【完全図解】マトリックスデータ解析法とは？｜新QC7つ道具で唯一の「数値解析」手法を初心者向けに徹底解説

新QC7つ道具の中に、一つだけ「異質な存在」がいます。

親和図法、連関図法、系統図法、マトリックス図法、アローダイアグラム、PDPC法——これら6つは「図を描いて関係を見える化する」手法で、特別な数学の知識は必要ありません。

しかし、最後の1つだけが違います。マトリックスデータ解析法。これは新QC7つ道具の中で唯一、数値データを使って数学的に解析する手法です。その正体は主成分分析（PCA）——多変量解析の代表的な手法です。

「えっ、主成分分析がなぜQC7つ道具に？」と戸惑う人は多いです。でも安心してください。この記事では、マトリックスデータ解析法が何をやっている手法なのか、なぜ新QC7つ道具に入っているのかを、数式なしの図解で徹底的に解説します。

マトリックスデータ解析法とは？

名前に「マトリックス」と入っているとおり、この手法はマトリックス図法の発展版です。マトリックス図法では交点に◎○△の記号を打ちましたが、マトリックスデータ解析法では交点に実際の数値データを入れます。

「テストの成績表」で理解する

あなたが高校時代に見た「成績表」を思い出してください。

生徒 ＼ 科目	国語	数学	英語	理科	社会
田中さん	65	90	70	85	60
鈴木さん	85	50	90	55	80
佐藤さん	70	75	65	70	75

この表は「生徒 × 科目」のマトリックスです。交点には◎○△ではなくテストの点数（数値データ）が入っています。これがまさに「マトリックスデータ」です。

ここで質問です。この5科目の点数だけで「田中さんは理系タイプ、鈴木さんは文系タイプ」と判断できるでしょうか？

5教科の点数を1つずつ見比べても、全体の傾向は掴みにくいですよね。でも、もし5科目の点数を「理系力」と「文系力」という2つの軸に要約して、2次元の散布図にプロットできたら——一目で「田中さんは理系寄り」「鈴木さんは文系寄り」とわかるはずです。

この「多くの変数を、少数の軸に要約する」操作が主成分分析であり、それを品質管理の文脈で使うのがマトリックスデータ解析法です。

マトリックス図法との違い｜「記号」vs「数値」

名前がよく似ている2つの手法を、ここで明確に区別しておきます。QC検定では、この2つの違いがほぼ毎回出題されます。

比較項目	マトリックス図法	マトリックスデータ解析法
入力データ	記号（◎○△）	数値（測定値・点数など）
解析方法	目視で記号のパターンを読む	主成分分析で数学的に処理
結果の表示	一覧表のまま	2次元散布図（主成分得点プロット）
Excelで対応	簡単にできる	Excel単体では難しい（統計ソフト推奨）
新QC7つ道具での位置	6つの「図解系」手法の1つ	唯一の「数値解析系」手法

なぜ「マトリックスデータ解析法＝主成分分析」なのか？

QC検定のテキストには「マトリックスデータ解析法の実体は主成分分析である」と書かれています。でも、なぜ新QC7つ道具にわざわざ主成分分析を入れたのでしょうか？

マトリックス図法の「限界」を突破するため

マトリックス図法は、交点に◎○△の記号を打って「関係の有無」を見える化する手法でした。これはシンプルで直感的ですが、2つの限界があります。

そこで登場するのが主成分分析です。主成分分析は、大量の数値データの中から「最も情報を多く持っている軸（主成分）」を自動的に見つけ出し、データを2次元の散布図にギュッと圧縮してくれます。

つまり、マトリックスデータ解析法とは「マトリックス図法の交点を数値にして、主成分分析で圧縮し、散布図で可視化する」手法です。新QC7つ道具の「見える化」の思想はそのままに、数学の力で精度とスケーラビリティを上げた進化版なのです。

具体例で見る｜製品品質データの解析

ここからは、製造業での具体例でマトリックスデータ解析法の流れを追ってみましょう。数式は使いません。「何が起きているか」のイメージだけ掴んでください。

例題：5つの品質特性で製品を評価する

ある自動車部品メーカーで、4つの製品ロット（A〜D）に対して5つの品質特性（硬度、引張強度、伸び、密度、表面粗さ）を測定したとします。

ロット	硬度	引張強度	伸び	密度	表面粗さ
ロットA	85	420	12	7.8	1.2
ロットB	82	410	14	7.7	1.3
ロットC	70	350	20	7.5	2.1
ロットD	60	300	25	7.2	3.0

5つの品質特性を一つずつ見比べても、「ロットA〜Dの全体的な傾向」はつかみにくいですよね。そこで主成分分析を使います。

主成分分析で2次元に圧縮すると…

主成分分析にかけると、5つの品質特性が「第1主成分（総合的な品質レベル）」と「第2主成分（硬さと柔軟性のバランス）」の2軸に要約されます。各ロットを2次元散布図にプロットすると、以下のようなイメージになります。

この散布図を見ると、一目で以下のことがわかります。

5つの品質特性を1つずつ見ていたら気づけなかった「ロットDの異常」が、2次元の散布図にすることで一目で発見できました。これがマトリックスデータ解析法の威力です。

押さえておくべき主成分分析のキーワード

マトリックスデータ解析法を理解するためには、主成分分析の重要キーワードを最低限知っておく必要があります。ここでは数式は使わず、イメージだけで説明します。

寄与率と累積寄与率｜「どれくらい情報を圧縮できたか」

5つの品質特性を2つの主成分に圧縮するとき、「元のデータの何%の情報を保持できたか」を表すのが寄与率です。

累積寄与率が70〜80%以上あれば、「2つの主成分で十分に元のデータを表現できている」と判断できます。

因子負荷量｜「各主成分が何を意味するか」

主成分分析で軸を作ったあと、「第1主成分はどの変数と関係が強いか」を示すのが因子負荷量です。因子負荷量が大きい変数ほど、その主成分に強く影響しています。

先ほどの例でいえば、第1主成分の因子負荷量が「硬度：0.9、引張強度：0.85、密度：0.8」と高ければ、第1主成分は「材料の強度・密度に関する総合指標」と解釈できます。

他の多変量解析手法との位置づけ

主成分分析は多変量解析の1つです。品質管理で使われる主な多変量解析手法との関係を整理しておきましょう。

手法	目的	ひとこと
⭐ 主成分分析 ＝マトリックスデータ解析法	次元を縮約する	多くの変数を少数の軸（主成分）に要約
重回帰分析	予測する	複数の説明変数からyを予測
判別分析	分類する	データがどのグループに属するか判定
数量化理論	質的データを分析	カテゴリデータを数値化して分析
マハラノビス距離	異常を検出する	多変量空間での「外れ値」を検出

QC検定での出題ポイント｜押さえるべき4つの論点

マトリックスデータ解析法はQC検定2級・3級で出題されます。計算問題は出ません（1級は計算あり）。以下の4つを確実に押さえてください。

出題パターン① マトリックス図法との違い

「マトリックスデータ解析法は、交点に◎○△の記号を用いて関係を整理する手法である」→ ×（記号を使うのはマトリックス図法。マトリックスデータ解析法は数値データを使う）。

出題パターン② 新QC7つ道具での特殊な立ち位置

「新QC7つ道具のうち、数値データを数学的に解析する手法はどれか」→ マトリックスデータ解析法。他の6つはすべて「図解系」で、数学的な処理は不要。

出題パターン③ 主成分分析との関係

「マトリックスデータ解析法で用いられる多変量解析手法は何か」→ 主成分分析。これはストレートに問われます。

出題パターン④ 寄与率・因子負荷量の意味

「寄与率とは、各主成分が元のデータの情報量をどの程度説明しているかを表す指標である」→ ○。定義レベルの正誤判定です。

まとめ

マトリックスデータ解析法は、新QC7つ道具の中で唯一の「数値解析」手法です。最後にポイントを整理します。

マトリックスデータ解析法は「名前が難しそう」と敬遠されがちですが、やっていることは「テストの成績表から理系タイプ・文系タイプを見分ける」のと同じです。5科目の点数を2つの軸に圧縮して散布図にする——これが主成分分析の本質であり、マトリックスデータ解析法の正体です。

QC検定の出題レベルでは計算は求められません。「マトリックスデータ解析法＝主成分分析＝新QC7つ道具で唯一の数値解析」——この3点セットを覚えておけば、選択肢問題は確実に正解できます。主成分分析の数学的な仕組みをもっと深く知りたい方は、以下の関連記事を順に読んでみてください。