記述統計と推測統計の違いとは？データを要約する・全体を推測するつながりをやさしく解説

みなさん、こんにちは。スマート・アナリティクスの畠です。 平均や標準偏差は計算できるようになった。でも、t検定や分散分析の章に入ったとたん、「帰無仮説」「信頼区間」という言葉が並んで急に難しくなった——統計を学ぶ多くの方が、ここで一度立ち止まります。実はこの「急に難しくなった」と感じる場所こそが、記述統計から推測統計への橋なのです。記述統計は手元のデータを要約する方法、推測統計は手元のデータ（標本）からその背後にある全体（母集団）を推測する方法。この2つの役割の違いと、両者をつなぐ「標本と母集団」「中心極限定理」「信頼区間」という考え方さえつかめば、検定の章はぐっと読みやすくなります。このページは、当サイトの統計学超入門シリーズで概要をつかんだ方が、t検定や分散分析などの各論ガイドに進む前に読む「中間の一枚」として書きました。橋の渡り方を、順番に確認していきましょう。

畠

畠 慎一郎 スマート・アナリティクス株式会社 代表取締役 統計解析ソフトの提供と分析のサポートを通じて、研究や学習でデータ分析につまずく場面をたくさん見てきました。このガイドでも、わかりにくいところをやさしく解説していきます。

記述統計とは何か：データを「要約」する

記述統計とは、手元に集めたデータを整理・要約して、その特徴をわかりやすく示す方法です。

たとえば、あなたのクラス40人の数学テストの点数があるとします。40個の数字をそのまま眺めても、全体像はつかめませんよね。そこで、次のような道具を使って要約します。

• 代表値：平均値・中央値・最頻値（データの中心はどのあたりか）
• 散布度：分散・標準偏差・範囲（データはどれくらい散らばっているか）
• 表とグラフ：度数分布表・ヒストグラム・箱ひげ図（分布の形はどうなっているか）

「クラスの平均点は68.5点、標準偏差は12.3点、分布は左右対称の山型」——こう要約すれば、40個の数字の特徴がひと目で伝わります。これが記述統計の仕事です。代表値や散布度のくわしい計算と読み方は、標準偏差と分散のガイドと度数分布表のガイドで解説しています。

ここで大切なのは、記述統計が語っているのは、あくまで「手元にあるそのデータ」のことだ、という点です。「このクラスの平均は68.5点だった」は事実の要約であって、そこから先のこと——たとえば「全国の高校生でも同じくらいだろう」——までは、記述統計は何も言っていません。

推測統計とは何か：標本から母集団を「推測」する

推測統計とは、標本のデータから、その背後にある母集団全体の姿を確率的に推測する方法です。

研究や調査で本当に知りたいのは、手元のデータそのものではなく、その向こうにある「全体」であることがほとんどです。たとえば、こんな場面を考えてみてください。

• 大学生300人にアンケートを取り、「日本の大学生全体」の傾向を知りたい
• クラス40人の身長から、「同じ年齢の生徒全体」の平均身長を見積もりたい
• 選挙の出口調査で数千人に聞き、「有権者全体」の投票傾向を推測したい

このとき、知りたい全体のことを母集団、実際にデータを取った一部のことを標本（サンプル）と呼びます。母集団全員を調べられれば理想ですが、日本の大学生全員にアンケートを取ることは現実には不可能ですよね。そこで、標本という「一部」から母集団という「全体」を推測する——この発想の体系が推測統計です。

ただし、一部から全体を推測する以上、「絶対に正しい」とは言えません。そこで推測統計は、確率の言葉を使って、推測にどれくらいの不確かさが伴うかも同時に示します。「平均点はおよそ68.5点、95%信頼区間は64.6点から72.4点」のように、推測値と不確かさをセットで報告するのです。この「不確かさを定量化する」ところが、推測統計のいちばんの持ち味だと私は思います。

2つの統計の役割を表で整理しておきましょう。

標本と母集団：無作為抽出と標本誤差

橋渡しの第一歩は、標本と母集団をきちんと区別することです。ここでは、推測を支える2つの大事な考え方を押さえます。

無作為抽出：標本は「偏りなく」選ぶ

標本から母集団を推測できるのは、標本が母集団の縮図になっているときだけです。そのための基本が無作為抽出（ランダムサンプリング）、つまり母集団の誰もが同じ確率で選ばれるようにデータを取ることです。

たとえば、「大学生のスマートフォン利用時間」を調べたいのに、ゲームサークルの友人だけにアンケートを取ったらどうなるでしょう。おそらく利用時間は長めに偏りますよね。このような偏った標本からは、どんなに高度な手法を使っても、母集団の正しい姿は推測できません。研究のアンケート設計で「誰に配るか」が口うるさく言われるのは、このためです。

標本誤差：偶然のズレは必ず生じる

では、完璧に無作為抽出をすれば、標本平均は母平均とぴったり一致するでしょうか。実は、それも違います。偶然どんな人が標本に入ったかによって、標本平均は母平均から多少ズレます。この偶然によるズレを標本誤差と呼びます。

想像してみてください。同じ母集団から40人の標本を取る作業を、何回もくり返したとします。1回目の標本平均は67.8点、2回目は69.2点、3回目は68.4点……と、毎回少しずつ違う値になるはずです。標本平均は、取るたびに揺れるのです。

「では、たった1回の標本から母集団を推測するなんて、無理なのでは？」と思いますよね。ところが、この「揺れ」には、とても美しい規則性があるのです。それが次章の中心極限定理です。

中心極限定理と標準誤差：橋を支える土台

中心極限定理とは、ざっくり言えば、「標本サイズが大きくなると、標本平均の分布は正規分布に近づいていく」という定理です。しかも驚くべきことに、元のデータの分布がどんな形であっても、この性質は成り立ちます。

先ほどの「標本を取るたびに標本平均が揺れる」話を思い出してください。何千回も標本を取り直して、そのたびの標本平均をヒストグラムにしたら、どんな形になるでしょうか。中心極限定理が教えてくれるのは、次のことです。

• 標本平均の分布は、母平均を中心とした正規分布に近づく
• その分布のばらつき（標準偏差）は、母集団の標準偏差 ÷ √n（nは標本サイズ）になる

この「標本平均の分布の標準偏差」のことを、標準誤差と呼びます。

標準偏差と標準誤差は名前が似ていて混同しやすいので、ここで整理しておきましょう。標準偏差は「個々のデータ」のばらつき、標準誤差は「標本平均」のばらつき、つまり推定の精度を表す指標です。

式を見ると、分母に√nがありますよね。ここから、とても大切なことがわかります。標本サイズnが大きいほど、標準誤差は小さくなる——つまり、データをたくさん集めるほど、標本平均は母平均の近くに収まりやすくなり、推定の精度が上がるのです。「標本サイズが大きいほど推定精度が上がる」とよく言われるのは、この式の意味そのものです。

ただし√がついているので、精度の上がり方はだんだん緩やかになります。標準誤差を半分にしたければ、標本サイズは4倍必要です。100人を400人にすれば誤差は半分になりますが、400人を800人にしても半分にはなりません。研究のサンプル設計で「何人集めるか」を考えるときに、ぜひ思い出してほしい性質です。

信頼区間：95%信頼区間の正しい意味

中心極限定理という土台ができたところで、いよいよ推測の道具を使ってみましょう。代表が信頼区間です。

信頼区間とは、「母平均はこの範囲にありそうだ」という推定の幅です。標本平均と標準誤差を使って、たとえば95%信頼区間はおおよそ次のように計算されます。

たとえば、40人の標本でテストの平均が68.5点、標準誤差が2.0点なら、95%信頼区間はおよそ64.6点〜72.4点となります。「母平均（学年全体の平均）は、だいたいこの範囲にありそうだ」と読むわけです。

さて、ここからが大切なところです。「95%」の意味は、初学者の方が最もつまずきやすいポイントなので、ていねいに確認させてください。

よくある誤解は、「母平均がこの区間に入る確率が95%」という解釈です。直感的にはそう読みたくなるのですが、厳密には正確ではありません。母平均は（私たちが知らないだけで）最初からひとつの決まった値であり、確率的に動き回るものではないからです。

正確な意味はこうです。「同じ方法で標本を取り直して信頼区間を作る作業を何度もくり返したら、作った区間のうち約95%が母平均を含む」。つまり95%というのは、目の前のひとつの区間ではなく、区間の作り方（方法）の信頼性を表す数字なのです。

少し回りくどく感じるかもしれませんね。実用上は「母平均の見当をつける、当たりにする幅」と考えて差し支えありませんが、レポートや試験で意味を問われたら、「区間の作り方が95%の確率で母平均を捉える」という方法側の性質であることを思い出してください。

推測統計の3つの柱：点推定・区間推定・仮説検定

推測統計の道具は、大きく3つの柱に整理できます。実は、ここまでの話ですでに2つは登場しています。

柱1：点推定——ひとつの値で見当をつける

点推定とは、母集団の値（母数）をひとつの値で推定することです。標本平均68.5点をそのまま「母平均の推定値」とするのが点推定です。シンプルでわかりやすい一方、ぴったり当たることはまずなく、どれくらい外れているかの情報を持たないのが弱点です。

柱2：区間推定——幅と確からしさで見当をつける

区間推定とは、前章の信頼区間のように、幅と信頼水準のセットで母数を推定することです。点推定の弱点だった「不確かさ」を、区間の幅という形で明示できます。「64.6点〜72.4点（95%信頼区間）」という表現は、推定値と精度を一度に伝えてくれる、とても情報量の多い書き方なのです。

柱3：仮説検定——仮説をデータで判定する

仮説検定とは、母集団についての仮説を立て、標本データがその仮説とどれくらい食い違うかを確率で評価して、仮説を保つか捨てるかを判断する手続きです。たとえば「2つのクラスの母平均に差はない」という仮説（帰無仮説）を立て、実際のデータがその仮説のもとでは起こりにくいこと（p値が小さいこと）を示せたら、「差がない、とは考えにくい。差があると判断しよう」と結論づけます。

t検定、分散分析、カイ二乗検定——完全ガイドシリーズで扱っている検定の数々は、すべてこの仮説検定の仲間です。つまり、このページで学んだ「標本から母集団を推測する」という発想は、あらゆる検定の共通の土台なのです。検定を学んでいて迷子になったら、「いま自分は、標本を手がかりに母集団について判断しようとしているのだ」と、この原点に戻ってきてください。

記述統計→推測統計の使い分けフローと学習マップ

それでは、実際の分析の流れの中で、記述統計と推測統計をどうつないでいけばよいのでしょうか。私がおすすめしている順番は、とてもシンプルです。

• ステップ1：必ず記述統計から始める。平均・標準偏差・ヒストグラムでデータの顔を見る。外れ値や入力ミスもここで見つかります
• ステップ2：問いを確認する。「手元のデータの要約」で足りるのか、「母集団についての結論」が必要なのか
• ステップ3：母集団への一般化が必要なら推測統計へ。まず信頼区間で見当をつけ、仮説があるなら検定を行う
• ステップ4：結果は両方セットで報告する。記述統計（平均・標準偏差）＋推測統計（信頼区間・検定結果）の組み合わせが基本形です

「記述統計は初心者用、推測統計は上級者用」ではありません。どんなに高度な検定を使うときでも、記述統計による確認が必ず先に来ます。検定だけ実行して平均値も分布も見ていない——というのは、橋の手前を飛ばして渡ろうとするようなもので、とても危ういのです。

あわせて、当サイトでの学習マップも示しておきます。このページは、超入門シリーズと各論ガイドのあいだの「中間の一枚」です。

SPSSでの実行方法

ここでは、SPSSで「記述統計の確認→母平均の区間推定→次の検定へ」と橋を渡っていく基本的な流れを紹介します。実際の画面操作や細かい設定は、SPSSの使い方シリーズで詳しく扱いますので、ここでは全体像をつかんでください。

ステップ1：記述統計の出力（メニュー操作）

まず、分析したい変数の平均値・標準偏差・最小値・最大値を出力し、データの顔を確認します。「探索的」を使うと、ヒストグラムや箱ひげ図もあわせて出力できるので、分布の形と外れ値のチェックまで一度にできます。入力ミス（身長1700cmなど）もこの段階で見つけておきましょう。

ステップ2：母集団の推定（信頼区間の表示）

「探索的」の出力には、「平均値の95%信頼区間」が標準で含まれています。下限と上限を読み取り、「母平均はこの範囲にありそうだ」という見当をつけます。信頼区間の幅が広すぎると感じたら、標本サイズが推定精度に対して足りていないサインです。なお、信頼水準は「統計量」ボタンから99%などに変更することもできます。

ステップ3：推測統計を選ぶ際の判断軸

記述統計と信頼区間で全体像をつかんだら、目的に応じて次の手法を選びます。判断軸は「何を知りたいか」×「グループの数」です。1つの母平均の見当なら信頼区間（ステップ2）で十分です。2つのグループの平均差を調べたいならt検定、3グループ以上なら一元配置分散分析、カテゴリ同士の偏りならカイ二乗検定、2変数の関連なら相関分析——というように、問いの形が決まれば手法はほぼ決まります。

ステップ4：結果の解釈と次の検定への橋渡し

結果を報告するときは、記述統計と推測統計をセットにします。たとえば「A組の平均は68.5点（SD = 12.3）、B組の平均は74.2点（SD = 11.8）であり、t検定の結果、平均差は有意であった（t(78) = 2.31, p = .024）」のような形です。記述統計が「データの事実」を、推測統計が「母集団への一般化」を担っている——この役割分担が読み取れる書き方を心がけてください。各検定の詳しい手順と読み方は、t検定・分散分析などの各ガイドへ進みましょう。SPSSの具体的な画面操作はSPSSの使い方 第6回（記述統計量の出力と読み方）でくわしく解説しています。

関連分析手法・SPSS実装ガイド

記述統計から推測統計への橋渡し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。学習の次の一歩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？ — 記述統計の出発点。データの分布を表とヒストグラムでつかむ方法です。
• 標準偏差と分散とは？ — 標準誤差の土台になる「ばらつき」の指標を基礎から解説しています。
• 正規分布とは？ — 中心極限定理の行き着く先である、統計学で最も大切な分布です。
• t検定とは？ — 推測統計の柱「仮説検定」の代表格。2群の平均差を調べます。
• 分散分析（ANOVA）とは？ — 3群以上の平均差の検定。F値・多重比較・効果量まで解説しています。
• カイ二乗検定とは？ — カテゴリデータの度数の偏りを調べる検定です。
• 相関分析とは？ — 2つの変数の関連の強さを調べる方法です。
• マン・ホイットニーのU検定とは？ — 正規性が仮定できないときの2群比較のノンパラメトリック検定です。
• 仮説検定の基礎 — 帰無仮説・p値・有意水準など、検定の考え方そのものを整理できます。
• パラメトリック検定とノンパラメトリック検定の違いとは？ — 検定を選ぶ際のもうひとつの判断軸です。
• 知っておきたい統計学超入門 — 統計学の全体像を3〜5分の読み切りでつかめる入門シリーズです。
• 第2回：統計には2つの種類がある？〜記述統計と推測統計〜 — 本ページの内容を、まず概要レベルでつかみたい方はこちらから。
• SPSSで記述統計量を出力する手順（SPSSの使い方 第6回） — 画面キャプチャ付きで操作と出力の読み方を解説しています。
• 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

記述統計から推測統計へ進むときに、初学者の方がつまずきやすいポイントを整理しておきます。

1. 標本の結論と母集団の結論を混同しない。「このクラスの平均は68.5点」（記述統計の事実）と「学年全体の平均もおよそ68.5点だろう」（推測統計の推測）は、まったく別の主張です。レポートでは、どちらの話をしているのかを意識して書き分けましょう。「本研究の標本では」「母集団においては」という言葉を補うだけで、文章がぐっと正確になります。

2. 標準偏差と標準誤差を取り違えない。標準偏差は個々のデータのばらつき、標準誤差は標本平均のばらつき（推定の精度）です。グラフのエラーバーがどちらを表しているかで、図の読み方も変わります。論文の図表では必ず「SD」か「SE」かを明記し、読むときも確認するくせをつけてください。

3. 95%信頼区間を「母平均が入る確率95%」と書かない。正確には「同じ方法で区間を作り続ければ、約95%の区間が母平均を含む」という、方法側の性質です。日常的な理解としては「母平均の見当をつける幅」でかまいませんが、定義を問われる場面では正確に答えられるようにしておきましょう。

4. 無作為でない標本から母集団を語らない。友人だけ、SNSのフォロワーだけ、回答してくれた人だけ——偏った標本からの推測は、どんな手法を使っても偏ったままです。研究では、標本の取り方と、その限界（一般化できる範囲）を正直に書くことが、むしろ評価につながります。

5. 「有意＝大きな差」と思い込まない。標本サイズが大きいと、ごくわずかな差でも検定は有意になります。有意かどうか（推測統計）と、差が実質的に大きいか（記述統計・効果量）は別の問いです。だからこそ、平均値・標準偏差・効果量と検定結果をセットで報告する習慣が大切なのです。

6. 記述統計を飛ばして検定に進まない。ヒストグラムも平均値も見ずに、いきなりt検定のp値だけを読む——これは外れ値や入力ミス、分布の歪みを見逃す典型パターンです。どんな分析でも、最初の一歩は記述統計。この順番だけは、ぜひ守ってください。

よくある質問