科学・工学・社会の問題などでデータにバラツキがあり、分散している場合、
統計解析を用いて答えを導く方法が一般的である。
データの個数が豊富にある場合などは有効な手段である。

データを大きい順に並べたり、個数のグラフを書くことは、単純であるが統計
にとって非常に基本的で重要なことであり、データを正確を把握する意味合い
を持つ。

データの吟味のデータ検定は次の手段であり、データの信頼度を確認する意味
を持つ。

また多変量統計解析は、共分散構造の分析が含まれていることから、よりデー
タの統計的意味合いを強く引き出すこととなる。

当社は、この統計解析の手法にデータサンプリングの時点からオブジェクト思
考の考え方を取り入れ、解析を進める。

オブジェクト思考の考え方のデータサンプルの仕方は、

１．機能に関する事柄
２．価値に関する事柄
３．外観に関する事柄
４．関係に関する事柄

＋１.　感情に関する事柄

の４＋１の項目に分解してデータサンプルすることである。

さらに次の分析でのオブジェクト思考の考え方は、共通するもの、バラバラな
もの、大きな特徴（顕在的特長）、微妙な特徴（潜在的特長）などの考え方で
解析の答えを注意深く観察することにより、解析結果に解釈を与えてゆく。

簡単な単純な言葉を選び解釈を与える。小学生でも理解するほど簡単な言葉で
優しい答えや単純な言葉で言い換えて、結果をクライアントの説明します。

バラツキあるデータの大きな特徴は、単純統計でも出てくるが、データの平均
などでは表せない微妙な特徴を出すのに共分散構造の分析を含む多変量統計解
析を用いる。

共分散構造の解析とは、データのならびに目を着け、検体の個数方向の並びと
検体自身のデータの並びのデータ構造で共分散行列式を計算することによって
分析してゆく方法である。

主成分分析・因子分析・クラスター分析・数量化理論などは、この共分散構造
の分析を用いた分析手法である。


    


特にアンケート調査などは、データにいろいろなバイアスがかかっており、皆
平均的に答えたり、極端な答えは避けたりする中心化傾向などのバイアスがあ
るが、この共分散構造の分析にかけると微妙な特徴が際立って出力される。


    

    
 
   

    

    

    



また多変量統計解析を組み合わせて使うことも重要である。
特に得点の出力される分析の得点をクラスター分析にかけ、デンドログラムを
出力するとよい。

デンドログラムは、あるマハラノビス汎距離できって、その配下のデータを調
べるとよい。


    


    


    




さらに得点の散布図を作って、クラスター分析結果と組み合わせてグルーピン
グして表して、その位置グループを表す代表的色や文言を与えて図示していく
デモグラフィックスも有用である。


    


■　当社の特徴
　　特に多変量統計解析の分析をする場合、データの項目をデータ属性とオブ
　　ジェクト思考の各成分ニ分解して解析する。

　　オブジェクト思考の各成分は、
　　１．機能に関する項目
　　２．価値に関する項目
　　３．外観に関する項目
　　４．関連性に関する項目
　　＋１.感情に関する項目

　　の４＋１の成分からなり、それぞれデータの項目や属性を考慮して統計手法
　　を用いる。
　　そして共通する特徴、ばらばらな特徴を出力して検討し、データに解釈を与
　　えてゆく。