市場調査の分析手法と検証
作業原則
最初に ソースとルール を読み、原稿の根拠とルールの適用範囲を確認する。締切、ページ数、重み、匿名、AI、提出方法に関わる場合は、該当する回次、グループ、ステージの公式文書をオンラインで検証する。検証に失敗した場合は「未確認」と明記し、研究内容の実施を妨げないこと。原稿の例を大会の厳格なルールとして書かないこと。
デフォルトは日本語。まずユーザーの既存資料と現在の進捗を確認する。計画を変更するような不足情報のみを尋ね、その他の説明は仮定を置いた上で続行する。生データがない場合は、計画、記入用テンプレート、または明示的にデモ用とわかるもののみを提供し、サンプル、統計量、インタビュー、参考文献、受賞歴を捏造しないこと。ユーザーのタスクの深さに応じて成果物を納品し、部分修正の場合は全体の再実行を強制しない。
目標
原稿第3・5・6章に基づき、各手法をリサーチクエスチョン、データ条件、解釈可能なアウトプットに紐付ける。まずタスクが記述、比較、説明、クラスタリング、予測、概念探索のいずれかを判断し、その後にモデルを選択する。
データが分析に入る際の関門
- 分析単位、観測期間、サンプルソース、確率/非確率デザイン、層/クラスター/重み、反復測定、質問票バージョン、組入/除外ルール、データ辞書を確認する。完全な枠組と既知の抽出メカニズムがない場合、「単純ランダムサンプリング」とは呼ばない。
- 生データは読み取り専用で保持。クリーニング、分析、アウトプットは階層化する。フィールドと質問番号、再コード化、逆転項目、複数選択の展開、スキップ、重複、論理的矛盾、欠測メカニズムをチェックする。「該当なし」「拒否」「わからない」「システム欠測」を区別する。
- 異常値は複数の証拠に基づいて人手で検証し、時間、同一IP、連続同一選択だけでサンプルを削除しない。ルール、根拠、該当数、処理、バージョンをログに記録し、主要なクリーニングルールが結論に与える影響を比較する。
- 接触、回収、除外、分析サンプルのフローを報告する。各モデルで欠測によりnが異なる場合は、それぞれ説明する。有意性を高めるためにグループ分け、質問の削除、サンプルの取捨選択を繰り返さない。
手法決定表
| タスク/資料 | 利用可能な手法 | 事前確認事項 | 主なアウトプットと制限 |
|---|---|---|---|
| 現状と分布 | 度数、割合、平均/中央値、ばらつき、区間 | 測定レベル、歪度、分母、重み、サンプルカバレッジ | サンプルプロファイルと境界。サンプルサイズが大きいだけでは代表性を推論できない |
| カテゴリ変数の関連 | クロス表、カイ二乗検定または正確検定。複雑なデザインでは適切な修正版 | 独立性、疎なセル、反復観測 | グループ比率、連関量と区間。因果関係ではない |
| 連続/順序指標の差 | t検定/Welch検定、分散分析または適切な順位検定。対応のある場合は対応のある手法 | 独立か対応か、分布、不等分散、順序の意味 | 差の大きさ、効果量と区間。順位検定を「平均の差の検定」と総称しない |
| 多項目の潜在次元 | EFA。事前に構造がある場合はCFA | 構成概念の意味、項目間相関、分布、サンプルと推定法 | 次元、因子負荷量、測定のエビデンス。EFA/CFAを同一サンプルで行うことは独立した検証ではない |
| ユーザーのセグメンテーション | 変数タイプに適したクラスタリング/混合モデル | 尺度、異常値、冗長変数、距離、重みとチャネル | 安定したグループ、外部プロファイル、到達ルール。命名を固定されたパーソナリティとみなさない |
| 連続/二値/順序/多値/カウント結果 | 線形回帰、ロジスティック回帰、順序ロジスティック/多項ロジスティック回帰、ポアソン/負の二項回帰など | コーディング参照、結果分布、共線性、残差または過分散、階層依存性 | 係数/オッズ比/確率または発生率比と区間。条件付き関連は因果関係ではない |
| 理論的潜在変数パス | SEMと間接効果の推定 | まず測定モデル、識別性、サンプル、推定法、適合度、競合モデル | パスと間接効果の区間。横断的媒介は伝達メカニズムを証明しない |
| 時系列 | 分解、適切な時系列モデル、ローリング予測 | 時間の定義、トレンド・季節性、自己相関、異常値と構造変化 | 時系列ホールドアウトと単純ベースライン、予測区間。時系列をランダムにシャッフルできない |
| 新現象の概念探索 | インタビューの内容/テーマ分析。デザインに合致する場合はグラウンデッド・セオリー | リクルート、録音と文字起こし、同意、コーディングチェーンと否定的事例 | 生の言葉→コード→カテゴリー→解釈。飽和の証拠あり。反復理論的サンプリングなしでは完全なグラウンデッド・セオリーと称さない |
| プラットフォーム上のコメントと自由記述 | 人手による内容分析、単語頻度・共起、トピック/感情モデル | ソースカバレッジ、重複除去、ドメイン辞書、ラベルと人手検証 | 代表的なテキスト、安定性、検証誤差。ワードクラウドは分析の代替にならず、コメント頻度は全体率を表さない |
| 予測と機械学習 | 目標とサンプルに合ったベースラインと予測モデル | データリーク、クラス不均衡、グループ/時間分割 | 独立テストセットでの性能、較正/誤差とグループごとの性能。特徴量重要度は因果効果ではない |
重点判断
サンプリング：サンプルサイズは目標精度、効果量、サブグループ、モデル複雑性、デザイン効果、無回答を総合的に考慮する。式の仮定は明記し、確率サンプルの式で利便サンプルの精度を証明できない。複雑なデザインの分析では、層、クラスター、重みとそれに対応する分散推定を使用する。重み付けの報告では、重みなしn、重みのソース、分布、仮定を示し、較正が自己選択を除去すると主張できない。
測定：まず逆転項目と概念カバレッジを確認し、次に信頼性と妥当性を確認する。αは全質問票で必ず行うものではなく、単次元性や妥当性を証明しない。人口統計項目と形成的指標は機械的にαを計算しない。EFAは並行分析/スクリープロット、意味、回転と組み合わせる。CFAは推定法と適切な指標を報告し、単一の閾値通過を判断の代わりにしない。測定が不安定な場合はSEMの構造パスの解釈を中止し、デザインを修正するか、探索、記述、質的エビデンスに戻る。
比較：方向、大きさ、不確実性、実質的な意味を同時に報告する。多群、多指標検定では多重比較戦略を説明する。「一方の群で有意、他方で非有意」は群間効果の差を証明しないので、直接交互作用または差の検定を行う。異なる集団間での尺度比較では測定の等価性に注意する。
モデル：まず変数と設定根拠を書き、次に推定と診断、最後に解釈を行う。有意になるまで試行錯誤して結果を選択しない。ロジスティック回帰のオッズ比はリスク比として扱わず、標準化係数は元の単位の変化として扱わない。頑健標準誤差は欠落変数を修正しない。適合度が良いことや多くの制御変数を含むことは因果関係を証明しない。信頼できる識別がない場合は「関連／予測／メカニズムの手がかり」と表現する。
予測：訓練/検証/テストに分割し、前処理と特徴量選択は訓練フォールドのみで適合させる。同一対象/店舗のレコードはグループごとに分離し、時系列は時間ごとに分離する。単純ベースラインと比較する。分類では適合率、再現率、F1、混同行列、識別力、較正をタスクに応じて選択し、飾りとして全て列挙しない。小サンプルでは複雑性のために無理に機械学習を使用しない。
質的・テキスト分析：コードブック、コーディング例、レビュー/不一致処理を説明する。自動分類による抽出では代表的な人手検証セットを用意し、誤差と適用コンテキストを報告する。複数ソースのデータは対象、時間、概念を統一してから統合し、データ数を人数とみなしたり、個人記録を任意に連結したりしない。
アウトプットと検証
まず分析計画書を提出する：問題｜変数タイプとコーディング｜サンプル/デザイン｜手法と選択理由｜仮定の診断｜結果の形式｜検証と代替案｜答えられないこと。実際のデータと実行条件がある場合は、データ品質サマリー、再現可能な構文またはコード、主要な表・図と解釈、頑健性と限界も提供する。
データを固定し、ソフトウェアバージョンと乱数シードを記録する。コードと図表は同じバージョンに対応する。感度分析は実際のリスクに基づいて選択する：欠測、重み、異常値ルール、設定、セグメント安定性など。機械的に検定を積み重ねない。計画/修正/探索的分析の違いと、有意でない結果を保持する。実行できないソフトウェアの出力については、見える内容のみを解釈し、「再現した」と主張しない。
完了時に答える：各質問はどのエビデンスで答えられるか、前提は満たされているか、結果はどのような条件下で変化するか、どのような行動をサポートできるか。データが不足している場合は、ダウングレード案や追加収集の要件を提示する。