データマネジメント試験 科目B|データの適切な取扱い 問13
C 社の D さんは、顧客アンケートのデータを集計していて、年齢の項目に“999”という値が 30 件含まれていることに気づいた。ほかの値は 18 から 85 の範囲にある。このまま平均年齢を計算すると、実際よりも大幅に高くなってしまう。
設問 D さんがまず行うこととして、最も適切なものはどれか。
正解:エ
解説
範囲から大きく外れた値は、入力の誤りとは限らず、“回答なし”などを表す特別なコードとして決められていることがあります。値の意味を確認してから、欠損値として集計から除くなどの扱いを決めます。
- ア 意味を確かめずに値を書き換えると、データをゆがめることになります。
- イ 年齢以外の項目は有効な回答なので、すべて削除すると情報が失われます。
- ウ 意味を確認する前に補完の方法を決めるのは早すぎます。補完するとしても、平均で置き換えると年齢のばらつきが小さく見えるなどの影響があります。
- エ 正解。
もう一歩深く
アは、999 を 99 に書き換えると、実際には存在しない 99 歳の回答者が 30 人いることになります。イは、年齢以外の項目は正しく回答されているかもしれないので、全て削除すると情報を失います。ウの平均値での置換えは、年齢の散らばりを実際より小さく見せてしまいます。“999”のように、欠損を表すために決めた値は“センチネル値”と呼ばれ、データ辞書に意味を書いておくことが大切です。
当サイトのオリジナル問題です。