対応分析（コレスポンデンス分析）を徹底解説

対応分析（コレスポンデンス分析）とは？

対応分析とは多変量解析法の一つで、データを理解しやすいように加工・可視化する分析手法です

クロス集計表など、行と列からなるデータの特徴をグラフ化することによって、項目間の関係を視覚的に把握することができます

別名でコレスポンデンス分析とも呼ばれています

この手法はアンケート調査の分析や、ブランドの優位点を探す調査に利用されています

どのような分析か分かりにくいため、単純なクロス集計表と比較してみましょう

クロス集計表では「数値」を詳しく把握できる反面、どこが特徴的か分かりません

一方で対応分析（コレスポンデンス分析）では、散布図にプロットさせることで項目同士の関係性を把握することができます

上記の例ではテストの点数を部活動別に集計し、グラフにプロットしています

左上の「英語」に近いのが「テニス部」や「陸上部」というのがすぐに分かります

グラフの見方

対応分析（コレスポンデンス分析）は散布図というグラフで可視化されますが、通常の散布図とは仕組みが異なります

X軸・Y軸ともにあまり意味がなく、単純に項目同士の関係性のみがプロットされます

見るべきポイントは3つです

どんな時に対応分析を実施するか？

対応分析は項目同士の関係性を、視覚的に理解することができる手法です

この分析は特にマーケティング分野で活用されるケースが多く、特にアンケート調査の分析に用いられます

例えば自社ブランドのポジショニング（立ち位置）を正確に把握するために、アンケート調査を実施したとしましょう

回答者に対して、自社と競合のブランドに対してどの項目が優れていると思うかをチェックしてもらい、調査結果をクロス集計表にまとめます

このままだと数値だけでどこが高いか分かりません

もちろんグラフ化したり、Excelの条件付き書式設定を使うことで、数値をハイライトすることは可能です

ただしグラフだけでは可視化に限界があります

特に項目が増えれば増えるほど、分析の内容を理解するのに時間がかかってしまいます

そこで分かりやすさを上げるために「対応分析」を実施します

「自社」のブランドが「競合E」に比較的近い位置にあり、「価格」や「素材」と関係が強いことが分かります

一方で「競合B」は「デザイン」性で非常に優れており、ユニークな立ち位置に存在していることも見て取れます

このようにアンケート調査の結果などを分析するのに、対応分析は非常に有効です

対応分析の注意点

ここからは対応分析の注意点をいくつかご紹介していきます

クロス集計表というデータ数の多い項目を1つの散布図に可視化するため、対応分析では表現しきれないことが出てきます

読み解きを間違わないようにご留意頂きたい点があります

① 軸には意味がない（軸に意味を付ける）

対応分析はクロス集計表のデータを「強引に」散布図に落としています

難解な公式を元に2つの軸に変換しているため、X軸・Y軸に意味を持ちません

今回は式の説明は省略しますが、「軸には意味がない」ということは覚えておいてください

一方で、分析として示唆を出すときは、あえて「軸に意味を付ける」と理解がしやすくなります

先ほどのブランド調査の対応分析の軸に対して、主観的に軸に意味付けしてみました

データのことをよく知らない人が見ても、ブランドのポジショニングを一瞬で理解することができます

ぜひ軸の意味付けをしてみてください

② 数的ボリュームは加味されていない

対応分析は関連の強いカテゴリは近くに，弱いカテゴリは遠くにプロットされます

ただし、これはカテゴリ間の相対的な関係であって、絶対的なボリュームを表わすも

のではありません

つまり、距離が2倍遠いから関係も2倍いあるという訳ではないということです

まとめ

今回は項目間の関係を視覚的に把握することができる対応分析（コレスポンデンス分析）についてご紹介してきました

アンケート調査などのクロス集計表の可視化に便利なため、マーケティング分析で非常に有用な手段です

実際に分析を実施する方法は下記サイトで説明されています

2021-11-27【Python】対応分析（コレスポンデンス分析）を実施する方法