地域ごとの外国人犯罪報道数と、外国人増加に対する住民の賛否のようなデータの関係を調べる場合、どの統計手法を選ぶべきか迷うことがあります。
カイ二乗検定はカテゴリデータ同士の関連を調べる代表的な方法ですが、分析目的やデータの扱い方によっては別の手法が適している場合もあります。この記事では、地域別の報道件数と意識調査のようなデータを例に、カイ二乗検定やロジスティック回帰分析の考え方を解説します。
カイ二乗検定はカテゴリ同士の関係を見る方法
カイ二乗検定は、2つ以上のカテゴリ変数の間に関連があるかどうかを調べる統計手法です。観測された人数の分布が、もし関連がなければ予想される分布と大きく違うかを確認します。
例えば、「外国人犯罪報道数が多い地域・少ない地域」と「外国人増加への賛否」という2つのカテゴリを作った場合、以下のようなクロス集計表を作成できます。
| 賛成 | 反対 | |
|---|---|---|
| 報道件数が多い地域 | 人数A | 人数B |
| 報道件数が少ない地域 | 人数C | 人数D |
この表に対してカイ二乗検定を行うことで、「報道件数の多さと賛否には統計的な関連があるか」を確認できます。
ただし、カイ二乗検定で分かるのは「関連があるかどうか」であり、「報道が原因で外国人増加への反対意識が生まれた」という因果関係までは判断できません。
報道件数をカテゴリー化する場合の注意点
報道件数を「0〜10件」「11〜30件」のようにカテゴリー化する方法は、カイ二乗検定を利用する上では可能です。しかし、元々数値として存在している情報を分類すると、情報量が失われる点には注意が必要です。
例えば、年間報道件数が5件の地域と10件の地域を同じグループに入れると、実際には2倍の差があるにもかかわらず、同じ扱いになります。
そのため、報道件数という数量データを活かしたい場合は、カテゴリー化せずに別の分析方法を検討することもあります。
4段階の賛否データはそのまま扱えるのか
「賛成」「やや賛成」「やや反対」「反対」のような回答は、順序を持つカテゴリデータです。このようなデータは順序尺度と呼ばれます。
カイ二乗検定では、この4分類をそのままカテゴリとして扱うことができます。ただし、カイ二乗検定では「賛成度の強さ」という順序情報は利用しません。
例えば、「賛成」と「やや賛成」は近い意見であり、「賛成」と「反対」は大きく異なる意見ですが、カイ二乗検定では単純なカテゴリの違いとして扱われます。
賛否を2値化する場合の考え方
「賛成・やや賛成」を1つのグループ、「やや反対・反対」を別のグループとして2値化する方法もあります。この場合、カイ二乗検定による2×2表の分析が可能になります。
ただし、2値化すると細かな意見の違いが失われます。例えば、「賛成」と「やや賛成」の差や、「やや反対」と「反対」の差は分析できなくなります。
研究目的が「外国人増加に肯定的か否定的か」という大きな傾向を見ることであれば2値化は有効ですが、意識の強さまで分析したい場合は別の方法が適しています。
ロジスティック回帰分析を使う場合
賛否を2値データとして扱う場合、ロジスティック回帰分析を利用できます。ロジスティック回帰は、ある結果が起こる確率を、複数の要因から説明する方法です。
例えば、外国人増加への反対を「1」、賛成を「0」と設定し、以下のような変数を説明変数として入れることができます。
- 地域の外国人犯罪報道件数
- 回答者の年齢
- 性別
- 居住地域
- 外国人との接触経験
この分析によって、「年齢などの影響を調整した上で、報道件数が多い地域ほど反対意識が高い傾向があるか」といった検討ができます。
例えば、単純な比較では高齢者が多い地域ほど反対意見が多く見える場合でも、ロジスティック回帰を使えば年齢の影響を考慮しながら報道件数との関係を分析できます。
分析する際に気をつけたいポイント
このような社会調査データでは、統計手法だけでなくデータの作り方も重要です。特に「犯罪報道数」と「外国人への意識」を結びつける場合、いくつかの注意点があります。
まず、地域紙の報道件数は実際の犯罪発生数とは異なります。報道方針、事件の大きさ、地域メディアの特徴などによって件数は変化します。
また、外国人犯罪報道を多く見ることで意識が変化したのか、もともと外国人への意識が強い地域で報道への関心が高いのかという因果関係の問題もあります。
そのため、統計的な関連が確認できた場合でも、「報道が原因である」と断定せず、相関関係として慎重に解釈することが重要です。
まとめ
地域ごとの外国人犯罪報道数と外国人増加への賛否の関係を調べる場合、カテゴリ化したデータ同士であればカイ二乗検定を利用できます。
一方で、報道件数を数値として活用し、年齢など複数の要因を考慮したい場合は、ロジスティック回帰分析の方が適している可能性があります。
重要なのは、目的に合わせて分析方法を選ぶことです。単純な関連を見るならカイ二乗検定、複数の要因を調整して影響を検討するならロジスティック回帰分析というように使い分けることで、より適切な分析ができます。
コメント