※コラム「統計備忘録」の記事一覧はこちら※

数年前の12月のこと、

「数量化2類の結果がおかしい。どうしてこんな分析結果になったのか教えてほしい」

という問い合わせを受けた。問い合わせの主は、卒論の締め切り間近の学生さんで、メールにはデータと分析結果のファイルが付いていた。

ある水棲昆虫について「環境の違いが棲息の有無にどう影響しているのか」を調べたものだ。数量化2類の結果では「川底がコンクリート」が棲息の第一条件になっていた。

この昆虫は、幼虫時代、川底の石の裏や砂利の中で過ごすし、自然の豊かさの象徴ともなっている。
データを見ても、「川底が石や砂利」で「棲息している」が69ケース、「川底がコンクリート」で「棲息している」が9ケースと圧倒的に違いがある。
なのに、「川底がコンクリート」が第一条件なのは「おかしい」というのが学生さんの主張だ。

早速、送られてきたデータをクロス集計してみると次の通り。

川底の違いによる棲息の有無

「棲息しているケース数」の違いしか見ていなくて、「棲息率」の違いを見ていないということが直ぐに分かった。このデータから判断するなら「川底がコンクリートの棲息率(90%)」が、「川底が石や砂利の棲息率(70％)」よりも高い。

また、川底の違いによる棲息率のギャップ（20％）は、川のにごり具合など他の８つの環境要因のどれよりも大きかった。数量化2類の計算が正しいことも確認した。

ユーザーサポートとしては、棲息率の違いを指摘し、数量化2類に間違いが無いことを伝えるだけで良かったのだが、ついつい余計なことまでメールに書いてしまった。

　「あなたは棲息地を中心にデータを集めていませんか？」

この後のメールのやり取りについて、ここには書かない。
これは特別な例と思うかもしれないが、毎年、同じような問い合わせが何件かある。