2026/5/29
散布図は「2変数の関係を見るチャート」で終わらない
散布図といえば、X軸とY軸に1変数ずつ割り当てて点をプロットする——そのイメージで止まっている方は多いです。 確かにそれが基本ですが、散布図はそこから大きく広げられるチャートでもあります。 グループ属性を加えれば層別散布図に、変数を増やせば散布図行列に、 時系列を加えれば軌跡付き散布図に、 相関の強弱を構造として捉えれば相関ネットワークになります。
このページでは、散布図の4つの拡張形とそれぞれのジェネレーターを紹介します。 「どのチャートを選べばいいか」の判断基準も整理しています。
Excelの散布図が「2変数の壁」に当たる場面
Excelの散布図は、2変数の関係を見るという用途においては十分に機能します。 しかしデータ分析の現場では、もう少し踏み込んだ問いが生まれます。
EXCEL の限界——こんな場面で詰まる
- グループ別（男女・地域・商品カテゴリなど）に色分けして散布図を重ねたいが、データ系列を手作業で分割しなければならない
- 5〜10変数の相互関係を一度に俯瞰したいが、Excelでは散布図行列を自動生成する機能がない
- ブランドや商品のポジションが年々どう変化したかを軌跡として見たいが、静止画では動きが伝わらない
- 相関行列の数値は出せるが、変数間のつながりの「構造」として視覚化する手段がない
AYAKO
層別散布図を作ろうとしてExcelで3時間格闘した経験、私もあります。 データをグループごとに別列に分けて、系列を一個ずつ追加して、色を設定して…… やっと完成したと思ったら「グループを追加してください」って言われて絶望するやつです。 ジェネレーターならグループ列を含めてコピペするだけなので、ぜひ使ってみてください。
散布図の4つの拡張形——何を加えると何が見えるか
4つのジェネレーターはそれぞれ、散布図の基本に「何を加えるか」で分類できます。
01
散布図・層別散布図——グループ属性を加える
2変数の関係にグループ情報（色・形）を重ねる。「全体では相関がないように見えるが、グループ別に見ると逆の傾向が現れる」というシンプソンのパラドクス的な状況の発見に有効。
02
散布図行列——多変数を一覧する
N個の変数を縦横に並べ、すべての2変数組み合わせの散布図を一枚に表示する。どの変数ペアに関係があるかを探索する「相関の全体地図」として機能する。
03
軌跡付き散布図——時系列の変化を追う
各点に時系列の順序情報を加え、移動の軌跡をアニメーションで表示する。ブランドポジショニング・KPIの推移・競合比較など、「どこからどこへ動いたか」を伝えるのに適している。
04
相関ネットワーク——変数間の構造を見る
相関係数の強弱をノードとエッジで表現したネットワーク図。「どの変数が中心的に他と関係しているか」「独立して動いている変数はどれか」という構造の把握に有効。偏相関係数モードで見かけの相関を除去することもできる。
HARUKA
チャートの選択は、「何を問うているか」で決まる。 2変数の関係を確認したいなら散布図、グループ差を見たいなら層別、 変数間の全体構造を探索したいなら行列、変化の方向を伝えたいなら軌跡、 関係の網を構造として見たいならネットワーク——という順序で考えるといい。 問いが先にあって、チャートはその答えを引き出す道具だから。
散布図・層別散布図ジェネレーター
最もシンプルな散布図から、グループ属性による層別まで1つのジェネレーターで対応しています。 ExcelからX・Y・グループの3列をコピペするだけで層別散布図が生成されます。 グループ列がなければ通常の散布図として描画されます。
相関係数（ピアソン・スピアマン）の自動計算、 回帰直線の表示・非表示切り替え、SVG/PNGでのダウンロードに対応しています。
HARUKA
層別散布図が最も力を発揮するのは、全体の相関とグループ別の相関が乖離しているとき。 全体では正の相関があるように見えても、グループを分けると各グループ内では無相関—— あるいは逆の傾向——が現れることがある。 層別なしの散布図だけを信頼すると、データに騙される。
散布図行列ジェネレーター
多変数データの相互関係を一枚で俯瞰したいときのチャートです。 5変数なら5×5=25セルの散布図がグリッド状に並び、 対角線上にはヒストグラムまたは変数名が表示されます。 どの変数ペアに強い相関があるかを一目で把握できます。
アンケートの複数設問間の関係探索、 マーケティングKPI間の関係把握、 機械学習の特徴量選択の前段階として使われることが多いチャートです。
AYAKO
相関分析をするとき、まず相関行列を出してどのペアを深掘りするか決める——という順番ってありますよね。 その「どのペアを深掘りするか」の判断が、数値の相関行列より散布図行列のほうがずっと直感的にできます。 数値で0.67と書いてあるより、グラフで右上がりの点群を見るほうが「あ、ここだ」ってなるんですよ。
軌跡付き散布図（モーションチャート）ジェネレーター
「現在のポジション」だけでなく「どこから来てどこへ向かっているか」を伝えたいときのチャートです。 認知度×好意度、コスト×効果、価格×品質など、 マーケティングで頻出する2軸のポジショニング分析に時系列の動きを加えます。
複数のブランド・商品・施策を同時に追えるため、 競合比較のプレゼン資料や定例レポートでの使用に適しています。 アニメーション再生と軌跡表示の切り替えが可能で、 静止画としてのエクスポートにも対応しています。
AYAKO
ブランドAが右上（高認知・高好意）に向かっているのに、 ブランドBは左下に向かっている——という動きを会議で見せると、 棒グラフの数値を並べて説明するより圧倒的に伝わります。 「数字の変化」ではなく「動きのストーリー」として見せるのが軌跡チャートの価値です。
GENERATOR 03 軌跡付き散布図（モーションチャート）ジェネレーター ブランドの「動き」を、時系列で追う。 ジェネレーターを開く
相関ネットワークジェネレーター
相関行列の数値を、ノード（変数）とエッジ（相関の強さ）で表現したネットワーク図です。 「どの変数が多くの変数と関係しているか（ハブ変数）」 「どの変数が独立して動いているか」という構造を、 数値の表より直感的に把握できます。
偏相関係数モードでは、他の変数の影響を取り除いた「純粋な関係」だけを残すことができます。 見かけの相関（交絡因子による疑似相関）を除去して、 本質的なつながりだけを浮かび上がらせたいときに有効です。
HARUKA
相関ネットワークは探索的分析のツールとして使うのが正しい。 「なぜこの変数とこの変数が強くつながっているのか」という仮説を立てる起点であって、 ネットワーク図を見ただけで因果を語るのは誤り。 相関は因果ではない——この原則は、どのチャートで見ても変わらない。
4つのジェネレーター一覧
GENERATOR 01
散布図・層別散布図
2変数の関係を、点で語らせる。
グループ属性を色・形で表現。相関係数・回帰直線の自動表示。
ジェネレーターを開くGENERATOR 02
散布図行列
全変数の関係を、一枚で見渡す。
多変数データの相関を全ペアで一括表示。探索的分析の第一歩に。
ジェネレーターを開くGENERATOR 03
軌跡付き散布図
ブランドの「動き」を、時系列で追う。
2軸ポジショニングの時系列変化をアニメーションで表現。複数対象の比較に。
ジェネレーターを開くGENERATOR 04
相関ネットワーク
変数の「繋がり」を、網で捉える。
相関構造をネットワーク図で可視化。偏相関モードで疑似相関を除去。
ジェネレーターを開く