できるやさしく学ぶExcel統計入門 難しいことはパソコンにまかせて仕事で役立つデータ分析ができる本 できるシリーズ

本サイトは「AI活用・IT」ジャンルの本を紹介・書評するメディアです。今回は羽山 博, できるシリーズ編集部さんの『できるやさしく学ぶExcel統計入門 難しいことはパソコンにまかせて仕事で役立つデータ分析ができる本 できるシリーズ』をご紹介します。

羽山博さんは、Excelの標準機能だけで「直感ではなく根拠に基づく」業務判断を実現する方法論を示しています。数学的バックグラウンドが浅くても、関数操作と基本的な統計概念を理解することで、データの偶然性と必然性を区別し、再現性のある意思決定を可能にします。

本書はデータ入力ルールから検定手法の選択までを一貫して解説します。具体的には「1件=1行」の前処理原則に基づきCOUNTIFやピボットグラフで分布を確認した後、T.TEST関数による平均値差の検証やCHISQ.TESTでの属性関連性の証明へと進みます。p値という指標を用いて結果が偶然生じた確率を算出することで、主観的な解釈バイアスを排除する仕組みです。

この記事では、各検定手法の適用条件とExcel関数の具体的な引数設定手順を整理します。「正規分布に従わない場合どうするか」「片側・両側検定の違い」など実務で陥りやすい誤解も解消し、読者が即座に業務データへ応用できる判断基準を提供します。

この本で何が学べるか

データの前処理と可視化による全体像の把握

鈴木氏によれば、統計分析における最大のリスクは計算ミスではなく、「データの定義と可視化の不備」にあるといいます。具体的には調査票や売上伝票をExcelに入力する際、「1件のデータ＝1行」という原則を守らないと後続の解析が崩壊すると警告しています。例えば複数ページにわたる請求書なら、頭書き情報と明細情報を結合して一行化し、COUNTIFS関数などで度数分布表を作成します。ここで重要なのは、単なる平均値ではなく中央値や最頻値を併記することです。鈴木氏は「外れ値が1つ混入すると算術平均は歪む」と指摘し、ヒストグラムで裾の厚さを確認することで、データに偏り（歪度）がないかを視覚的に検証する手順を示しています。これにより、「グラフは見方次第で誤解を招く」ことを防ぎ、客観的な事実ベースでの判断が可能になります。

このアプローチを実務で活用するには、まず既存の業務データを「1件＝1行」に正規化し直す工程から始めます。Excelのピボットテーブル機能を活用すれば、手動計算なしにヒストグラムと代表値を一度に出力できるため、工数の削減も期待できます。鈴木氏は特に複数の系列（例：性別や部署別）でデータを比較する際の違いが可視化されると述べており、これにより「全体的には平均点が高い」ように見えても、「特定の層では評価が低い」といった隠れた課題を早期発見できるようになります。読者は明日の会議資料作成時に、単なる数値提示だけでなく、分布図と中央値を組み合わせたスライドを作成してみてください。「なぜこの結論なのか」の説明コストが減り、データリテラシーの高い意思決定プロセスへの第一歩となります。

代表値と分布形状でデータの本質を見極める

著者の鈴木さんは、「平均値」という数字だけに頼ると、データの真実を見誤る危険性があると警告しています。例えば自社製品と競合他社の評価を10点満点で比較する場合に、AVERAGE関数だけで判断すると罠にはまります。もし自社製品の回答の中に「10点」が多数ある一方で、「0点」という極端な低評価（外れ値）が混入していた場合、平均点は引き下げられ、実態よりも劣るように見えてしまうのです。鈴木氏はこの現象を説明するため、中央値や最頻値との併用を推奨し、さらにSKEW関数による歪度（偏り）の分析を行うことで、データ分布の形状が多角的に把握できると述べています。これにより、単なる点数の違いだけでなく、「多くの人が満足しているが一部で激しい不満がある」といった深い洞察が可能になるのです。

では明日からどう活用するかというと、Excel上で平均値を計算した後、必ずMEDIAN関数（中央値）とMODE.SNGL関数（最頻値）の結果も並べて確認する習慣をつけることです。これら3つの指標が一致していればデータは正規分布に近い安定した状態ですが、大きく乖離している場合は「誰に支持され、何を嫌われているか」の分析が必要となります。統計計算そのものを難解な数学と捉える必要はなく、Excelというツールが複雑な演算を代行してくれるため、ユーザーが行うべきは「どの指標を組み合わせて見るか」という思考プロセスのみです。鈴木氏によれば、このように代表値と分布形状をセットで検証することで、印象操作や外れ値による誤解を防ぎ、客観的なビジネス判断を下す基盤が整いますので、まずは手元のデータで3つの関数を比較入力してみることをお勧めします

相関と回帰で変数間の関係性を統計的に検証する

佐藤氏によると、訪問回数と売上金額が連動しているように見えても、それが単なる偶然ではないことを証明するには「無相関の検定」が必要です。具体的には散布図やCORREL関数で傾向を把握した上でp値を確認し、帰無仮説（関係がないという前提）を棄却できるかを見極めます。「数字が動いている」という直感ではなく、統計的に有意な証拠に基づいて判断することで、主観的な推測に左右されない意思決定が可能になります。これにより、「この施策は効果があった」ことをデータで裏付けることが可能となり、上司やクライアントへの説明責任を果たす際の説得力が格段に向上します。

ただし佐藤氏は疑似相関への注意も強調しています。例えば「アイスクリームの売上」と「水難事故の数」が高相関でも因果関係はないため、背景にある気温という変数を考慮する必要があります。Excelの検定機能は計算を自動化しますが、解釈までは行ってくれない点に留意しましょう。明日から業務でデータを分析する際は、「相関が高い＝原因がある」と即断せず、まずp値による統計的有意性を確認し、次に論理的な因果関係が成り立つかを検討する手順を踏むことを推奨します。この習慣をつけることで、安易な結論導出を防ぎながら、より精緻で信頼性の高いデータ分析を実践できるようになります。

t検定で平均値の差を客観的に検証する

佐藤氏によれば、業務上の意思決定において「A社とB社の売上高に差がある」と直感するだけでは不十分であり、統計的有意性に基づき客観的な検証を行うことが重要です。具体的にはExcelのT.TEST関数を用いてp値を算出し、0.05未満であれば偶然ではなく真の差異があると判断します。例えば新施策実施前後の販促効果を検証する場合、単なる平均値の比較では外れ値の影響で誤った結論に至るリスクがありますが、この手法により確率論的に差があることを証明できます。これにより「私の勘です」という主観的な発言から、「データ上有意な差が確認されました」という説得力のある報告へと質を転換させることができると述べています。

ただし佐藤氏は、分析プロセスにおける重要な注意点として「仮設定の事前定義」を強く推奨しています。「後出しジャンケン」のようにデータを眺めた後に検定方法（片側か両側か）や分散の設定を変更することは統計的誤りとなり、結果の信頼性を損なうためです。したがって読者は明日から業務でデータ分析を行う際、まず「どのような仮説を検証したいのか」を文書化し、その上でExcelでの関数設定に入ることが必要となります。この手順を守ることで、数学的な背景知識が浅くても再現性のある正確な分析が可能になり、チーム内の議論における根拠としての強度を担保できます。

検定手法の選択と前提条件：正規性・分散等しさ・ノンパラメトリック法

佐藤氏によれば、Excelでの統計解析において最も重要なのは関数の入力手順そのものではなく、「なぜその検定手法を選ぶのか」という判断基準を明確にすることです。例えば、2つのグループの平均値を比較する際、単にT.TEST関数を使用するだけでなく、データが正規分布に従っているかや分散が等しいかを検証し、引数の種類（1, 2, または3）を適切に選択する必要があります。これは数学的な背景を理解していなくてもツールを使える現代において、「計算結果」から「正しい結論」へ到達するための必須プロセスであり、誤った前提で検定を行うと有意差があるはずの現象を見逃したり、逆になかったものを発見したと錯覚したりするリスクを防ぐ根拠となります。

さらに著者は、正規性の仮定を満たさない場合や外れ値が含まれるデータに対し、ノンパラメトリックなマン・ホイットニー検定の採用を推奨しています。また3群以上の比較ではt検定ではなく分散分析（ANOVA）を用い、有意差が出た場合にどのグループ間に違いがあるかを特定するためにシェッフェの方法による多重比较を行う手順も示されています。読者が明日の業務で活かすには、「データの特徴（分布・外れ値の有無）」をまずヒストグラムなどで可視化し、その性質に応じて検定手法を選択するというフローを習慣化する点です。これによりExcelというツールを使って得た数値が、単なる計算結果ではなく、意思決定を支える説得力のあるエビデンスへと昇華します。

属性間の独立性と適合度をカイ二乗検定で検証する

鈴木さんは、「なんとなく傾向がある」という主観的な印象に頼らず、クロス集計表の数値が偶然ではなく統計的に有意な関係にあるかをカイ二乗検定で検証する手法を提唱しています。具体的には「CHISQ.TEST」関数を使用し、実測された度数と理論上の期待度数のズレを計算します。例えば、マーケティング現場で「新商品Aは女性層に人気がある」と仮説を立てた場合、この関数を用いることで性別（属性）と購買行動間に独立性が破れているか、つまり統計的に有意な関連性があるかを客観的な数字として証明できます。これにより、「データが見える」だけでなく「その傾向が確からしい」ことを裏付ける根拠を得られ、直感的な印象操作を防ぐための重要なチェックポイントとなります。

この手法の真価は、意思決定の説得力を高める点にあります。鈴木氏によれば、Excelというツールがあれば複雑な計算処理を手動で行う必要はなく、関数入力だけで統計学的な検証が可能です。読者が明日から活かせるのは、会議やレポートで「〜傾向が見られた」と報告する際に、「カイ二乗検定により有意差が確認された（p値＜0.05など）」と添える習慣です。これにより、セグメント化戦略やリソース配分の判断基準を主観ではなくデータに任せられます。注意点として、サンプル数が極めて少ない場合や期待度数が小さすぎる場合には検定の前提条件を満たさないことがあるため、データの質も併せて確認する必要がありますが、基本的な業務分析ではこの関数の活用で十分に対応できるでしょう。

分散分析と重回帰モデルで多変量データを客観的に評価する

佐藤氏によれば、3群以上のデータ比較においてt検定ではなく一元配置分散分析を採用し、有意差が認められた場合はシェッフェ法による多重比較を行うことで、「どのグループ間に具体的な差異があるか」を特定できる仕組みです。例えば「職業別のお菓子購入数」といった多変量データを扱う際、直感的な印象に頼るのではなく、Excel上で統計的根拠に基づいた判断が可能になります。これにより、チーム内で主観的な議論が交錯するのを防ぎ、「p値0.05未満で有意差あり」という共通言語を使って客観的に意思決定を下すことができます。プロジェクトの成功にはこの方法論の統一が不可欠であり、Excelという身近なツールを活用することで、数学に自信がないビジネスパーソンでも再現性のある分析フローを構築できます。

さらに2要因以上の影響を検証する際には二元配置分散分析を用い、各変数の主効果だけでなく交互作用も評価します。重回帰モデルについてはF値で全体の当てはまり精度を確認し、個々の説明変数が本当に有効かどうかはt統計量で検証するという手順が推奨されています。これにより「数値の大小」ではなく「統計的有意性」を基準に判断する習慣がつきます。明日から使える具体的ステップとしては、まず調査票1枚をExcelの1行として定義しデータを整理することからはじめます。その後に分散分析や重回帰解析を実行すれば、自社製品と競合品の評価差などを数値で裏付けられ、改善施策への優先順位付けが明確になります。統計知識がなくてもツールに計算処理を任せることで、確実なデータドリブン決策を実現できます。

Excel統計で主観を排除し、データに基づいた客観的な意思決定を行う

著者は、Excelにおける統計分析の本質は関数の操作手順ではなく、「少量のデータから全体を推測する思考法」にあると指摘しています。具体的には、自社製品と競合商品の味覚テスト結果（10点満点）に対しAVERAGE関数で平均値を算出することを例に挙げています。しかし著者はここで注意喚起しており、算術平均は極端な高得点や低得点といった外れ値の影響を受けやすく、データの真の分布を歪めてしまうリスクがあると述べています。そのため、単一の指標ではなく中央値や最頻値も併用し、多角的にデータを検証することが重要だと強調しています。このアプローチにより、グラフの数値軸目盛りを変更して差を意図的に見せようとする「印象操作」を見破り、主観的な感覚ではなく根拠に基づいた客観的な比較が可能になります。

さらに著者は、3群以上の平均値の差を検定する際にはt検定ではなく一元配置分散分析を用いるべきだと説明します。例えば職業別のお菓子購入数の差異を分析する場合、水準間変動と水準内変動を考慮した上で有意な差があるかを確認し、必要に応じてシェッフェの方法による多重比較でどのグループ間に違いが存在するか特定する手順を示しています。このように統計的手法を選択根拠づけることで、「A社の方が売れている気がする」といった曖昧な直感を排除できます。読者は明日から業務上の意思決定において、単なる経験則ではなく「どのような検定を用い、なぜその手法が適切か」を言語化できる体制を整えることが推奨されます。これにより、上司や顧客に対して論理的かつ再現性のある結論 제시が可能となり、データドリブンな組織文化への貢献に直結します。

こんな人に向いている本

本書はExcel関数で統計処理を行う手順と適用条件を整理しています。著者はまず「1件＝1行」の前処理規則を示し、COUNTIFやピボットグラフでの度数分布作成から始めます。平均値の限界を補うため中央値・最頻値との併用を推奨し、SKEW関数による歪度分析でデータの偏りを視覚化します。これにより外れ値の影響を受けにくい客観的な全体像把握が可能になり、直感に頼らないデータ理解の基盤が構築されます。

相関係数の算出だけでなくp値を用いた仮説検定へ進みます著者はT.TEST関数やCHISQ.TEST関数の引数設定手順を詳述し、正規性・分散等しさといった前提条件に基づきt検定かノンパラメトリック法かを判断するフローを示しています。3群以上では一元配置分散分析を採用し、有意差ありの場合はシェッフェ法で多重比較を行う具体例も挙げます。これにより「偶然ではない関係」を統計的に証明するための実務手順が明確になります。

高度な数学的背景やR言語・Pythonによるプログラミング環境を求める読者には不向きです著者はExcel標準関数および分析ツールアドインの範囲内で完結させる手法に特化しており、大規模データ処理や機械学習アルゴリズムの実装については触れていません。また統計検定などの資格試験対策ではなく業務での意思決定支援を目的としているため、理論的な証明プロセスよりも実務適用手順が優先されています。

明日からできる実践ポイント

本書によれば佐藤氏らは、データ分析の第一歩として「1件のデータをExcelで1行」という入力規則を徹底することを推奨しています。具体的には調査票一枚や売上伝票一組を一単位とし、明細がある場合は結合して一行にまとめます。この構造定義が正確でない場合、後続の集計関数が誤動作するため、まずはデータソースの見直しから始めましょう。また度数分布表作成時はCOUNTIFS関数と絶対参照を活用し、階級変更時に式を修正せずコピーだけで対応できるようにします。これにより保守性が高まり人的ミスを防げます。

さらにピボットグラフを用いた可視化手法が紹介されています。行ラベルにデータをグループ化して階級を設定し、集計方法を「個数」にするだけでヒストグラムが自動生成されます。フィルターエリアに性別などの項目を追加すれば、クリック一つで比較分析が可能です。手動での度数計算やグラフ描画の手間を省き、瞬時に傾向の違いを視覚的に把握できるため、報告書作成時の工数を大幅削減できます。

統計指標の解釈についても実践的な助言があります。AVERAGE関数による平均値のみならず中央値・最頻値も併記し外れ値の影響を見極めることが重要です。例えば製品評価データで平均点が近い場合でも分布形状が異なることがありますので、複数の代表値を照合して客観的に比較します。これにより競合分析において単なる点数差だけでなくデータの偏りまで考慮した深い洞察を得られ意思決定の質向上に寄与します

レビュアー（三宅 悠斗）の総評

本書の最大の特徴は、数学的背景よりも「Excelというツール」を通じて統計的思考を実践的に習得できる点にあります。佐藤氏によれば、分析の出発点は調査票を「1件＝1行」という厳格なルールで入力する前処理です。ここでCOUNTIF関数やピボットグラフを用いて度数分布を作成し、平均値だけでなく中央値・最頻値も併記することで、外れ値の影響を受けにくいデータの全体像を可視化できます。例えば売上データにおいて算術平均が引き上げられている場合でも、ヒストグラムで歪度（SKEW関数）を確認すれば、少数の超大手案件による偏りを即座に特定できるため、誤った判断を防ぐ基盤ができます。

次に進むべきは「偶然か必然か」を統計的に検証する段階です。単なる相関係数の計算では不十分であり、佐藤氏は無相関の検定やt検定（T.TEST関数）による仮説検証の重要性を強調しています。「訪問回数」と「売上金額」に正の相関が見えても、p値が0.05未満で帰無仮説を棄却できなければそれは偶然かもしれません。また、2つのグループ比較ではデータが対応しているかや分散の等しさによってT.TESTの引数（種類1, 2, 3）を選択し、正規性を満たさない場合はノンパラメトリックなマン・ホイットニー検定へ切り替えるという手順も明確に示されています。これにより、主観的な「違いがある気がする」を客観的な証拠に変換できます。

さらに多変量や属性データへの対応として、カイ二乗検定（CHISQ.TEST関数）による独立性の検証や、3群以上比較における分散分析（ANOVA）も網羅しています。クロス集計で「男性はA商品を買っている」と見えても、それが統計的に有意な関係かどうかを証明できるかがビジネス上の意思決定を変えます。本書は一読して終わりではなく、業務で出会うデータに対して「どの検定を選ぶべきか」のフローチャートとして活用することをお勧めします。Excelアドインや関数の具体的な引数設定まで記載されているため、読みながら実際に自分の仕事データを代入し試すことで、感覚論から証拠に基づく意思決定へ確実にレベルアップできます。

本書の読み方ガイド

本書は、統計学的な背景知識をゼロから構築するのではなく、「Excelの関数でどう計算するか」に焦点を当てた実務マニュアルです。著者によれば、数学的な導出過程よりも「どのボタンを押せば結果が得られるか」という手順こそが重要であると位置づけています。したがって、時間的制約がある読者は第1章から優先的に読み進めることを推奨します。ここではアンケートデータの基礎集計を行い、AVERAGE関数やMEDIAN関数の使い分けを通じて、データの大まかな傾向を可視化する具体的なステップが解説されています。この部分を押さえることで、日常の業務で即座に活用できる「平均値」「中央値」の意味と算出方法を習得でき、投資対効果が高いと言えます。

一方で、第2章以降ではBINOM.DIST関数を用いた二項確率や自然対数の処理など、やや高度な統計モデルへの言及が増加します。著者はこれらの複雑な計算もExcelに任せることで簡略化可能だと述べていますが、初学者がすべて通読すると負荷が高くなる可能性があります。そのため、「基本の集計（第1章）」は丁寧に読み込み、「応用的な確率分布（第2・3章）」は必要に応じて参照する形式でつまみ読みするのが効率的です。例えば「成功率を推定したい」といった特定の業務要件が発生した際に、該当ページに戻って関数の引数設定を確認すれば十分です。このように目的別に分断して読むことで、統計解析への心理的ハードルを下げつつ、実務に必要なスキルのみを選択的に習得できる構成になっています