順序ロジスティック回帰、K-Modes / K-Medoids、信頼性分析を使いこなす

Exploratory v16では、アンケートデータをはじめとするカテゴリデータや順序付きデータを、より深く分析するための新しいアナリティクスが追加されました。

今回のセミナーでは、その中から以下の4つのアナリティクスを取り上げ、それぞれどのような分析なのか、どんなときに使うのか、結果をどのように見ればよいのかを、実際のデータを使いながらわかりやすく紹介します。

順序ロジスティック回帰

「非常に不満」から「非常に満足」までの5段階評価など、順序を持つカテゴリを目的変数として、その違いに何が影響しているのかを分析するための手法です。

例えば、顧客満足度や従業員エンゲージメントの評価を高める要因を調べたいときに、どのように利用できるのかを紹介します。

K-Modesクラスタリング

性別、職種、利用サービス、購入カテゴリなど、カテゴリ変数をもとに似た特徴を持つ人たちをグループ分けするためのクラスタリング手法です。

数値データを前提とするK-Meansとの違いや、アンケート回答者のセグメンテーションなどでの使い方を紹介します。

K-Medoidsクラスタリング

5段階評価などの順序付きデータを使って、回答パターンが似ている人たちをグループ分けするときに便利なクラスタリング手法です。

K-Meansとの違いを確認しながら、複数の満足度や意識に関する質問から、特徴の異なる回答者グループを見つける方法を紹介します。

信頼性分析（クロンバックアルファ）

「従業員エンゲージメント」や「ブランドへの愛着」のように、複数の質問をまとめて1つの指標として扱いたいときに、それらの質問が一貫して同じ概念を測っているかを確認するための分析です。

クロンバックアルファの基本的な見方に加えて、「どの質問を残すべきか、外すべきか」を分析結果から判断する方法も紹介します。

統計手法の数式や理論を詳しく学ぶセミナーではありません。

「この手法は何のためにあるのか」「自分のデータではいつ使えばいいのか」「Exploratoryでは結果のどこを見ればいいのか」といった、実際に分析を始めるために必要なポイントを中心に紹介します。

顧客満足度調査、従業員サーベイ、市場調査など、さまざまな場面で活用されているアンケートデータ。

一方で、実際にアンケートデータを分析しようとすると、データの加工や整形、複数回答や自由記述への対応、クロス集計、統計分析、レポート作成など、分析そのものに入る前後にも多くの作業が発生します。

Exploratoryのユーザーの皆さんからも、アンケートデータ分析をより効率的に、そしてより深く行うための機能強化について、これまで多くのリクエストをいただいてきました。

そこでExploratory v16では、アンケートデータの取得・加工から、クロス集計、統計分析、レポート作成まで、一連の分析ワークフローをよりスムーズに行えるよう、数多くの新機能の追加と既存機能の強化を行いました。

本セミナーでは、Exploratory v16で追加・強化された機能を、「アンケートデータ分析をどう効率化できるのか」「そこからどのように、より深いインサイトを見つけられるのか」という観点から、実際の分析の流れに沿って紹介します。

また、v16では、自然言語で指示するだけで必要なデータを取得できる「AIデータ」をはじめ、アンケート分析以外にもさまざまな新機能が追加されています。セミナーの後半では、そうしたv16のその他の注目機能についてもハイライトとして紹介します。

ビデオ