である
  • D. 最頻値は460万円であり、これが最も外れ値の影響を受けにくい代表値である

正解:B 平均値は(20+30+40+50+460)÷5=120万円、中央値は小さい順の3番目の40万円で、外れ値に強いのは中央値です。Aは平均値と中央値が逆です。Cは中央値が誤りです。Dは、どの値も1回ずつしか出ていないので最頻値は定まらず、460万円が最頻値になることはありません。


問題2. 尺度水準と、その水準のデータに対して意味のある代表値の組み合わせとして、最も適切なものはどれか。

  • A. 名義尺度のデータ(血液型など)の代表値として、平均値を用いる
  • B. 順序尺度のデータ(順位など)の代表値として、中央値を用いる
  • C. 名義尺度のデータの代表値として、中央値を用いる
  • D. 間隔尺度のデータの代表値として、最頻値は用いることができない

正解:B 順序尺度では大小の順序に意味があるので、中央値(や最頻値)を使えます。Aは誤りで、名義尺度は区別するだけの尺度なので、使えるのは最頻値だけです。Cも、順序がないので中央値は意味をもちません。Dは誤りで、上の水準では、下の水準で使える代表値も使えます。したがって間隔尺度でも最頻値は使えます。


問題3. 8、3、2、3、4 という5つのデータの平均値、中央値、最頻値の組み合わせとして、最も適切なものはどれか。

  • A. 平均値4、中央値3、最頻値3
  • B. 平均値4、中央値2、最頻値3
  • C. 平均値3、中央値3、最頻値3
  • D. 平均値4、中央値4、最頻値3

正解:A 合計は8+3+2+3+4=20なので平均値は20÷5=4です。小さい順に並べると2、3、3、4、8で、真ん中(3番目)の中央値は3、最も多く出る値は3(2回)なので最頻値は3です。Bは、並べ替えずに元の並びの真ん中の値(2)を取ってしまった誤りです。Cは平均値の計算ミス、Dは中央値の誤りです。中央値は必ず並べ替えてから求めます。

関連キーワード

関連論文

まずこの1本

Stevens, S. S.(1946)On the theory of scales of measurement. Science, 103(2684), 677–680.

測定の尺度を名義・順序・間隔・比率の4水準に整理した論文です。Table 1では、水準ごとに、尺度の形を変えない変換(名義=1対1の置きかえ、順序=順序を保つ変換、間隔=x′=ax+b、比率=x′=ax)と、その変換で意味が変わらない統計量の例が示されています。試験対策としては、4水準の名前と順序、名義尺度=最頻値、順序尺度=中央値、間隔・比率尺度=平均値という対応、間隔尺度(摂氏の気温など、0の位置が約束ごと)と比率尺度(長さや時間の長さなど、真の0がある尺度)の違いを押さえましょう。

https://doi.org/10.1126/science.103.2684.677

ほそめがねのひとこと

平均値・中央値・最頻値ごとに見え方変わりますよね。

覚え方

①3つの代表値:「平均は足して割る、中央は真ん中、最頻は人気者」。最頻値は、いちばん人気(度数が多い)の値です。

②外れ値への強さ:「平均は引っぱられ屋、中央はどっしり」。1人の極端な値に平均は振り回されますが、中央値は動きません。

③尺度水準と代表値:「名・順・間・比」に「最・中・平・平」。名義は最頻値、順序は中央値、間隔と比率は平均値と覚えます(上の水準は下の代表値も使えます)。

コメント

タイトルとURLをコピーしました