- ネットリサーチHOME
- サービス内容
- 集計・分析
貴社の調査目的に応じて、適切な集計・分析手法をご提案させていただきます。
以下に当社が対応している主要な集計、分析方法をご紹介いたします。
単純集計は、アンケートの回答結果をすべての回答者について集計したものです。 ある選択をした回答者の割合が一覧できる、最も基本的な調査結果となります。
右記のQ2の単純集計では、「加入しており、現在の会社との契約を継続したい」 と答えた方が最も多くなっていることがわかります。
単純集計の結果をレポートする場合、集計対象者が調査目的を上手く反映しているかどうか注意する必要があります。 例えば、関東地区におけるある商品の認知率を知りたい場合、 集計対象者は関東地区の全員から無作為抽出する必要があります。 しかし、完全な無作為抽出が難しい場合、性別、年齢階層など可能な範囲でなるべく 回収数の分布が現実の値に近くなるように回収数を割り当て、 出来る限り実態を反映した値になるように事前に回収計画をたてる必要があります。
例えば、男性と女性で回答傾向に違いがあるかどうか確認したい時、 男女別のクロス集計を行うことで男女間の違いを比較することができます。
右記の集計を、「男女（性別）を集計軸としたクロス集計」と呼びます。 右記の例では、男性と女性では回答傾向に大きな違いは見られません。
男女別以外にも、年齢別や居住地域別などの属性や、 アンケートの回答内容を集計軸としてクロス集計を行うことで、より詳細に回答傾向を把握することができ、 仮説の検証や、新たな知見を得ることができます。 集計軸として、上記のような人口構成的（デモグラフィック）属性だけでなく、心理、態度、行動、求めるベネフィット、 重視点、その他実態設問項目等を用いることで、より広い視野から生活者の理解を深めることもできます。
また、属性や設問を組み合わせて新たな集計軸を作成したり、 複数の集計軸を組み合わせる（多重クロス集計）ことで更に詳細な分析や、 細かなセグメントごとの傾向把握が可能となります。
二つのデータの間にある、直線的な関係の強さを測る指標です。 -1〜1の数値となりますが、0に近づくほど関係が弱く、-1または1に近いほど関係が強いことを示します。
例えば「例1．ビールの売上げと気温の関係」のように気温が高いほど、 売上げも高くなっている場合、正の相関関係があると言います。 （逆に、「例4．おでんの売上げと気温」のように気温が高いほど、 売上げが下がっている場合は、負の相関関係がある、と言います。）
例6のように、明らかに関係が見られても、 その関係が直線的でない場合はうまく関係性を測れない（＝相関係数が小さい）場合があります。
あるデータ（変数）と、ひとつ以上の別のデータ（変数）との関係を見たい場合、回帰分析が使えます。
右記の例では、データYとデータX、Zの関係を見ています。 αは一定の値をとる「定数項」、βはXとYの関係を示すXの回帰係数、γはZとYの関係を示すZの回帰係数と呼ばれるものです。 回帰係数は、それぞれの説明変数のデータが変化した時、被説明変数のデータがどの程度変化するのか表しています。
上記のような回帰式は、データYをデータX等で予測したい場合や、 データYにどのような要因が影響を与えているか知りたい時などに利用できます。
自由回答を読み込むことだけでは把握しきれない傾向を明らかにするため、 記述内容をグループ化するなどして、定量的な観点から自由回答を分析します。
具体的には、下記のような分析がよく行われます。
- 記述内容をグループにまとめて出現頻度を調べ、おおよその内容の傾向を把握する
- 頻出する単語を調べることで、話題となっていることを把握する
-
グループ化された記述内容や、出現した単語の傾向をわかりやすく、解釈しやすくするために、
コレスポンデンス分析 等を行い、マッピングする。
※ マイボイスコムでは、テキストマイニングツール「TRUE TELLER」（野村総合研究所）を使用しております。
アンケート等のデータの背後にある、潜在的な要因（因子）を明らかにしようとする手法です。 右記の例では、アンケートの回答の背後に2つの因子があることがわかります。
より具体的には、
- 因子分析に用いる項目を選ぶ
- 因子の数を決める
- 各因子と項目の関係（因子負荷量）の関係を見ながら各因子を解釈し、適切な名前をつける
以上のような手順を経て、対象となるデータの背後にある＜因子による構造＞を明らかにします。
アンケート項目が多数ある場合など、全体として回答に影響している要因がわかりづらくなることがあります。 そのような場合に同様な傾向を持つ項目をまとめ、 結果の意味するところを把握しやすくする情報をまとめる方法としても利用できます。
アンケートの回答結果データ等より、回答者や選択肢を類似した傾向を持つグループに分類する手法です。 クロス集計等では把握しづらい"隠れた"グループ分け、潜在的なセグメントを把握することができます。
右記例は階層クラスター分析で、「利用したい会社」をグループ分けした結果です。 大まかに見ると、A〜D社とE〜G社のグループに分かれることがわかります。
クラスター分析で新たに明らかとなったセグメントを集計軸としたクロス集計を行うことで、 より広く、深い生活者の理解が可能となります。 また、アンケートの設問や選択肢等をクラスター分析でグループ化することで、 独自の評価指標を作成することもできます。 その他、生活者の意識をより深堀するために因子分析との組み合わせもよく行われます。
コレスポンデンス分析は、クロス集計などの集計結果をより視覚的に把握するための手法です。 関連性が強いものは近くに、弱いものは離れて配置されます。
例えば、右記例では生命保険会社ごとのイメージを比較した集計を元にしてコレスポンデンス分析を行っています。 結果をみると、A社は「安心感がある」「安定性がある」と近く、 また、E社は「営業がよい」「営業・販売力が強い」の近くに配置されています。 A社は＜安心・安定性＞のイメージが強く、E社＜営業力が強い＞イメージが強いことが視覚的にわかります。
ブランドイメージの比較、ポジショニング確認や、 項目が多く、集計表や通常のグラフからは結果が読み取りづらい時などにご活用いただけます。
PSM分析は、商品の価格について4つの質問をすることで、 生活者の持つ「価格感」を把握する手法です。
- 【設問1】 その商品が「高すぎると思う価格」
- 【設問2】 その商品が「高いと思いはじめる価格」
- 【設問3】 その商品が「安いと思いはじめる価格」
- 【設問4】 その商品が「安すぎると思う価格」
以上の4つの設問を集計した結果を下記のようなグラフにし、生活者の価格感、価格受容性をつかみます。
グラフの各交点はそれぞれ、＜妥協価格＞＜下限価格＞＜上限価格＞＜最適価格＞と呼ばれます。
お気軽にお問い合わせください。
