データ分析の世界へようこそ！

こんにちは！HKICPA QP（香港公認会計士資格）の学習を進める中で、会計士の仕事は単に数字を記録するだけではなく、その数字を解釈することにあると気づくはずです。この章では、膨大なデータを少数の意味のある数値にまとめる方法を探ります。これらのテクニックを使うことで、「典型的な値はどれか？」（代表値）や「データのばらつきやリスクはどれくらいか？」（散布度）という、2つの重要な問いに答えることができます。それでは、早速始めましょう！

パート1：代表値（中心傾向の指標）

代表値（Central Tendency）は、データの「重心」のようなものだと考えてください。請求書や株価のグループ全体をたった一つの数字で表すとしたら、どれを選びますか？

1. 算術平均（Average）

平均（Mean）は、一般的に「アベレージ」と呼ばれるものです。すべての値を合計し、項目の数で割ることで算出します。
公式: \( \bar{x} = \frac{\sum x}{n} \)
ここで、\( \sum x \) はすべての値の合計、\( n \) は観測データの個数を表します。

身近な例：5人のクライアントから200ドル、300ドル、250ドル、400ドル、350ドルの支払いがあった場合、平均支払額は \( \frac{1500}{5} = 300 \) ドルとなります。
注意点！平均は外れ値（極端に大きい値や小さい値）に非常に敏感です。もし一人のクライアントから突然10,000ドルの支払いがあったら、平均値は跳ね上がり、実際の「典型的な」支払い額よりもずっと高く見えてしまいます。

2. 中央値（Median）

中央値（Median）は、データを小さい順に並べたときに真ん中に来る値です。データの個数が偶数の場合は、真ん中の2つの値の平均をとります。
なぜ使うのか？中央値は「堅牢（ロバスト）」です。前述した厄介な外れ値に惑わされません。経済学者が「平均世帯年収」よりも「中央値世帯年収」を好むのは、億万長者によって数値が歪められることなく、一般市民の状態をより正確に表すことができるからです。

3. 最頻値（Mode）

最頻値（Mode）は、データの中で最も頻繁に出現する値のことです。
覚え方：MOde = MOst frequent（最も多い）。
例：Tシャツを販売していて、Sサイズが10枚、Mサイズが50枚、Lサイズが20枚売れたなら、最頻値は「Mサイズ」です。

クイック復習：どれを使うべき？
- 平均：外れ値がない対称的なデータ。
- 中央値：極端な値がある場合（不動産価格など）。
- 最頻値：数値化できないデータ（好きな色や、最も多いエラーコードなど）。

重要ポイント：代表値はデータの「中心」がどこにあるかを教えてくれますが、データが中心に密集しているのか、それとも広く分散しているのかまでは教えてくれません。

パート2：散布度（ばらつきの指標）

2人のプロゴルファーを想像してみてください。どちらも平均スコアは72です。しかし、A選手は常に70から74の間に収まるのに対し、B選手は60を出すこともあれば84を出すこともあります。B選手の方が「ばらつき」が大きいと言えます。ビジネスにおいて、散布度＝リスクです。

1. 範囲（Range）

範囲（レンジ）は最も単純な指標です。最大値と最小値の差をとります。
公式: \( Range = Max - Min \)
例：監査手数料の最高額が50,000ドル、最低額が10,000ドルなら、範囲は40,000ドルです。
限界：平均と同様、たった一つの極端な値に強く影響を受けてしまいます。

2. 分散と標準偏差（中心的な指標）

これらの指標は、データが平均から平均してどれくらい逸脱しているかを示します。標準偏差（SD）は、金融や経済においてリスクを測る最も重要な指標です。
計算手順：
1. 平均（\( \bar{x} \)）を求める。
2. すべての数値から平均を引く（これが「偏差」です）。
3. それぞれの結果を2乗する（マイナスの値をなくすため）。
4. それらをすべて合計する。
5. （標本の場合）\( n - 1 \) で割ると分散が得られる。
6. 平方根をとると標準偏差が得られる。

標本標準偏差（\( s \)）の公式: \( s = \sqrt{\frac{\sum (x - \bar{x})^2}{n - 1}} \)

最初は難しく感じるかもしれませんが、大丈夫です！これだけ覚えておきましょう：SDが低いということは、データが平均に近い（信頼性が高く安定している）。SDが高いということは、データがバラついている（変動が激しくリスクが高い）。

3. 変動係数（CV）

これは、単位が異なるものや、スケールが大きく異なるものを比較するための賢いツールです。
公式: \( CV = (\frac{標準偏差}{平均}) \times 100\% \)
例：香港ドルの株（平均100ドル、SD 10ドル）と米ドルの株（平均2ドル、SD 0.50ドル）の価格変動を比較したいとします。CVを計算すれば、通貨の価値に関係なく、どちらが相対的に変動が激しいかを判断できます。

重要ポイント：散布度は、会計士が不確実性を数値化する手助けをしてくれます。データが分散しているほど、結果は予測しにくくなります。

パート3：避けるべき一般的なミス

1. 平均と中央値の混同：常に外れ値を確認しましょう！データセットに「長い裾」がある場合（給与データなど）、平均値は裾の方向に引きずられますが、中央値はその場にとどまります。
2. 分散と標準偏差の取り違え：分散は「単位の2乗」（例：ドルならドル2乗）であり、クライアントへの説明が困難であることを覚えておいてください。通常は平方根をとって標準偏差にします。これにより元の単位（例：ドル）に戻るからです。
3. \( n - 1 \) を忘れる：標本の分散や標準偏差を計算するときは、\( n \) ではなく \( n - 1 \) で割ります。これはベッセルの補正と呼ばれる統計的な調整であり、標本から母集団を推計する際の精度を高めるためのものです。

復習用まとめ表

項目: 平均（Mean） | 意味: アベレージ | 最適: 外れ値がないデータ。
項目: 中央値（Median） | 意味: 真ん中の値 | 最適: 偏りのあるデータ（資産額など）。
項目: 標準偏差（SD） | 意味: 平均からの平均距離 | 最適: リスクや一貫性の測定。
項目: 変動係数（CV） | 意味: 相対的なばらつき | 最適: 異なるデータセット同士の比較。

豆知識：完璧な「正規分布」（ベルカーブ）では、平均、中央値、最頻値はすべてまったく同じ数値になります！これらが離れ始めたとき、データが「歪んでいる（スキューがある）」または偏っていることがわかるのです。

あなたならできます！これらの指標をマスターすることは、バラバラな数字の山を明確なビジネスストーリーに変えるための第一歩です。標準偏差の計算を練習し続ければ、自然と身についてくるはずです！