定性的 vs.初心者向けの定量データ

データ分析は、統計的または論理的手法を使用してデータを図示し、評価する手法です。

この分析には、情報の完全な要約が含まれます。この情報は、重要な発見やオプションを伝えるために最終結果を収集して提示するためにさらに使用されます。

ただし、このプロセスでは、収集したデータを区別する必要があります。データ分析プロセスを簡素化するには、定性データと定量データという 2 つの方法論を理解することが不可欠です。

定性的データと定量的データは、作成、観察、検証、収集されるものです。

データは、図、事実、測定値、記録、ノート、ビデオ、画像などの形式で、デジタルまたは非デジタル形式で表示できます。

ただし、両者には多くの違いがあります。プロジェクトでそれらの中から 1 つを選択するには、それぞれを個別に理解し、それらがどのように異なるかを理解する必要があります。

それでは、定性データと定量データの違いについて学びましょう。

定性データと定量データ: それは何ですか?

これらの用語をよりよく理解するには、まずこれに焦点を当てます。前者は解釈的で探索的で主観的なものであるのに対し、後者は決定的で客観的で要点を押さえたものです。

定性的データ

定性データは、測定したり、数値で表現したり、数えることができない単純な情報です。情報は音声、画像、テキストなどから収集され、コンセプト マップ、タイムライン、インフォグラフィックなどの視覚化ツールを通じて共有されます。

たとえば、ユーザーが Web サイトを訪問し、いくつかの商品をカートに追加したものの、ショッピング カートを放棄した場合、訪問者がショッピング カートを放棄した理由やユーザーがどのように感じたかなど、「なぜ」と「どのように」を調査することが仕事です。あなたのサイトや商品について。ここでは、「品質」が主要なフレームに含まれています。したがって、定性データから洞察を得る必要があります。

上の例では、そのようなユーザーの行動の背後にある理由を知るために数字は必要ありませんが、その原因とユーザーの経験について質問する必要があります。言い換えれば、定性データは、アイスクリームのフレーバーをチョコレートと表現したり、海を青と表現したりするなど、特定の物の特徴を説明するために使用されるラベルまたは用語です。

定性的データは非統計的な形式であり、通常は半構造化または非構造化されています。つまり、このタイプのデータではグラフやチャートから具体的な数値を取得する必要がありません。代わりに、それらは、その形式、ラベル、属性、プロパティ、およびその他の識別子によって特徴付けられます。

これは、文書、テキスト、ビデオ記録、音声記録、フォーカス グループ、インタビューのトランスクリプト、メモ、観察を通じて生成できます。ただし、運転免許証番号や社会保障番号などの識別番号は、1 人に固有かつカテゴリ的なものであるため、定性データに分類されます。

例 ：金色のノブ、滑らかな仕上げ、濃い茶色、アメリカンナッツ風味、イタリア製、緑のシャツ、青い海、美しい写真など。

定量的データ

定量的データは、数値で測定またはカウントできる単純な情報です。これは、研究者が統計分析や数学的計算を取得し、その導出に基づいて質の高い意思決定を行うために使用する定量化可能なデータを指します。

これらのタイプのデータは、「どれくらいの数?」、「どのくらいの頻度で?」などの質問に答えます。それと、いくらですか？’。定量的なデータは、数学的手法を使用して簡単に検証および評価できます。例を挙げて理解しましょう:

ある人が店主に「そのプリンターの値段はいくらですか?」と尋ねます。

さまざまなデバイスの価格などのデータを収集することは定量的な問題です。値は、重量のキログラム、コストのポンド、ドルなどの最も測定パラメータに関連付けられています。

世論調査、アンケート、調査などにより統計分析のために収集される定量的なデータ。簡単に言うと、「数値化」できる情報を定量的なデータと呼ぶことができます。それは本質的に構造化されており、統計やレポートを使用して計算できます。つまり、定義され、厳格であることを意味します。

定量的データは、テスト、調査、実験、指標、市場レポートなどを通じて生成できる、より限定的で簡潔なデータです。

例 : 体重 (キログラム)、月の週数、身長 (インチまたはフィート)、距離 (キロメートルまたはマイル)、年齢 (年または月)、収入 (ドル)、長さ (センチメートル) など。

定性的データと定量的データ: 違い

定性的データと定量的データは、どの分野でも同じ位置にあります。それぞれをよりよく理解するには、基準、機能、性質などに基づいて、どこが異なるのかを確認する必要があります。

まず、いくつかの基本的な違いを理解しましょう。

• オブジェクトの分類が品質または属性に依存するデータは、定性データと呼ばれます。これに対して、数えたり数値で表したりできるデータを定量的データといいます。
• 定性的データは、人間間の理解、感情、色などに依存します。一方、定量的データは、意思決定のために統計の結果が得られる値に依存します。
• 定性データでは言葉による情報が収集されますが、定量データでは測定可能な情報が収集されます。
• 定性的データは初期の理解を深めますが、定量的データは最終的な行動を推奨します。

ここまでで、両方のデータ型の背後にある主な概念を理解しました。ここで、この 2 つの主な違いをいくつか掘り下げていきます。

さぁ行こう！

基準	定性的データ	定量的データ
意味	定性的データ分析は、社会科学および人間科学の理解を深め、最終結果を得るために使用されるシンプルな手法です。	定量的データ分析は、論理的および数学的手法を通じて確かな事実と数値情報を生成するために使用される手法です。
データ	これには、宗教、国籍、特定の物の色、好み、性別などのデータが含まれています。	重量、質量、サイズ、高さ、価格などが含まれます。
アプローチ	これは主観的な分析に従い、計算できない非統計データが含まれます。	これは、数学的導出を通じて簡単に計算できる客観的な分析に従います。
分析	分析とは、開発がなぜ起こるのか、ユーザーがどのように感じるのか、カートが放棄される理由などを指します。	ここでの分析は、カート放棄率などの開発の数または量を説明します。
サンプル	ここで、サンプルは代表的なものではなく、プロセス全体を通じて小規模です。	サンプルは膨大であり、一般化することができます。
収集方法	質的データは、文書、インタビュー、観察などを使用して収集できます。	定量的なデータは、実験、インタビュー、観察、アンケート、世論調査などを使用して収集されます。
データ・タイプ	テキストベースです。	数値ベースです。
結果	結果はデー​​タ分析のために集計されるか、単に授与されます。	ここで、結果はグラフやチャートの変動によって異なります。
要素	言葉、物、絵など。	数値およびグラフィック情報

実際の例

例 1: (オフィススペース)

オフィス スペースでは、各要素の機能に応じて両方のデータ タイプを指します。

定性的データ

• 大きくて広々とした
• 素晴らしい自然光
• 広いパントリーエリア
• 冷水噴水
• 目を引く壁用ペイント
• 素敵なフォトフレーム
• 屋内ゲーム用の広いスペース

定量的データ

• 床面積12000平方フィート
• 階数
• ウィンドウの数
• ドアの数
• LEDの数
• システム数

例 2：（Web サイトの記事）

定性的データ

• 記事の性質
• スペル、文法、句読点などの記事の品質。
• 読者がどう感じるか
• トピックと用語をどの程度うまく説明しているか
• 使用されるビデオとオーディオの品質

定量的データ

• 単語数
• 使用した画像の数
• コメント、ページビューなどのエンゲージメント
• ロード時間
• 生成されたリードの数

例 3：（大学エリア）

定性的データ

• 大きくて密な木々
• 明るい色
• 次世代アーキテクチャ
• スマートライトとファン
• 大教室
• クールなプロジェクター
• 質の高い本

定量的データ

• 教室数
• ブロック数
• エアコン吹き出し口の数
• 駐車場の1平方メートル
• 教室の広さ
• ベンチの数
• 階数

定性的データと定量的データ: 種類

定性的データの種類

統計学者や研究者は、質的データを次の 3 つのタイプに分類します。

• バイナリ データ: アイテムを良いか悪いか、ハードかソフトか、正しいか間違っているか、新しいか古いかなどと呼ぶ場合、それはバイナリ データとして知られます。言い換えれば、これは相互に排他的な特性を通じて特徴付けることができる定性データであり、これらは同時に発生することができないことを意味します。統計学者はこのデータを使用して、その項目の性質を予測するモデルを作成します。
• 公称データ: ラベル 付きデータ、公称スケール、または名前付きデータとも呼ばれます。これは、数値を言及せずに何かに名前を付けるために使用できるデータのタイプです。
  
  たとえば、色別にアイテムのグループを形成する場合、色に従って各アイテムに直接ラベルを付けることができます。研究者は、これらの公称データを使用して、色などの一連の情報を区別します。このタイプは、統計学者や研究者が多肢選択調査を作成して、どれが優れているかを知るために使用することもできます。

• 順序データ: 順序データは、特定のスケールまたは順序で分類された定性データの一種です。これはデータ収集に向けた重要なステップです。
  
  たとえば、レスポンダーがサービスの幸福度を 1 ～ 10 のスケールで入力すると、入力に従ってデータが収集されます。ここでは、それぞれの違いを測定できる標準的な尺度はありません。例としては、リッカート尺度、間隔尺度などが挙げられます。

定量的データの種類

定量的データは、離散データと連続データの 2 つの主なタイプに分類されます。それらを一つずつ理解していきましょう。

離散データ

離散データは、数のカウントのみを含む定量的データのタイプです。これには、長さ、体重、身長などのいかなるタイプの測定も含まれません。

たとえば、生徒の数、日数、シーリングファンの数、個人の年齢などです。

離散データを識別する際には、次のようないくつかの質問を使用して区別する必要があります。

• それは数えられるでしょうか？
• 分割できるでしょうか？
• 測定できるのでしょうか？

等々…

離散データは、より小さな部分に分割できない属性データとも呼ばれます。それは可算有限であるとも、無限であるとも言えます。

例 : 可算有限データは、A = {1,2,3,4,….,n; の任意の集合です。ここで、n は無限大より小さい数です。可算無限データは、任意の集合 B = { 1,2,3,….} です。

連続データ

これは、測定スケールに配置できる定量的なデータ タイプであり、より小さな部分に分割できる数値を取ることを意味します。連続データは、不可算有限または不可算無限として参照できます。

たとえば、学生の CGPA は 10 点満点で測定されます。ここで、生徒の得点は 0 ～ 10 点 (8.5、1.57、4.65、2.68、9.8 など) であると言えます。このデータは、上限と下限があるため、不可算の有限連続データとして分類できます。

同様に、数え切れないほど無限のデータを例に挙げることができます。これは実数の集合 R = {….,-1,0,1,….} です。このシナリオでは、データには上限も下限もありません。

連続データはさらに 2 つのタイプに分類されます。

1. インターバルデータ
2. 比率データ

間隔データは、 すべての点が互いに同じ距離に配置されるスケールに沿って測定できるシンプルな手法です。一方、 比率データは 間隔データを拡張したものです。正確なデータ測定について話すとき、これは究極の用途を持っています。比率データは、順序、正確な距離などを示します。

定性的データと定量的データを生成する方法

定性データと定量データのさまざまなデータ収集方法を詳しく説明する前に、まずデータ収集の種類を理解してみましょう。

データ収集方法は次のとおりです。

• アンケート、アンケート、クイズ
• インタビュー
• フォーカスグループ
• 直接観察
• 書類

データ収集方法は、定量的データと定性的データの種類に分類できます。

定性的データの収集方法

• アンケートと自由回答式調査: さまざまなアンケートや自由回答式調査を通じてデータを収集または収集するために最も使用される方法です。これにより、回答者はより柔軟に回答できるようになります。これには、ユーザーが自由に記述できる事前定義された回答やオプションは含まれていません。
• 1 対 1 インタビュー: これは対面インタビューとも呼ばれ、定性データの一般的なタイプのデータ収集方法として使用されます。ここでは、インタビューからデータを簡単に収集できます。この手法は、高度にパーソナライズされたデータを収集する場合に特に使用されます。
• フォーカス グループ: フォーカス グループもインタビュー手法の 1 つです。ただし、1対1の面接ではなく、グループディスカッションが行われます。ここでは、リソースはお金や時間などの制限がなく、非常に便利です。
  たとえば、10 代の薬物使用者のリハビリテーションに関する研究を実施する場合、グループのメンバー全員が薬物中毒から回復中の 10 代の若者でなければなりません。
  
• 直接観察: これはデータを収集する最も受動的な方法です。データコレクターが参加者に代わって設定を徹底的に観察し、音声やビデオ、写真を記録します。これは直接観察を伴うため、自然界にバイアスが生じます。

定量的データ収集方法

• オンライン クイズとクローズド アンケート: この方法は、回答者が選択肢から選択できる質問に基づいています。これは、カテゴリと比率/間隔のタイプに分類されます。

カテゴリ別の質問は、二分法 (はいまたはいいえ)、チェックボックスの質問、および多肢選択の質問に分類できます。これに対し、区間質問はリッカート尺度、行列質問、評価尺度などで構成されます。

定性データに対する定量データの利点

定量的データには、簡単に測定してグラフやレポートを作成できるため、定性的データに比べて多くの利点があります。また、定性データに比べて時間がかかりません。このテクニックは、何が起こるかわからないときに使用されます。

定性データに対する定量データの利点を理解しましょう。

• より科学的な
• コントロールセンシティブ
• 客観性が低い
• 集中した
• より大きなサンプルにも対応可能
• 簡単な方法で整理すると
• 再現可能
• 共感できる
• 構造化された
• 一般化可能
• 一貫性のある
• 速くて時間を節約できます
• 質の高い意思決定に役立ちます
• より受け入れられるデータ
• 到達可能性が高い
• ランダムサンプルを使用できる
• 直接観察する必要がない

結論

定性データは定量データに比べて分析が困難です。定性的な内容分析、テーマ分析、談話分析などの一般的なアプローチが使用されます。一方、定量的データは、SPSS、R、または Excel を使用して平均スコア、特定の質問の回数、有効性などを計算する数値または値に基づいています。結果は表または形式で報告されます。グラフ。

この投稿は、定性データと定量データの違い、およびどのアプリケーションに何を選択すべきかを理解するのに役立ちます。