【重要】PHPの脆弱性、うちのサイトは大丈夫?今すぐチェック

マトリックスデータ解析法とは|新QC七つ道具の使い方

@SOHO編集部
@SOHO編集部
マトリックスデータ解析法とは|新QC七つ道具の使い方

この記事のポイント

  • ✓マトリックスデータ解析法とは何かを
  • ✓新QC七つ道具の中での位置づけと
  • ✓主成分分析との関係から説明します

マトリックスデータ解析法を調べている人の多くは、品質管理の研修や資格の勉強で新QC七つ道具を学ぶ中で、この手法だけ急に数学の話になって戸惑っています。結論から言うと、マトリックスデータ解析法とは、たくさんの項目で評価したデータを、少ない数の軸にまとめて散布図に表し、項目どうしや対象どうしの似た傾向を見つける手法です。中身は統計学でいう主成分分析で、計算そのものはソフトウェアに任せるのが一般的です。使う人に求められるのは、計算よりも、目的に合ったデータを集めることと、出てきた図を正しく読むことです。この記事では、手法の位置づけ、解析の流れ、図の読み方、使える道具、よくある誤りを順に説明します。分析の結果をもとにした改善の作業を何人かで分担するときに、担当と期限と進み具合を共有できるプロジェクト管理ツールのPinatecaのような道具の使い方にも後半で触れます。

マトリックスデータ解析法とは

マトリックスデータ解析法とは、行と列からなる表(マトリックス)にまとめた数値のデータを、統計的な計算で整理し、データ全体の傾向を少ない数の軸で表す手法です。品質管理の手法を集めた新QC七つ道具の1つに数えられています。

たとえば、10種類の商品を「味」「価格」「量」「見た目」「手に入れやすさ」など8つの項目で評価したデータがあるとします。8つの項目をすべて同時に見比べるのは、人の目にはとても難しいことです。マトリックスデータ解析法では、この8つの項目を、似た動きをする項目どうしでまとめて、2つか3つの新しい軸に置き換えます。その軸を縦と横にした散布図に10種類の商品を並べると、どの商品が似ていて、どの商品が離れているのかが目で見て分かるようになります。

IT用語の辞典の e-Words では、この手法について次のように説明しています。

新QC七つ道具は1970年代の日本で製造業の品質管理(QC)のために体系化された手法で、言語データや定性情報の整理を主眼に置いている。マトリックスデータ解析法はその中に含まれるが、主成分分析をはじめとする統計解析の知識を要するため、他の六手法と比べて現場での適用難易度は高い。 出典: e-words.jp

この説明のとおり、新QC七つ道具の多くは言葉で書かれた情報を整理する手法ですが、マトリックスデータ解析法だけは数値のデータを扱います。そのため、七つ道具の中では少し性格の違う手法だと考えておくと理解しやすくなります。

新QC七つ道具の中での位置づけ

新QC七つ道具は、品質管理の問題のうち、原因がはっきりしない問題や、言葉でしか表せない情報が多い問題を整理するために、日本でまとめられた手法の集まりです。7つの手法は次のとおりです。

手法 主な使い道 扱う情報
親和図法 ばらばらの意見や事実を、似たものどうしでまとめる 言葉
連関図法 問題と原因のからみ合いを矢印でつなぐ 言葉
系統図法 目的を達成する手段を、枝分かれで具体化する 言葉
マトリックス図法 2つの要素の組み合わせを表にして関係を見る 言葉、記号
アローダイアグラム法 作業の順番と日程を矢印の図で表す 作業と日数
PDPC法 計画の途中で起こりうることを予測し、対策を考える 言葉
マトリックスデータ解析法 数値のデータを少ない軸にまとめて傾向を見る 数値

似た名前のマトリックス図法とは、まったく別の手法です。マトリックス図法は、たとえば「不具合の種類」と「原因」を行と列に並べ、関係のあるところに印を付けて整理する手法で、計算は使いません。マトリックスデータ解析法は、表の中身が数値であり、その数値を計算で整理する点が違います。

一方、新しくない方の「QC七つ道具」は、パレート図、特性要因図、ヒストグラム、散布図、管理図、チェックシート、層別の7つで、こちらは主に数値のデータを扱う手法です。日本科学技術連盟のQCストーリー・QC手法のページでも、QC七つ道具は統計的品質管理の基本の手法として紹介されています。マトリックスデータ解析法は、新QC七つ道具に入っていながら、扱うデータの性格はQC七つ道具に近い、という少し特別な立ち位置にあります。

主成分分析との関係

マトリックスデータ解析法の中身は、統計学で主成分分析と呼ばれる計算です。主成分分析とは、多くの項目(変数)を、情報をできるだけ失わないように、少ない数の新しい項目(主成分)にまとめる方法のことです。

主成分の考え方を、身近な例で説明します。学校のテストで、国語、英語、社会、数学、理科の5教科の点数があるとします。国語と英語と社会の点数は似た動きをし、数学と理科の点数も似た動きをすることがよくあります。このとき、5教科の点数を「総合的な学力」と「文系か理系か」という2つの軸にまとめると、5つの数字を見なくても、一人ひとりの特徴をおおまかにつかめます。この「総合的な学力」や「文系か理系か」に当たるものが主成分です。

主成分は、計算によって自動的に作られます。最初の主成分(第1主成分)は、データのばらつきを最もよく説明する方向として作られ、次の主成分(第2主成分)は、第1主成分では説明しきれなかったばらつきを最もよく説明する方向として作られます。

計算で作られるのは軸の方向だけで、その軸が何を意味するのかは、人が考えて名前を付けます。先ほどの例でいえば、「総合的な学力」「文系か理系か」という名前は、計算の結果を見た人が付けたものです。この名前付けが、マトリックスデータ解析法で最も人の判断が問われる部分です。

マトリックスデータ解析法と主成分分析は、ほぼ同じものと考えてかまいません。品質管理の分野でこの計算を使うときに、マトリックスデータ解析法という名前で呼ばれている、と理解しておけば十分です。

どんな場面で使うか

マトリックスデータ解析法は、多くの項目で評価した数値のデータがあり、その全体の傾向をつかみたいときに使います。使われることの多い場面を挙げます。

  • 商品やサービスの評価のアンケートを分析し、お客様が何を重視しているかをつかむ
  • 自社の商品と競合の商品を、いくつもの特性で比べて位置づけを見る
  • 製造の条件(温度、圧力、時間など)と品質の特性の関係を整理する
  • 社員の意識調査の結果から、意見の傾向のまとまりを見つける
  • 店舗ごとの売上や客数などの数字を比べ、似た店舗のまとまりを見つける

反対に、向かない場面もあります。データの件数がとても少ない場合、項目どうしの関係がほとんどない場合、言葉でしか表せない情報が中心の場合は、マトリックスデータ解析法を使っても意味のある結果は出にくくなります。言葉の情報を整理したいなら親和図法、原因のからみ合いを見たいなら連関図法など、ほかの手法のほうが向いています。

この手法の強みは、多くの項目の関係を一度に見渡せることです。項目が3つか4つであれば、項目どうしを2つずつ散布図にして見比べることもできますが、項目が10を超えると、組み合わせの数が多すぎて見比べきれません。そうしたときに、少ない軸にまとめて全体を一枚の図で見られることが、この手法を使う理由になります。

データを集める

マトリックスデータ解析法の結果の良し悪しは、計算の前のデータ集めでほぼ決まります。目的に合わないデータを集めると、どれだけ計算しても役に立つ結果は出ません。

データを集めるときは、次の順番で考えます。

  1. 分析の目的を決める:何を知りたいのか、結果を何に使うのか
  2. 分析の対象を決める:商品、店舗、回答者など、行に並べるもの
  3. 評価の項目を決める:対象を評価する観点、列に並べるもの
  4. 評価の尺度を決める:5段階の評価、実際の数値など
  5. データを集めて表にまとめる

評価の項目は、目的に関係するものを選びます。項目が多すぎると答える人の負担が増え、少なすぎると傾向が見えません。アンケートであれば、10項目前後に絞るのが答えやすさとのつり合いの目安です。

データの件数も大切です。対象の数が評価の項目の数よりも少ないと、計算の結果が安定しません。アンケートの分析であれば、回答の数は項目の数の数倍以上を集めるのが望ましいとされています。

集めたデータは、行に対象(商品や回答者)、列に評価の項目を並べた表にまとめます。空いているところ(答えていない項目)があると計算できないことが多いので、空いたところの扱いを決めておきます。空いた行を除く、空いたところを平均の値で埋める、などの方法がありますが、どの方法を選んだかは結果を報告するときに書いておきます。

アンケートを作るときの注意

マトリックスデータ解析法でアンケートの結果を分析する場合は、アンケートを作る段階からいくつか気をつけておくと、あとの分析がしやすくなります。

1つ目は、評価の尺度をそろえることです。すべての質問を「1まったくそう思わない」から「5とてもそう思う」の5段階のように同じ尺度にしておくと、項目どうしを比べやすくなります。質問ごとに3段階と7段階が混ざっていると、標準化をしても解釈が難しくなります。

2つ目は、質問の向きに気をつけることです。「導入したい」と「導入したくない」のように、反対の意味の質問が混ざっていると、相関の数字がマイナスに出ます。分析のときに向きをそろえて読めば問題はありませんが、混乱を避けるため、質問の一覧に向きを書き添えておきます。

3つ目は、1つの質問で1つのことだけを聞くことです。「味と見た目に満足していますか」のように2つのことを1つの質問で聞くと、答える人がどちらについて答えたのかが分からず、分析の結果も読み取れなくなります。

4つ目は、答える人の負担を考えることです。質問が多すぎると、後半の質問ほど適当に答えられやすくなり、データの質が下がります。本当に必要な項目に絞り込むことが、結果の信頼性を高める近道です。

解析の流れ

データがそろったら、解析に進みます。部品メーカーの社内アンケートを例に解析の流れを解説している技術コラムでは、計算の扱いについて次のように述べています。

以降では、マトリックスデータ解析法で実際に行うことについて解説します。実際の計算はソフトウェアで行うことが多く、計算も複雑であるため、ここでは詳細な解説は控え、解析のだいたいの流れのみ見ていただくようにします。 出典: engineering-technology.brexa.com

この記事でも、計算の式には立ち入らず、流れと考え方を説明します。解析の大まかな流れは次のとおりです。

  1. 項目ごとのデータをそろえる(標準化)
  2. 項目どうしの関係を表にする(相関行列)
  3. 主成分を計算する
  4. 主成分がどれだけ情報を表しているかを確かめる(寄与率)
  5. 主成分の意味を読み取り、名前を付ける(主成分負荷量)
  6. 対象を散布図に並べる(主成分得点)
  7. 図から傾向を読み取り、結論をまとめる

1つ目の標準化とは、項目ごとに単位や数字の大きさが違うデータを、同じ物差しでそろえることです。たとえば、価格は数百円から数千円、評価は1から5の数字というように大きさが違うと、そのままでは数字の大きい項目の影響が強く出てしまいます。標準化をすると、どの項目も平均が0、ばらつきが同じ大きさになり、公平に比べられるようになります。

2つ目の相関行列とは、すべての項目の組み合わせについて、2つの項目がどれだけ似た動きをするか(相関)を数字で表した表です。相関の数字は-1から1の間で、1に近いほど同じ方向に動き、-1に近いほど反対の方向に動き、0に近いほど関係がないことを表します。

3つ目から6つ目は、ソフトウェアが計算してくれる部分です。使う人は、出てきた結果を読み取ることに集中します。

寄与率と主成分の数の決め方

主成分を計算すると、項目の数と同じだけの主成分が作られます。8つの項目があれば、第1主成分から第8主成分までが作られます。そのうち、いくつの主成分を使うかを決めるのが、寄与率です。

寄与率とは、1つの主成分が、データ全体のばらつきのうちどれだけの割合を表しているかを示す数字です。第1主成分の寄与率が45%、第2主成分が25%であれば、2つの主成分で全体の70%の情報を表していることになります。この合計を累積寄与率と呼びます。

使う主成分の数を決めるときの目安としては、次のような考え方がよく使われます。

  • 累積寄与率がおおむね70%から80%に達するところまでを使う
  • 固有値が1以上の主成分を使う(固有値とは、主成分が表すばらつきの大きさを示す数字で、1以上なら元の項目1つ分より多くの情報を持つ)
  • 寄与率を順に並べたグラフで、急に下がりが緩やかになる手前までを使う

ただし、これらはあくまで目安です。最終的には、主成分に意味のある名前を付けられるかどうかで判断します。累積寄与率を高めるために主成分を増やしても、意味を読み取れない主成分は、結論を出すときの役に立ちません。

実際の分析では、第1主成分と第2主成分の2つを使って散布図を描くことが多くあります。2つで十分な情報を表せていないときは、第3主成分まで使い、第1と第3、第2と第3の組み合わせの図も見ます。

主成分の意味を読み取る

主成分の意味を読み取るときに使うのが、主成分負荷量(因子負荷量と呼ばれることもあります)です。主成分負荷量とは、元の項目と主成分がどれだけ強く関係しているかを示す数字で、-1から1の間の値になります。

たとえば、商品の評価のアンケートで、第1主成分の負荷量が次のようになったとします。

評価の項目 第1主成分 第2主成分
味 0.82 0.10
素材の良さ 0.78 0.05
見た目 0.70 0.35
価格の安さ 0.15 0.85
量 0.20 0.76
手に入れやすさ 0.05 0.68

この表は、考え方を示すための例です。第1主成分は、味、素材の良さ、見た目と強く関係しているので、「品質の高さ」と名前を付けられそうです。第2主成分は、価格の安さ、量、手に入れやすさと強く関係しているので、「お得さ、手軽さ」と名前を付けられそうです。

このように、負荷量の大きい項目に共通する性質を考えて、主成分に名前を付けます。負荷量がどのくらいなら「強く関係している」と言えるかに決まった線はありませんが、絶対値が0.5を超える項目に注目して考えることがよく行われます。

名前の付け方は、分析する人の判断です。そのため、1人で決めずに、商品や現場をよく知る人と一緒に考えると、的外れな解釈を防げます。名前を付けにくい主成分がある場合は、無理に名前を付けず、その主成分は使わないという判断もあります。

散布図を読む

主成分に名前が付いたら、対象(商品や回答者)を散布図に並べます。横の軸に第1主成分、縦の軸に第2主成分を取り、それぞれの対象の主成分得点の位置に点を打ちます。主成分得点とは、それぞれの対象が、主成分の軸の上でどの位置にあるかを示す数字のことです。

先ほどの例であれば、横の軸が「品質の高さ」、縦の軸が「お得さ、手軽さ」の散布図になります。この図を4つの区画に分けると、次のように読み取れます。

  • 右上:品質が高く、お得で手軽な商品
  • 右下:品質は高いが、価格が高めで手に入れにくい商品
  • 左上:品質の評価は低めだが、お得で手軽な商品
  • 左下:品質も、お得さ、手軽さも評価が低い商品

自社の商品がどこにあり、競合の商品がどこにあるかを見れば、自社の商品の位置づけが分かります。たとえば、競合の商品がすべて右下と左上に集まっていて、右上が空いているなら、そこに新しい商品を投入する余地があるかもしれない、と考えられます。

散布図では、点の集まり方にも注目します。近くに集まっている対象どうしは、評価の傾向が似ています。離れたところに1つだけある点は、ほかとは違う特徴を持つ対象です。こうした外れた点は、データの入力の誤りであることもあるので、元のデータを確かめておきます。

散布図から読み取れるのは、あくまで「傾向」です。散布図の位置だけで、商品の良し悪しを決めつけないようにします。

使える道具

マトリックスデータ解析法の計算は、手で行うのは現実的ではないので、ソフトウェアを使います。主な選択肢は次のとおりです。

道具 特徴 向いている人
統計の専用ソフト メニューから選ぶだけで計算と図が出る 品質管理の部門、分析を頻繁に行う人
表計算ソフトのアドイン 使い慣れた表計算ソフトの中で計算できる 表計算ソフトに慣れている人
R 無料で使える統計の言語。主成分分析の関数がある 少しプログラムを書ける人
Python 無料で使えるプログラムの言語。分析の部品が豊富 プログラムを書ける人、ほかの処理と組み合わせたい人

表計算ソフトの標準の機能だけでは、主成分分析を直接行うのは難しいため、アドインと呼ばれる追加の機能を入れるか、相関行列までを表計算ソフトで作り、残りをほかの道具で計算する方法がとられます。

どの道具を使っても、出てくる結果の考え方は同じです。寄与率、主成分負荷量、主成分得点、散布図の4つを確かめれば、この記事で説明した読み方ができます。道具によって、主成分の向き(プラスとマイナス)が逆に出ることがありますが、これは計算の都合によるもので、読み方の意味は変わりません。

初めて使う場合は、無料で使える道具で、少ない項目と件数のデータから試してみると、計算の流れと結果の見方に慣れることができます。

ほかの手法と組み合わせる

マトリックスデータ解析法は、単独で使うよりも、新QC七つ道具やQC七つ道具のほかの手法と組み合わせると力を発揮します。

分析の前の段階では、親和図法が役立ちます。アンケートの評価の項目を決めるときに、お客様の声や社員の意見を親和図法でまとめると、どんな観点で評価してもらえばよいかが見えてきます。目的に合った項目を選べるかどうかは、分析の結果を大きく左右するので、この準備は手間をかける価値があります。

分析のあとの段階では、連関図法や系統図法が役立ちます。散布図から「手軽さの評価が低い」と分かったら、連関図法でその原因のからみ合いを整理し、系統図法で手軽さを高めるための手段を具体的な対策まで枝分かれさせていきます。対策の日程を組むときには、アローダイアグラム法で作業の順番を図にできます。

QC七つ道具との組み合わせも有効です。マトリックスデータ解析法で特に注目すべき項目が分かったら、その項目について層別やヒストグラムで詳しく見ると、どの層で評価が低いのか、ばらつきがどのくらいあるのかが分かります。

このように、マトリックスデータ解析法は、全体の傾向をつかむための手法です。全体の傾向が分かったら、ほかの手法で一つひとつの課題を掘り下げる、という使い分けをすると、分析が実際の改善につながりやすくなります。

結果を報告にまとめるとき

マトリックスデータ解析法の結果を、上司や関係する部署に報告するときは、計算の専門用語をできるだけ使わずに説明することが大切です。報告を受ける人の多くは、主成分分析の計算の中身には関心がなく、「何が分かり、何をすればよいか」を知りたいと考えています。

報告は、次の順番でまとめると伝わりやすくなります。

  1. 分析の目的と、使ったデータ(対象、項目、件数、集めた時期)
  2. 分かったこと(結論)を3つ程度
  3. 結論の根拠となる散布図と、軸の意味の説明
  4. 結論から考えられる課題と、取り組みの提案
  5. 分析の限界(データの件数、空いたところの扱い、相関と原因の違い)

散布図を見せるときは、軸に「第1主成分」「第2主成分」と書くだけでなく、「品質の高さ」「手軽さ」のように付けた名前を書き添えます。軸の名前がないと、読む人は図の意味をつかめません。

寄与率は、図の下に「2つの軸で全体の情報の72%を表している」のように一言添えると、図がどのくらいデータ全体を表しているかが伝わります。分析の限界を正直に書いておくことも、報告の信頼性を高めます。結論を言い切りすぎず、「この傾向が見られた」「さらに確かめる必要がある」と区別して書くと、報告を受けた人が判断を誤りにくくなります。

手法を使うときのよくある誤り

マトリックスデータ解析法は、計算をソフトウェアに任せられる分、結果の読み違いが起きやすい手法です。よくある誤りを挙げます。

1つ目は、目的を決めずにデータを集めることです。手元にあるデータをとりあえず入れて計算しても、結果をどう使えばよいかが分からず、図を眺めて終わりになります。

2つ目は、標準化をせずに計算することです。単位や数字の大きさが違う項目をそのまま計算すると、数字の大きい項目だけが主成分を決めてしまいます。ソフトウェアによっては、標準化するかどうかを選べるので、設定を確かめます。

3つ目は、相関と原因を取り違えることです。2つの項目が似た動きをしていても、一方がもう一方の原因であるとは限りません。たとえば、アンケートで「導入は難しい」と答えた人が「仕事が奪われる」とも答える傾向があっても、どちらが原因かは、この手法だけでは分かりません。

4つ目は、寄与率の低い主成分に意味を持たせすぎることです。寄与率が数%しかない主成分は、データのわずかなばらつきしか表していないので、その主成分の軸での違いを大きな発見のように扱うのは避けます。

5つ目は、データの件数が少なすぎることです。件数が少ないと、たまたまのばらつきに結果が引っ張られ、別のデータで同じ分析をすると違う結果になることがあります。

結果を改善につなげる

マトリックスデータ解析法は、図を描いて終わりではありません。分析の結果から、何をするかを決め、実際に動かしてこそ意味があります。

結果を改善につなげるときは、次の流れで進めます。

  1. 散布図と主成分の意味から、分かったことを3つ程度に絞って書き出す
  2. 分かったことごとに、取り組むべき課題を決める
  3. 課題ごとに、具体的な対策と担当と期限を決める
  4. 対策を行い、同じ調査をもう一度行って変化を確かめる

たとえば、商品の評価の分析で、自社の商品が「品質は高いが、手軽さの評価が低い」位置にあると分かったら、「手に入れやすさを改善する」という課題が見えてきます。そこから、取り扱いの店を増やす、通販で買えるようにする、といった対策を考えます。

対策の効果は、同じ項目で同じ調査をもう一度行い、散布図の上で自社の商品の位置がどう動いたかで確かめられます。前回と今回の図を並べると、改善の結果が目で見て分かるので、社内での説明にも使いやすくなります。

分析のあとの作業を分担して進めるとき

分析で見つかった課題への対策は、商品の企画、営業、製造など、いくつもの部署にまたがることが少なくありません。対策の数が少なく、関わる人も2人か3人であれば、表計算ソフトで「課題」「対策」「担当」「期限」「状況」の列を作った一覧を共有すれば足ります。

ところが、関わる部署が増え、対策の数も多くなると、表計算の一覧では誰の作業が止まっているのか、どの対策の結果が出たのかが見えにくくなります。対策ごとのやり取りがメールに散らばり、分析の結果とのつながりも分からなくなりがちです。その段階では、対策ごとにカードを作り、担当と期限と話し合いを1か所にまとめられるプロジェクト管理ツールを使うと、進み具合を共有しやすくなります。

候補の1つがPinatecaです。公式サイトによると、カンバン、ガント、カレンダー、リストのほか、縦と横の2つの軸のマトリクスにカードを自由に並べられるグリッドボードなど8種類のボードとチャットが無料プランから使えます。たとえば、散布図で分かった区画に合わせて、グリッドボードの縦と横の軸を「品質の高さ」「手軽さ」にし、対策のカードを並べておけば、どの位置づけを改善するための作業なのかを見失わずに済みます。カードごとにコメントを付けたり、カスタムフィールドで「関係する主成分」などの項目を追加したりもできます。5人までのチームなら期限なしで無料で、ボードは10個まで作れます。6人目、または11個目のボードからはスタンダードプランで、料金は1人あたり月額500円(年払いなら1人あたり月額400円、税抜)です。Pinatecaは主成分分析の計算をしたり、散布図を描いたりする道具ではなく、分析のあとの作業の分担と進み具合を共有するための道具です。Pinatecaは、@SOHOを運営する株式会社ライフスケープが開発・提供しています。

データを扱う仕事と、身につけ方

マトリックスデータ解析法のような分析の力は、品質管理の部門だけでなく、マーケティングや商品企画、人事など、さまざまな仕事で生かせます。分析の計算そのものよりも、目的に合ったデータを集め、結果を正しく読み、行動につなげる力が求められています。

在宅ワークとフリーランスの仲介を2004年から続けてきた運営者として見てきた限りでは、アンケートのデータの整理や、集計と分析の補助といった仕事は、データの扱いに慣れた人に外部から頼まれることが多い分野です。依頼する側と受ける側が間に人を入れずに直接やり取りできる形では、依頼する側は同じ予算でより丁寧な分析を頼め、受ける側は手元に残る報酬が厚くなります。データの入力から集計、簡単な分析まで同じ人に続けて任せたいという依頼も多くあります。

分析の前の段階となるデータの入力や整理の仕事については、データ入力・文字起こし・分類のお仕事で、仕事の内容と始め方が紹介されています。AIの学習に使うデータを作る仕事に関心がある人は、AIアノテーション・教師データ作成のお仕事も参考になります。統計や分析を専門にする職業の報酬の目安を知りたいときは、研究者の年収・単価相場で、全国の平均や地域ごとの相場を確かめられます。マトリックスデータ解析法は、難しそうに見えても、考え方を押さえればデータを読む力を一段広げてくれる手法です。

よくある質問

Q. マトリックスデータ解析法と主成分分析は同じものですか?

ほぼ同じものと考えてかまいません。マトリックスデータ解析法は、新QC七つ道具の1つとして品質管理の分野で使われるときの呼び名で、中身の計算は統計学の主成分分析です。多くの項目で評価した数値のデータを、少ない数の主成分という軸にまとめ、散布図に表して傾向を読み取ります。計算はソフトウェアで行うのが一般的です。

Q. マトリックス図法とマトリックスデータ解析法の違いは何ですか?

マトリックス図法は、2つの要素を行と列に並べ、関係のあるところに印を付けて整理する手法で、計算は使いません。マトリックスデータ解析法は、表の中身が数値のデータで、そのデータを主成分分析の計算で整理する手法です。名前は似ていますが、扱う情報も使い方も違います。言葉の情報の関係を整理するならマトリックス図法が向いています。

Q. 主成分はいくつ使えばよいですか?

よく使われる目安は、累積寄与率がおおむね70%から80%に達するところまで、または固有値が1以上の主成分までを使う方法です。実際の分析では、第1主成分と第2主成分の2つで散布図を描くことが多くあります。ただし最終的には、主成分に意味のある名前を付けられるかどうかで判断し、意味を読み取れない主成分は無理に使わないようにします。

Q. マトリックスデータ解析法はExcelでできますか?

表計算ソフトの標準の機能だけで主成分分析を直接行うのは難しく、アドインと呼ばれる追加の機能を入れるか、相関行列までを表計算ソフトで作って残りをほかの道具で計算する方法がとられます。無料で使える統計の言語のRや、プログラムの言語のPythonにも主成分分析の機能があります。初めての場合は、少ない項目のデータで試すと流れをつかめます。

この記事について

@SOHO
編集部

監修:@SOHO編集部

2004年よりフリーランス・在宅ワーク向けサービスを運営。生成AIで作成した下書きを、一次情報と照らし合わせて確認したうえで公開しています。

公開:2026年3月28日最終更新:2026年10月27日
@SOHO編集部

この記事を書いた人

@SOHO編集部

フリーランス・在宅ワークの専門メディア

@SOHOは2004年から続く、日本のフリーランス・在宅ワーク向け案件サイトです。記事は生成AIで下書きを作り、数値・固有名・出典を一次情報と照らし合わせる確認の手順を経て公開しています。

@SOHOで仕事を探してみませんか?

手数料0%・登録無料のクラウドソーシング。フリーランスの方も企業の方も、今すぐ始められます。

関連記事

カテゴリから探す

クラウドソーシング入門

クラウドソーシング入門

クラウドソーシングの基礎知識・始め方・サイト比較

職種別ガイド

職種別ガイド

職種・スキル別の案件獲得方法と単価相場

副業・在宅ワーク

副業・在宅ワーク

副業・在宅ワークの始め方と対象者別ガイド

フリーランス

フリーランス

フリーランスの独立・営業・実務ノウハウ

お金・税金

お金・税金

確定申告・節税・経費・ローンなどお金の知識

スキルアップ

スキルアップ

プロフィール・提案文・単価交渉などのテクニック

比較・ランキング

比較・ランキング

サービス比較・おすすめランキング

AI活用

AI活用

職種別にChatGPT・生成AIを活用して業務効率化・収益化するノウハウ

最新トレンド

最新トレンド

市場動向・法改正・AIなど最新情報

発注者向けガイド

発注者向けガイド

クラウドソーシングで外注・人材探しをする企業・個人向け

転職・キャリア

転職・キャリア

転職エージェント・転職サイト比較・キャリアチェンジ

看護師の転職・求人

看護師の転職・求人

看護師の転職・派遣・単発バイト・副業など働き方のガイド。診療や医学の情報は扱いません

薬剤師の転職・求人

薬剤師の転職・求人

薬剤師・登録販売者の転職・派遣・パートなど働き方のガイド。診療や医学の情報は扱いません

介護職の転職・求人

介護職の転職・求人

介護職・介護福祉士・ケアマネジャー・訪問介護員の転職・派遣・夜勤など働き方のガイド

保育士の転職・求人

保育士の転職・求人

保育士・保育補助・幼稚園教諭の転職・派遣・パートなど働き方のガイド

医療職の転職・求人

医療職の転職・求人

医師・産業医・リハビリ職・歯科衛生士・管理栄養士・医療事務の転職や働き方のガイド。診療や医学の情報は扱いません

保険

保険

生命保険・医療保険・フリーランスの保険設計

採用・求人

採用・求人

無料求人掲載・採用コスト削減・人材募集の方法

オフィス・ワークスペース

オフィス・ワークスペース

バーチャルオフィス・コワーキング・レンタルオフィス

法律・士業

法律・士業

契約トラブル・士業独立開業・フリーランス新法

シニア・50代

シニア・50代

シニア世代のキャリアチェンジ・副業・年金

セキュリティ

セキュリティ

サイバーセキュリティ・脆弱性対策・情報保護

金融・フィンテック

金融・フィンテック

暗号資産・決済・ブロックチェーン・金融テクノロジー

ガジェット・機材

ガジェット・機材

フリーランスに役立つPC・デバイス・周辺機器

子育て×働き方

子育て×働き方

子育てと在宅ワークの両立・保育園・時間管理

補助金・助成金

補助金・助成金

個人事業主・フリーランスが使える公的補助金・助成金・給付金の申請ガイド

M&A・事業売却

M&A・事業売却

会社売却・事業承継・事業譲渡を考える経営者向け。売却の流れ、税金、従業員への伝え方、仲介会社の選び方

アウトソーシング・外注ガイド

アウトソーシング・外注ガイド

SNS運用・経理・広告など、業務のアウトソーシング(外注)を検討する企業・個人向け。費用相場・依頼の流れ・失敗しない選び方