データ可視化とは？グラフの種類と使い分けをやさしく解説
みなさん、こんにちは。スマート・アナリティクスの畠です。 「データを集めて数表にはまとめたけれど、結局何が言えるのかが見えてこない」「論文に載せる図はどのグラフを選べばいいのか迷う」——研究の現場では、こうした声をよく耳にします。そんなときに力を発揮するのが、今回ご紹介するデータ可視化（data visualization）です。データ可視化とは、データをグラフや図にして、分布・関係・差といった特徴を直感的に読み取れるようにすることです。数表だけでは見えにくいパターンや外れ値、分布の形が、適切なグラフ1枚で一目瞭然になります。しかも可視化は「結果を見せる飾り」ではなく、分析の質そのものを左右する作業です。分析の前に分布を見て前提を確かめ、分析の後に結果を正確に伝える——その両方で図が活躍します。このページでは、目的に応じたグラフの選び方、代表的なグラフが「何を見るための図か」、混同されやすいヒストグラムと棒グラフの違い、そして誤解を生むグラフへの注意までを、順番にやさしく解説していきます。
- データ可視化とは、データをグラフや図にして、分布・関係・差を直感的に読み取れるようにすること。数表では見えにくいパターンや外れ値が一目で分かる
- グラフは「何を見たいか」で決まる。分布はヒストグラム・箱ひげ図、関係は散布図、カテゴリ比較は棒グラフ、推移は折れ線
- ヒストグラムと棒グラフは別物。横軸が「連続量を区切った階級」ならヒストグラム、「別々のカテゴリ」なら棒グラフ
- 箱ひげ図は中央値・四分位範囲・外れ値を要約し、群間のばらつき比較に強い
- 可視化は分析の前（前提確認）と後（結果の伝達）の両方で行う作業。最初に分布を見ておくと手法選択の判断が確かになる
- 不適切な図は読者を誤らせる。目盛りを正直に取る・装飾を足さない・伝えたいことを1つに絞るのが原則
データ可視化とは何か（なぜ図にするのか）
同じデータでも、数表で見るのとグラフで見るのとでは、読み取れることが大きく変わります。データ可視化の主な役割は、次の4つに整理できます。
- 分布の形を見る：左右対称か、偏っているか、山がいくつあるか。
- 外れ値に気づく：極端な値は分析を大きく歪めることがあります。
- 関係を見る：2変数の関連、群間の差。
- 結果を伝える：読者が誤解なく理解できる形で示す。
可視化は分析の「最後」だけでなく「最初」にも行うものです。分析前に分布を見ておくと、手法選択（パラメトリックかノンパラメトリックか等）や前提確認の判断が確かになります。
目的に応じたグラフの選び方
グラフ選びで迷ったら、まず「何を見たいか」に立ち返りましょう。見たいことが決まれば、向くグラフはおのずと決まります。代表的な対応を整理します。
| 見たいこと | 向くグラフ |
|---|---|
| 1つの量的変数の分布 | ヒストグラム、箱ひげ図 |
| 群ごとの分布の比較 | 群別の箱ひげ図 |
| 2つの量的変数の関係 | 散布図 |
| カテゴリごとの量・度数の比較 | 棒グラフ |
| 時間に沿った推移 | 折れ線グラフ |
| 全体に占める構成比 | （限定的に）円グラフ／積み上げ棒グラフ |
代表的なグラフは「何を見るための図か」
よく使うグラフが、それぞれ「何を読み取るための図なのか」を押さえておきましょう。
- ヒストグラム：1つの量的変数の分布の形を見る。階級（区間）ごとの度数を棒で表します。
- 箱ひげ図：中央値・四分位範囲・外れ値を要約し、分布の位置とばらつきを見る。群間比較に強い。
- 散布図：2つの量的変数の関係（相関の向き・強さ・非線形・外れ値）を見る。
- 棒グラフ：カテゴリごとの量や度数を比較する。
- 折れ線グラフ：連続的に変化する量（多くは時間）の推移を見る。
- 円グラフ：構成比を見るが、角度・面積の比較が苦手で誤読されやすい。
ヒストグラムと棒グラフの違い（混同に注意）
見た目が似ているため混同されがちですが、ヒストグラムと棒グラフはまったく別物です。違いを表で整理します。
| 観点 | ヒストグラム | 棒グラフ |
|---|---|---|
| 横軸 | 連続量を区切った階級（順序と幅に意味がある） | カテゴリ（順序・幅に本質的な意味はない） |
| 棒の間隔 | 原則すき間なし（区間が連続） | すき間を空けて独立を示す |
| 見るもの | 量的変数の分布の形 | カテゴリ間の量・度数の比較 |
横軸が「連続量を区切ったもの」ならヒストグラム、「別々のカテゴリ」なら棒グラフです。連続量にすき間を空けた棒グラフを使う、あるいはカテゴリをヒストグラム風に詰めて描くのは、読者を混乱させます。
箱ひげ図はどう読むか
箱ひげ図は、分布を5つの要約値で表したグラフです。慣れると、群ごとのばらつきや外れ値を一目で比較できるようになります。
- 箱：第1四分位数〜第3四分位数（中央の50%が入る範囲＝四分位範囲）
- 箱の中の線：中央値
- ひげ：おおむねデータの広がり（外れ値を除いた範囲。定義は流儀あり）
- 点：外れ値
群ごとに並べると、中央値の高低・ばらつき・外れ値・分布の偏りを一目で比較できます。標準偏差や分散といった「ばらつきの数値」とあわせて読むと、理解がいっそう深まります。
誤解を生むグラフへの注意
グラフは強力なぶん、不適切だと読者を誤らせます。研究の図では特に、次のような落とし穴に注意しましょう。
- 軸の途中省略（ゼロから始めない棒グラフ）：わずかな差を大きく見せてしまう。
- 3D装飾・過度な彩色：奥行きや色が値の比較をゆがめる。
- 不適切な円グラフ：項目が多い／差が小さいと、角度の比較ができず誤読される。
- 二重軸（左右で別スケール）：見かけの相関を作り出してしまうことがある。
よいグラフの原則はシンプルです——伝えたいことを1つに絞る／目盛りを正直に取る／余計な装飾を足さない。研究の図は「正確に伝わること」が最優先です。
SPSSでの作図（概要）
SPSSでは「グラフ → 図表ビルダー」で、ヒストグラム・箱ひげ図・散布図・棒グラフ・折れ線などを作成できます。分析前の分布確認は「分析 → 記述統計 → 探索的分析」で、ヒストグラム・箱ひげ図・正規Q-Qプロットをまとめて出すと効率的です。詳しい操作は「SPSSの使い方」シリーズに譲ります。
関連分析手法・SPSS実装ガイド
データ可視化と関連の深い分析手法・SPSSでの具体的な実装手順を以下にまとめます。研究計画や論文執筆の参考にあわせてご活用ください。
- 度数分布表とは？ — ヒストグラムの土台となる、階級と度数の整理。
- 標準偏差と分散とは？ — 箱ひげ図・分布図で読む「ばらつき」を数値で理解する。
- 相関分析とは？ — 散布図で見た2変数の関係を数値で表す手法。
- SPSSとは？研究・実務で使われる統計解析ソフトをやさしく解説 — 製品の全体像・価格・購入方法。図表ビルダーで多彩なグラフを作成できます。
- SPSSの使い方シリーズ（全10回） — 起動・データ準備・分析・出力結果の解釈まで体系的に学べます。
つまずきやすいポイントと注意点
データ可視化でつまずきやすいポイントを、ここで整理しておきます。
1. ヒストグラムと棒グラフを取り違える。横軸が連続量を区切った階級ならヒストグラム（すき間なし・分布の形）、別々のカテゴリなら棒グラフ（すき間あり・量の比較）です。連続量にすき間を空けて描くと、読者に誤った印象を与えます。
2. 可視化を分析の「後」だけだと思い込む。可視化は分析前にも行う作業です。分布・外れ値・前提を最初に見ておくと、手法選択（パラメトリックかノンパラメトリックか等）の判断が確かになります。
3. 目盛りを正直に取らない。棒グラフの軸をゼロから始めない、二重軸で別スケールを重ねる——こうした操作はわずかな差を誇張し、見かけの相関を作り出します。研究の図では特に避けましょう。
4. 装飾を足しすぎる。3D・影・不要なグラデーションは値の比較をゆがめます。色は意味のある区別（群・系列）にのみ使い、装飾は最小限にします。
5. 安易に円グラフを使う。角度・面積の比較は苦手で、項目が多い・差が小さいと誤読されます。構成比でも棒グラフのほうが読みやすいことが多いです。