コレスポンデンス分析とは？やり方・注意点を丁寧に解説

この記事でわかること・できること

• コレスポンデンス分析の基本とアウトプットイメージがわかる
• Excel統計を使ったコレスポンデンス分析結果(サンプル)が見れる
• 上記を詳しく解説した資料が無料でダウンロードできる

コレスポンデンス分析とは

コレスポンデンス分析とは、2次元のマップ上で、回答パターンの「似ているもの同士を近く」に、「傾向の異なるものを遠く」にプロット（布置）する手法です。

アンケート調査で得られたブランドイメージなどを2次元にマッピングするとき、よく用いられている分析方法で、「対応分析」「数量化Ⅲ類」と同義であり、略して「コレポン」と呼ばれることもあります。

【参考】コレスポンデンス分析結果のアウトプットイメージ

コレスポンデンス分析のメリット

コレスポンデンス分析を行うことによる最大のメリットは、「あるブランドは、どのイメージと結びつきが強いのか」などのように、データを感覚的に俯瞰できることです。

また、分析に必要なデータはクロス集計のみなので、比較的容易に分析を行うことができます。

コレスポンデンス分析用のデータ形式

コレスポンデンス分析は、集計済のクロス集計表を使うことが最も一般的です。

例えば、『表側にブランド名、表頭にブランドのイメージワード』があるクロス集計表（例①）、『表側にある一つのブランドのイメージワード、表側に性・年代別のスコア』があるクロス集計表（例②）などです。

例①

例②

コレスポンデンス分析のための設問とクロス集計表

コレスポンデンス分析のための設問

こちらはある商品カテゴリーの、AからIまで9つのショップのイメージを聞く設問例です。

このまま9つのショップ名と12のイメージをそのままプロットし、全体像を俯瞰することもできますが、ここでは各イメージごとに性年代別の傾向を深堀するという調査目的に沿い、「ショップに行くことにステイタスを感じる」というイメージを一つの例として、性年代別の傾向を分析してみましょう。

コレスポンデンス分析に用いるクロス集計表

次に、「ショップに行くことにステイタスを感じる」について、性・年代別のクロス集計表が下記となります。性・年代区分は、男女とも｢15～19歳｣｢20代｣｢30代｣｢40代｣｢50歳以上｣の5区分です。
＊データはパーセンテージ（％）ですが、実数でもかまいません。

分析結果の固有値とアウトプット(Excel統計)

前章の「ショップに行くことにステイタスを感じる」の性・年代別クロス集計表を、コレスポンデンス分析にかけた結果の固有値（行方向・列方向）が、下記の、左側の上下2つの表です。

第1固有値と第2固有値の値が合体した右側の表も表示されます。

※ここでは、コレスポンデンス分析はExcel統計（有償）で行いました。以下の3つの表は、操作により自動的に生成されます。

コレスポンデンス分析結果のアウトプット

行方向・列方向の第1固有値と第2固有値が合体された表（前述の表）を、散布図としてプロットしたコレスポンデンス分析のアウトプット例は、Excel統計（有償）でおこなうことで操作により自動的に生成されます。

そのアウトプット例を資料としてご用意していますので、下記よりダウンロードしてご覧ください。
>>「コレスポンデンス分析のアウトプット例」を見る【資料を無料ダウンロード】

なお、軸の名称は結果を解釈しながら決めます。

コレスポンデンス分析に関するよくある質問

Ｑ：コレスポンデンス分析と数量化Ⅲ類との違いは何ですか？

基本的に同じと考えて差し支えありません。微妙な違いとしては、数量化Ⅲ類の場合、分析に用いるクロス集計表の値が「0-1」の2値データ（ ｢あてはまらない｣場合は｢0｣、｢あてはまる｣場合は｢1｣）であるということです。

どちらも、データ間の相関係数が最大になるように分析することが原理です。
「コレスポンデンス分析は数量化Ⅲ類の拡張」という言い方もできるでしょう。

※クロス集計表の値は実数を使うケースが多いですが、今回の例のように構成比（％）でも結果は変わりません。

Ｑ：調査結果が二次元でプロットされるので、わかりやすいのですが、注意する点もありますか？

はい。コレスポンデンス分析にかけるデータは、集計済みのクロス集計表ですので、値の大小はアウトプットのマップには反映されません。
ですのでアウトプットでは、データ間の「形」は一目でわかっても、各々のデータの「強さ」まではわかりませんので、データの解釈には注意が必要です。

>>コレスポンデンス分析に関するQ&Aをもっと見る【資料を無料ダウンロード】

主成分分析やクラスター分析との違い

コレスポンデンス分析に似ている分析方法として、「主成分分析」と「クラスター分析」があります。それぞれの分析手法について簡単に説明しますが、より詳しく知りたい方は解説記事をご覧ください。

主成分分析は、観測できる変数に内包されている情報を、できるだけ損なわずに少数の変数（主成分）に縮約します。経済学や社会学領域で多く用いられています。

企業イメージや、ブランドイメージ測定、製品のイメージ評価などでよく利用されているSD法の目的に適している分析手法です。
>>「SD法と主成分分析」について詳しく解説

クラスター分析は、色々な特性を持つ変数（データ）を「類似性の指標」（データ・データ群間の距離）をもとにして、似た者同士を集めていくつかのグループ（クラスター）に分類する方法の総称です。

マーケットセグメンテーション(マーケットを、特徴ごとに細分化しグループとしてまとめ、各グループに対する商品開発や販売促進策に役立つ分析)の代表的な分析手法の一つです。
>>「クラスター分析」について詳しく解説

無料ダウンロード「コレスポンデンス分析の方法・活用マニュアル」

本記事で解説した「コレスポンデンス分析の方法・活用」についてまとめた資料は、下記よりダウンロードすることができます（無料）。こちらの資料では、記事では紹介できなかったコレスポンデンス分析結果の解釈例やよくある質問等を掲載しています。
無料でダウンロードしてご活用いただけますと幸いです。

まとめ

ここまでコレスポンデンス分析の基本的なやり方や、活用場面を、具体例とともに解説してきました。コレスポンデンス分析をおこなうと、クロス集計表が、2次元のマップに変換され、ぱっと見でその関係性を知ることができます。是非使いこなして、マーケティング活動に活かしていきましょう。