層別散布図は、実務でも研究でも幅広く使われる便利な図です。具体的な活用シーンを見ていきましょう。
身長と体重を性別で層別すると、男女ごとの体格の傾向が見えます。
勉強時間と成績を学年で層別すると、学年ごとの学習効果の違いが見えます。
気温とアイスの売上を店舗の地域で層別すると、地域差の有無が見えます。
顧客の年齢と購入金額を商品カテゴリで層別すると、カテゴリ別のターゲット層が見えます。
製品の重量と強度を製造ラインで層別すると、ライン間の品質差が見えます。
では、層に使う変数はどう選べばよいのでしょうか。
「データの中に性質の違うグループがありそう」と疑える変数を選びます。
属性（性別・年代・職業・所属）、分類（地域・店舗・製品カテゴリ）などです。
状態（運動習慣の有無・契約の有無）や、時期（年月・季節・施策の前後）も使えます。
これらは、ほとんどが質的変数です。
層別の発想は、量的変数の関係を見るときに、質的変数を「補助的に」加えるイメージです。
さえ層に使えそうな変数を思いつく力、実務ではすごく役立つスキルなんだよ！
層別散布図は、Excelなら数クリックで作成できます。
データを層ごとに系列分けして、散布図を作成するだけで完成します。
層別散布図を作れるようになると、データ分析の引き出しが一気に増えます。
「全体だけ見て満足せず、もう1つ視点を加える」という習慣が身につきます。
ビジネスでも研究でも、データから引き出せる発見がぐっと多くなります。
層別散布図は、Excel補助資料でぜひ作成練習をしてみてください。
それでは、ここまでのポイントを整理しましょう。
層別散布図は、散布図にもう1つの変数（層）を加えて、点を色や形で塗り分けたグラフです。
層には、基本的に性別・年代・地域などの質的変数を使います。
層別にすると、全体では見えなかった傾向が浮かび上がることがあります。
層別の発想は、第2章のヒストグラム・第3章の代表値でも登場した共通のアイデアです。
Excelなら、系列を分けて散布図を作成するだけで手早く完成します。
さえデータ分析では「もう1つの軸を加えてみる」という発想が、大きな違いを生むんだよ！
次は『相関係数』を学びます。
