散布図の定義と作成の基本
軸の設定とプロット
散布図は、二つの変数間の関係を見るためのプロット図です。
- 横軸（X軸）: 原因と思われる要素（例：製造温度、時間）のデータが配置されます。これは結果に影響を与える側と推定される変数です。
- 縦軸（Y軸）: 結果として得られたデータ（例：製品の強度、不良率）が配置されます。これは横軸の影響を受ける側と推定される変数です。
- プロット: 原因と結果のデータペアを座標上に点として配置（プロット）します。
目的
この視覚化の主な目的は、製品の特性（結果）に影響を与えている可能性のある要因（原因）を推定することです。点がどのように集まり、どのように並んでいるかを一目で確認できます。
相関関係の見方と種類
A. 正の相関（Positive Correlation）
- 並び方: 点が右上がりの傾向を示します。
- 関係: 横軸の値が増えるにつれて、縦軸の値も増える関係です。
- 解釈: 原因が増加すると、結果も良くなる（または悪くなる）という、両者が同じ方向に動く影響を示します（例: 温度が高いほど製品の強度も高い）。
B. 負の相関（Negative Correlation）
- 並び方: 点が右下がりの傾向を示します。
- 関係: 横軸の値が増えるにつれて、縦軸の値が減る関係です。
- 解釈: 原因が増加すると、結果は減少するという、両者が逆の方向に動く影響を示します（例: 温度が高くなるにつれて製品の強度が低くなる）。
C. 相関なし（No Correlation）
- 並び方: 点が座標上にバラバラに散らばって分布し、特定の傾向が見られません。
- 解釈: 検討している横軸の要因は、縦軸の結果に明確な影響を与えていないと判断されます。データ解析者は、この要因を一度除外し、他の原因を検討する必要があります。
散布図の活用事例とより深い分析
原因の特定と改善活動
散布図は、データ解析が最終的に目指す具体的な改善活動に直結します。
- 例えば、製品の強度のばらつきという問題に対し、製造温度を原因として散布図を作成し、「正の相関」を発見した場合、工場は「温度管理を徹底する」という具体的な改善策の方向性を得られます。
- このように、散布図は「どの要因に注目すべきか」を絞り込み、改善の優先順位を決める上で不可欠な役割を果たします。
複合分析（層別との組み合わせ）
単一の散布図で相関が見られない場合でも、データが二つ以上のグループに分かれてプロットされている（二つの「山」がある）ように見えることがあります。
- これは異質なデータが混在している、すなわち異なる群（例：ロット、作業者、機械）が混ざり合っていることを示唆します。
- このような場合、層別という手法（ロットごとや機械ごとにデータを分けて調べること）を組み合わせることで、各群の中での真の相関関係や、群ごとの違いという真の原因を発見できる可能性が高まります。
これらの情報から、散布図は、データ解析において**「結果と要因の間の関係を素早く・正確に把握し、問題解決の方向性を定める」**ための基本的ながら強力な基盤となるツールであることがわかります。
