一元配置分散分析:なぜ「分散」で平均を比べるのか

一元配置分散分析:なぜ「分散」で平均を比べるのか

3つ以上の群の平均を比べる方法なのに、その名前は「分散分析」です。名前にある「分散(variance)」という言葉は、統計学者のロナルド・フィッシャーが1918年に、遺伝についての論文で導入しました⁠[1, 2]。

3つの病棟で入院中の患者さんを5人ずつ選んで年齢を調べ、平均が70歳、75歳、80歳だったとします。病棟によって患者さんの年齢が違うといえるかを調べるとき、一元配置分散分析は、なぜ「分散」で平均を比べるのでしょうか。

この記事の要約(押すと開閉します)
  • 定義:対応のない3つ以上の群で、平均に違いがあるかを一度に調べる方法。群を分ける要因が1つなので「一元配置」と呼ぶ。群の間のばらつきと群の中のばらつきの比で、平均の違いが偶然で説明できるかを調べる
  • 生まれた経緯:1918年にFisherが、標準偏差の2乗を分散と名づけた。Fisherは1923年にMackenzieとの論文で分散分析を使ったが、のちにCochranはこの分析を誤りとした。Fisherは1925年の教科書で、2つの分散の推定値をzで比べる検定を示した。1934年にSnedecorが、分散の比であるF統計量を導入した
  • 考え方:群の平均の散らばりが、群の中のばらつきから予想される程度を大きく超えれば、平均が違うと判断する。差がなければFは1の前後になる
  • 求め方:全体の平方和を群間と群内に分け、自由度で割った平均平方の比をFとする。全体の平方和に占める群間の平方和の割合η²を、効果量として添える
  • 2標本t検定をくり返さない理由:偽の有意差が増える。本当は差がない各群10人の群を2群ずつt検定で比べると、どれかが有意になった割合は3群で約12%、5群で約28%だった(筆者のシミュレーション)
  • 前提:値が互いに独立で、各群が正規分布に近く、分散が等しいこと。正規分布からのずれには比較的強い
  • Welchの方法:分散と人数がそろわないと従来のF検定は誤りやすく、Welchの方法を最初から使う考え方がある。等分散性の検定で方法を選ぶ手順は、広くは勧められなくなっている
  • 結果の読み方:有意なら、どこかの群の平均が違うといえるが、どの群かはわからない。有意でなくても「差がない」とはいえず、平均の差の信頼区間を見る
  • 多重比較:誤って有意になる確率を抑えながら、2群ずつ比べる。Tukeyの方法は等しい分散を前提にし、Games-Howellの方法は人数も分散も違ってよい
  • SPSSでの手順:1人1行で入力し、「一元配置分散分析」で、「オプション」の「Welch」と、「その後の検定」の「Tukey」「Games-Howell」を選ぶ
  • 結果の書き方:各群の人数、平均、標準偏差、検定の種類、Fと2つの自由度、p値、効果量を書き、多重比較は平均の差と95%信頼区間で示す

一元配置分散分析とは

一元配置分散分析は、対応のない3つ以上の群で、平均に違いがあるかを一度に調べる方法です。群を分ける要因、つまり因子が1つなので「一元配置」と呼びます。3つの病棟の患者さんの年齢のように、別々の人からなる群を比べるときに使います。要因が2つのときは、繰り返しのない二元配置分散分析などを使います。

平均の差だけでは、群によって平均が違うとは決められません。どの病棟にも平均に近い年齢の人しかいないなら、5歳ずつの差ははっきりしています。しかし、どの病棟にも50代から90代までいるなら、その差は、たまたま選ばれた5人の違いかもしれません。

平均の差が偶然の範囲を超えているかどうかは、群の中の人どうしのばらつきと比べてはじめて判断できます。そこで、一元配置分散分析は、群の間のばらつきと群の中のばらつきの比で、平均の違いが偶然で説明できるかを調べます。全体の分散を群の間と群の中に分け、その比で平均の違いを調べるので、名前に「分散」が入っています。

一元配置分散分析が生まれるまで

いまの一元配置分散分析には、足し合わせられるばらつきの尺度である分散と、2つの分散の推定値を比べて群の違いを調べる検定が含まれています⁠[1, 3]。どちらも、英国の統計学者Ronald Fisher(ロナルド・フィッシャー)の論文と教科書に出てきます。

一元配置分散分析が生まれるまでの年表。各行に、そのとき問題になったことと、それに答えた方法を示す。1918年、Fisherは、ばらつきの原因を分析するには標準偏差の2乗を尺度にするのが望ましいとして、これを分散と名づけた。1923年、FisherとMackenzieは、品種によって肥料への反応が違うかを調べた論文で、分散分析を使った。1925年、Fisherは、群の違いが偶然の範囲かを調べるため、2つの分散の推定値をzで比べる方法を示した。1934年、Snedecorは、Fisherの方法の実用上の重要さに米国で早くから気づき、統計の方法を実験者が使える形にするなかで、分散の比をF統計量とした。1918年、1925年、1934年は緑で、いまの手順のもとになった段階。1923年は灰色で、のちにCochranが分析を誤りとした段階

図1 一元配置分散分析が生まれるまでの主な出来事。矢印の左はそのとき問題になったこと、右はそれに答えた方法。緑は、いまの手順のもとになった段階。灰色の1923年は、のちにCochranが分析を誤りとした段階

Fisherは1918年、親族の間の相関を、メンデルの遺伝の仕組みから説明する論文を発表しました⁠[1]。論文の初めでFisherは、「原因の何パーセント」という大まかな言い方は、個人と集団の区別をわかりにくくするので、避けることが望ましいと書いています。また、2つの独立な原因が同時にはたらいたときの標準偏差を求める式も示しています⁠[1]。

独立な原因によるばらつきは、標準偏差のままでは足し合わせられませんが、2乗した値どうしなら足し合わせられます。そこでFisherは、ばらつきの原因を分析するには、標準偏差の2乗をばらつきの尺度にするのが望ましいと書いています。この量を分散と名づけ、分散を使えば、全体の分散のうち、どれだけの割合がそれぞれの原因によるかを言えるとしました⁠[1]。分散という語は、この論文で導入されました⁠[2]。

英国のロザムステッド農事試験場の報告によれば、肥料や耕作が収量に与える効果は単純ではなく、季節や天候による変動もありました⁠[4]。この効果を調べるため、試験場には1919年に統計の部門が置かれ、Fisherが長になりました⁠[4, 5]。Fisherの助手は、Winifred Mackenzie(ウィニフレッド・マッケンジー)でした。2人は、1852年からの作物の記録を、気象と合わせて分析し始めました⁠[4]。

Fisherは1921年の論文で、1843年から小麦を作り続けてきた畑の収量の変動を調べました。変動を、主に天候による年ごとの変動、地力の低下、そのほかのゆっくりした変化の3種類に分けています⁠[4]。

作物の品種によって、肥料への反応が違うと仮定されることが少なくありませんでした⁠[6]。FisherとMackenzieは1923年の論文の初めで、畑の試験の誤差は小さく見積もられがちだと書いています。品種を変えた試験で結果が食い違っても、それが品種の違いによるのか、ふつうの試験の誤差によるのかを決める十分な証拠はない、としています⁠[6]。

ジャガイモの品種による肥料への反応を調べた1923年の論文で、FisherとMackenzieは分散分析を使いました⁠[6, 7]。統計学者のWilliam Cochran(ウィリアム・コクラン)は、これを分散分析についてのFisherの最初の論文としています。ただしCochranは、このときのFisherは分散分析の規則もランダム化の役割もまだ十分に理解しておらず、分析は誤っていたと述べています⁠[7]。

Fisherは1925年に、研究者向けの統計の教科書を出版しました⁠[3]。例の1つは、土の試料を4つに分け、それぞれを薄めて7枚の培地に植え、細菌の数を数えたデータです。Fisherは、4つの試料の結果が、偶然のばらつきの範囲で一致するかを問いました⁠[3]。

細菌の数の例でFisherは、試料の間と試料の中のばらつきから、2つの分散の推定値を求めて比べています。分散分析で生じる検定はどれも、一方の分散の推定値がもう一方より有意に大きいかを調べる1つの問題になる、とFisherは書いています。2つの推定値の自然対数の差の半分をzとし、Pが5%となるzの値の表で判断しました⁠[3]。

細菌の数の例では、試料の中のばらつきのほうが大きく、4つの試料の違いは有意ではありませんでした⁠[3]。同じ本の別の例は、12品種のジャガイモに3通りの肥料を与えたロザムステッドの試験です。Fisherは、ばらつきを2つより多い部分に分け、品種によって肥料への反応が違う様子はないと結論しました⁠[3]。

George Snedecor(ジョージ・スネデカー)は、米国アイオワ州立カレッジの統計学者でした。統計の方法を、農学や生物学の実験者が使えるようにした先駆者として知られています⁠[8]。Snedecorは、Fisherの方法の実用上の重要さに、米国で早くから気づいた一人でした。1934年には小さな本を書き、F統計量を導入しています⁠[8]。

分散分析と、実験の組み立て方を決める実験計画法は、Fisherがロザムステッド農事試験場で働いていた1920年代に作られました⁠[9]。Fisherの1925年の教科書には、畑をブロックに分けて比べる方法も載っています⁠[3]。この方法は、繰り返しのない二元配置分散分析の記事で説明しています。1950年代の終わりには、Fisherの方法は、心理学、教育学、医学など多くの分野に定着していました⁠[9]。

全体のばらつきを原因ごとの部分に分け、その割合で表す見方は、Fisherの1918年の論文と同じ形です⁠[1]。群の間と群の中から2つの分散の推定値を求めて比べ、群の違いが偶然の範囲かを調べる形は、Fisherの1925年の教科書にあります⁠[3]。統計ソフトが出力するFは、Snedecorが1934年に導入した統計量で、Fisherのzと違い、2つの平均平方の比そのものです⁠[3, 8]。

一元配置分散分析の考え方

一元配置分散分析では、群の平均の散らばりが、群の中のばらつきから予想される程度を大きく超えるかどうかで、平均の違いを判断します。群の平均に本当は差がなくても、たまたま選ばれた人の違いによって、群の平均は多少ばらつきます。その大きさは、群の中のばらつきから見積もることができます。

比べるばらつきは2種類です。一つは群の間のばらつき、つまり群の平均どうしが、全体の平均のまわりにどれだけ散らばっているかです。もう一つは群の中のばらつき、つまり同じ群の人どうしが、その群の平均のまわりにどれだけ散らばっているかです。

図2は、3つの病棟から5人ずつ選んで年齢を調べる例を、2通りに作った架空のデータです。どちらも病棟の平均は70歳、75歳、80歳で、平均の差はまったく同じです。病棟の中のばらつきは異なり、各病棟の標準偏差はAで1.6歳、Bで11.1歳です。

3つの病棟の患者さん5人ずつの年齢を示した2つの点図。どちらも病棟の平均は70歳、75歳、80歳だが、病棟の中のばらつきが小さいAではF=50.0、p<0.001、ばらつきが大きいBではF=1.02、p=0.39になる

図2 平均の差が同じでも、群の中のばらつきで結論が変わる(架空のデータ)。3つの病棟の患者さん5人ずつの年齢で、どちらも平均は70歳、75歳、80歳。群間の平方和はどちらも250で同じだが、群内の平方和はAが30、Bが1470で、Fとp値が大きく異なる

2つのばらつきの比をFと呼びます。ばらつきの大きさは、平均平方で表します。図2のAでは、群の間の平均平方125に対して、群の中の平均平方は2.5しかなく、F=50.0になります。Bでは群の中の平均平方が122.5あるので、同じ125を割ってもF=1.02です。

群の平均に差がないとき、2つの平均平方はどちらも同じ大きさのばらつきを見積もるので、Fは1の前後になります。Bの1.02は、差がないときに出てくるのと変わらない値です。p値は、Aが0.001未満、Bが0.39でした。

一元配置分散分析の求め方

Fは、全体のばらつきを表す平方和を群間と群内に分け、それぞれを自由度で割った平均平方の比として求めます。図2のAのデータで、手順をたどります(図3)。

図2のAのデータで、病棟Cの82歳の人の全体の平均からの偏差+7が、群間の偏差+5と群内の偏差+2に分かれることを矢印で示し、全員分を2乗して合計すると全体の平方和280が群間の平方和250と群内の平方和30に分かれ、自由度で割った平均平方125と2.5の比がF=50.0になる手順を示した図

図3 全体のばらつきを、群の間と群の中に分ける。図2のAのデータで、一元配置分散分析のFを求める手順。強調した病棟Cの82歳の人では、全体の平均75歳からの偏差+7が、群間の偏差+5と群内の偏差+2に分かれる。群間の偏差は病棟の平均80歳と全体の平均の差、群内の偏差は82歳と病棟の平均の差。どの人の偏差もこのように分かれ、全員分を2乗して合計すると、全体の平方和も群間と群内の平方和にちょうど分かれる。自由度2と12のF分布から、p<0.001

  1. 15人全員の平均、つまり全体の平均を求めます。75歳です。
  2. 各人の値と全体の平均との差を、偏差と呼びます。偏差を、群の平均と全体の平均の差である群間の偏差と、各人の値と群の平均の差である群内の偏差に分けます。病棟Cの82歳の人なら、+7=+5++2です。
  3. 群間の偏差と群内の偏差を、それぞれ2乗して全員分を合計すると、平方和が得られます。群間の平方和は250、群内の平方和は30、全体の平方和は280です。2つの偏差を掛け合わせた部分は全員分を合計すると0になるので、全体の平方和は、群間と群内の平方和にちょうど分かれます。
  4. 平方和を自由度で割って、平均平方を求めます。自由度は、自由に値をとれるデータの個数です。群間の自由度は「群の数−1」で2、群内の自由度は「全体の人数−群の数」で12です。群間の平均平方は250÷2=125、群内の平均平方は30÷12=2.5です。
  5. F=125÷2.5=50.0です。群の平均に差がないときにFがとる分布を、F分布と呼びます。自由度2と12のF分布にあてはめると、p<0.001になります。
分散分析表の列この例の値
平方和群間250、群内30、全体280
自由度群間2、群内12、全体14
平均平方群間125.0、群内2.5
F50.0、p<0.001

表1 図2のAのデータの分散分析表。統計ソフトは、群間、群内、全体を行に、平方和、自由度、平均平方、Fを列に並べて出力する

群間、群内、全体について、平方和、自由度、平均平方、Fを並べた表を、分散分析表と呼びます(表1)。統計ソフトの出力も、この形になっています。

群間の平方和が全体の平方和に占める割合は、差の大きさを表す効果量の一つとして使われます。この割合をイータ2乗と呼び、η²と書きます。図2のAでは250÷280=0.89、Bでは250÷1720=0.15です。

2標本t検定をくり返さない理由

3つ以上の群を2群ずつt検定で比べると、本当は差がなくても、どれかが偶然に有意になる確率が5%より大きくなります。3つの群なら、2群を比べる2標本t検定を3回行えばよいように思えます。しかし、有意水準5%の検定は、本当は差がなくても5%の確率で「有意」と判断します。検定の回数が増えれば、どれか1つが偶然に有意になる確率も増えます。

本当は差がない各群10人の群を、2万回作って確かめました。2群ずつのt検定でどれかが有意になった割合は、3群で12.1%、4群で20.7%、5群で28.4%でした。一元配置分散分析で有意になった割合は、どの場合も4.8〜5.2%で、5%前後に収まりました(筆者のシミュレーション)。

3回の検定が互いに独立なら、少なくとも1回誤る確率は1−0.95³≒14.3%になる計算です。実際には、同じ群が2つの比較に使われ、検定の結果が互いに似かよるので、割合はそれより小さくなります。それでも、群が増えるほど偽の有意差は増えていきます。

検定をくり返すときの一般的な注意は、統計的仮説検定の記事で説明しています。順位を使う検定での同じ問題は、Kruskal-Wallis(クラスカル・ウォリス)検定の記事で扱っています。

一元配置分散分析の前提

従来のF検定による一元配置分散分析は、値が互いに独立であること、各群の値が正規分布に近いこと、各群の分散が等しいことを前提にしています。独立であることは、同じ人を複数の群に含めないといった研究の組み立てで満たします。同じ人を複数の条件で測ったデータには、反復測定の分散分析などを使います。

正規分布からのずれに対して、Fは比較的強いことが確かめられています。3群の分散が等しい条件で、22種類の形の分布と人数の組み合わせからなる1,308の条件を、1万回ずつ調べた研究があります。有意水準5%に対して、偽の有意差の割合は、すべて2.5〜7.5%の範囲に収まりました⁠[10]。

データが順序尺度であったり、外れ値が多かったりして、平均で比べること自体が適さないときは、順位を使うKruskal-Wallis検定を考えます。この検定は平均ではなく、ある群の値がほかの群より大きくなりやすいかを順位で比べます。選び方は、パラメトリック検定とノンパラメトリック検定の記事にあります。正規分布かどうかの確かめ方は、Shapiro-Wilk(シャピロ・ウィルク)検定の記事にあります。

分散が等しくないときのWelchの方法

分散と人数がそろわないと従来のF検定は誤りやすく、分散が等しいと仮定しないWelch(ウェルチ)の方法を最初から使う考え方があります。図4は、平均に差がない3群で人数と標準偏差の組み合わせを変え、従来のF検定とWelchの方法を比べたシミュレーションです。

本当は平均に差がない3群を5万回ずつ比べたシミュレーションで、有意になった割合を従来のF検定とWelchの方法で比べた棒グラフ。人数と標準偏差がそろっているときはどちらも約5%だが、人数がそろっていて標準偏差だけが4倍違うと従来のF検定は8.0%、人数の少ない群のばらつきが大きいと12.1%と18.9%、人数の多い群のばらつきが大きいと2.0%になり、Welchの方法はどの条件でも約5%だった

図4 分散と人数がそろわないと、従来のF検定は誤りやすい(筆者のシミュレーション)。本当は平均に差がない3群を5万回ずつ比べ、p<0.05で有意になった割合を示した。データは正規分布から作った。人数と標準偏差がそろい、平均に差がある場合の検出力は、従来のF検定72%、Welchの方法71%だった。このときの人数は各群20人、平均は0、0、0.8。より多くの条件でも、同じ傾向が報告されている⁠[11]

人数の少ない群のばらつきが大きいと、従来のF検定で偽の有意差の割合は12〜19%に増えました。逆に、人数の多い群のばらつきが大きい条件では2%に減り、そのぶん本当の差を見逃しやすくなります。人数がそろっていても、標準偏差が4倍違うと8.0%でした。

Welchは1951年、分散が等しいことを仮定せずに、複数の群の平均を比べる方法を示しました⁠[12]。2群で使うWelchのt検定を、3群以上に広げたものにあたります⁠[13]。図4では、Welchの方法はどの条件でも5%前後に収まりました。本当にある差を見つけられる確率、つまり検出力の低下も、条件がそろっているときには72%に対して71%とわずかでした。

より多くの条件でのシミュレーションから、平均を比べるときは、最初からWelchの方法を使うことを勧める研究があります⁠[11]。ただし、Welchの方法も万能ではありません。各群の人数が少なく、分布が左右対称でないときは、Welchの方法でも偽の有意差の割合を保てないことがあります。人数が少ないとは、4群までなら1群50人未満、5群以上なら1群100人未満です⁠[11]。

教科書や統計ソフトの説明では、まずLevene(ルビーン)の検定などで、分散が等しいかを調べることがあります。有意でなければ従来のF検定を、有意ならWelchの方法を使います。統計学者は、この2段階の手順を広くは勧めなくなっています⁠[14]。2群の比較のシミュレーションでは、この手順は有意水準を守れず、多くの場合かえって状況を悪くしました⁠[14]。

人数が少ないと、分散に差があっても等分散性の検定は有意になりにくいので、有意にならなくても、分散が等しいことが示されたわけではありません。どちらの方法を使うかは、データを見る前に決めておきます。2群の場合の詳しい話は、2標本t検定の記事にあります。

一元配置分散分析の結果の読み方

一元配置分散分析が有意なら、どこかの群の平均が違うといえますが、どの群が違うかはわかりません。有意でなくても、「差がない」とはいえません。どの群が違うかは、多重比較で調べます。

有意差がなかったとき、「3群の平均は同じ」と結論することはできません。英国医師会雑誌(BMJ)の1995年の解説は、この誤りに注意を促しています⁠[15]。解説によれば、有意差がなかった研究の多くは、差がないことではなく、差があるという証拠がないことを示しているにすぎません。人数が少なければ、本当の差があっても有意になりにくくなります。

有意でなかったときこそ、平均の差の信頼区間を見て、どのくらいの差までデータと矛盾しないのかを確かめます。差の大きさは、効果量η²などでも示します。

分散分析のあとの多重比較

どの群とどの群が違うかは、誤って有意になる確率を抑えながら2群ずつ比べる多重比較で調べます。Tukey(テューキー)の方法は、Tukey HSDとも呼ばれます。すべての2群の組み合わせを比べ、全体として誤りの確率を5%に保つ方法で、各群の分散が等しいことを前提にします。

Kramer(クレーマー)は1956年に、Tukeyの方法を、人数が群によって違う場合へ広げました⁠[16]。そのため、Tukey-Kramerの方法とも呼ばれます。Games-Howell(ゲームス・ハウエル)の方法は、人数も分散も群によって違ってよい方法として、1976年に示されました⁠[17]。Welchの方法と組み合わせて使えます。

多重比較は、分散分析が有意だったときだけ行うもの、と説明されることがあります。しかし、分散分析が有意でなくても、Scheffé(シェッフェ)の方法以外の多重比較では、有意な組み合わせが見つかることがある、とする解説もあります⁠[18]。

Tukeyの方法のように、それ自体で全体の誤りの確率を5%に保つように作られた方法の前に分散分析を置くと、必要以上に有意になりにくい手順になります。米国心理学会の統計的推論の作業部会は、1999年の指針でこの点を指摘しました⁠[19]。

SPSSでの手順と出力の見方

SPSSでは、1人を1行に入力したデータで「一元配置分散分析」を選び、Welchの方法と多重比較もあわせて指定します。H病院に入院中の脳卒中患者169人の模擬データで、発症回数が初発、2回目、3回目の3群の間で、発症時の年齢が違うかを調べるとします。帰無仮説は「3群の発症時年齢の平均は等しい」、対立仮説は「どこかの群の平均が違う」です。

  1. 発症回数の列と発症時年齢の列を作り、1人を1行に入力します。発症回数は、初発を1、2回目を2、3回目を3とします。3群の年齢を、別々の列に並べないようにします。
    SPSSのデータビューで、発症回数の列に1から3を、発症時年齢の列に年齢を、1人1行で入力した画面
  2. メニューから「分析」→「平均の比較」→「一元配置分散分析」を選びます。
    SPSSのメニューで、分析、平均の比較、一元配置分散分析の順に選ぶ画面
  3. 「発症時年齢」を従属変数リストに、「発症回数」を因子に移します(画面の①)。「オプション」を押し、「記述統計量」「等分散性の検定」「Welch」にチェックを入れて(②)、「続行」を押します(③)。「その後の検定」を押し、「Tukey」と「Games-Howell」にチェックを入れて(④)、「続行」を押し(⑤)、「OK」を押します(⑥)。
    一元配置分散分析のダイアログで、従属変数リストに発症時年齢、因子に発症回数を入れ、オプションで記述統計量、等分散性の検定、Welchに、その後の検定でTukeyとGames-Howellにチェックを入れてOKを押す手順を示した画面
  4. 結果が出力されます。
出力の列この例の値
平方和群間47.9、群内26228.1、全体26276.0
自由度群間2、群内166、全体168
平均平方群間24.0、群内158.0
F0.15
有意確率0.859

表2 SPSSの出力の分散分析表の主な値。小数第1位までに丸めた。SPSSでは、群間を「グループ間」、群内を「グループ内」と表示する

比べた群平均の差と有意確率
初発と2回目−1.19歳
Tukeyの方法 0.863
Games-Howellの方法 0.854
初発と3回目−0.85歳
Tukeyの方法 0.941
Games-Howellの方法 0.941
2回目と3回目0.34歳
Tukeyの方法 0.992
Games-Howellの方法 0.992

表3 多重比較の結果。平均の差は、前の群から後の群を引いた値

分散分析の有意確率は0.859でした。Welchの方法でも、統計量は0.156、自由度は2と77.880で、有意確率は0.856です。3群の平均に有意な差は認められませんでした。Leveneの検定の有意確率は0.432で、多重比較でも、どの組み合わせも有意ではありません。

有意差がなくても、「発症回数によって発症時の年齢は変わらない」と結論することはできません。平均の差の95%信頼区間をGames-Howellの方法で求めると、初発と2回目で−6.48〜4.10歳、初発と3回目で−6.99〜5.29歳でした。2回目と3回目では−6.34〜7.03歳です。どの組み合わせでも、このデータは、どちらの向きにも4歳以上の差がありうることと矛盾しません。

効果量η²は47.932÷26276.024≒0.002です。発症時年齢のばらつきのうち、発症回数の違いで説明される部分は0.2%ほどです。

従来のF検定とWelchの方法の結果は、この模擬データではほとんど同じでした。分散と人数が大きく違うデータでは、2つの結果が分かれることがあります。

無料の統計ソフトRでは、oneway.test(年齢 ~ 発症回数, data = データ名) でWelchの方法による検定ができます。Rではこちらが初期設定で、var.equal = TRUE を加えると従来のF検定になります⁠[13]。

Rで分散分析表を求めるときは、summary(aov(年齢 ~ 発症回数, data = データ名)) を使います。Tukeyの方法は、TukeyHSD(aov(年齢 ~ 発症回数, data = データ名)) で求められます。どちらの場合も、発症回数は数値ではなく、factor型の因子にしておく必要があります。

結果の書き方

結果には、各群の人数、平均、標準偏差と、検定の種類、Fと2つの自由度、p値、効果量を書き、多重比較は平均の差と95%信頼区間で示します。各群の値と差の大きさを示すと、どの群の値が大きいのか、差がどのくらいなのかが、読者に伝わります。論文や報告書では、たとえば次のように書きます。

発症時年齢の平均(標準偏差)は、初発群(○人)○歳(○)、2回目群(○人)○歳(○)、3回目群(○人)○歳(○)であった。発症時年齢に、発症回数の3群の間で有意な差は認められなかった(Welchの方法、F(2, 77.88)=0.16、p=0.86、η²=0.002)。Games-Howellの方法による多重比較でも、いずれの組み合わせにも有意差は認められなかった(例:初発群と2回目群の平均の差−1.19歳、95%信頼区間−6.48〜4.10歳)。

まとめ

一元配置分散分析は、対応のない3つ以上の群で、平均に違いがあるかを一度に調べる方法です。全体のばらつきを群の間と群の中に分け、その比Fで、平均の違いが偶然で説明できるかを調べます。平均の差が偶然の範囲かどうかは、群の中のばらつきと比べなければ判断できないので、「分散」を分析します。

2群ずつt検定をくり返すと偽の有意差が増えるので、群をまとめて比べます。分散と人数がそろわないと従来のF検定は誤りやすいので、Welchの方法を最初から使う考え方があります。有意なら多重比較でどの群が違うかを調べ、有意でなくても「差がない」とは結論せず、信頼区間と効果量で差の大きさを確かめます。

平均を比べるのに「分散分析」と呼ぶ理由は、Fisherが、全体の分散を原因ごとの部分に分けて調べる方法として、この分析を示したことにあります⁠[3]。分散は足し合わせられるので、全体の平方和を群間と群内にちょうど分けられ、それぞれを自由度で割った平均平方の比で、平均の違いを調べられます。

さらに学びたい人へ:おすすめの本

参考文献

  1. Fisher RA. The correlation between relatives on the supposition of Mendelian inheritance. Trans R Soc Edinb. 1918;52(2):399-433. doi:10.1017/S0080456800012163
  2. Visscher PM, Goddard ME. From R.A. Fisher's 1918 paper to GWAS a century later. Genetics. 2019;211(4):1125-1130. doi:10.1534/genetics.118.301594
  3. Fisher RA. Statistical Methods for Research Workers. Edinburgh: Oliver and Boyd; 1925. Chapter VII, sections 40-42, pp.188-209; Chapter VIII, section 48. https://psychclassics.yorku.ca/Fisher/Methods/chap7.htm、https://psychclassics.yorku.ca/Fisher/Methods/chap8.htm(2026年10月24日閲覧)
  4. Rothamsted Experimental Station. Report for 1918-20 with the Supplement to the Guide to the Experimental Plots. Harpenden: Lawes Agricultural Trust; 1921. pp.16-17, 33. doi:10.23637/ERADOC-1-109
  5. Fisher RA. The contributions of Rothamsted to the development of the science of statistics. In: Rothamsted Experimental Station. Report for 1933. Harpenden; 1934:43-50. doi:10.23637/ERADOC-1-3
  6. Fisher RA, Mackenzie WA. Studies in crop variation. II. The manurial response of different potato varieties. J Agric Sci. 1923;13(3):311-320. doi:10.1017/S0021859600003592
  7. Cochran WG. Fisher and the analysis of variance. In: Fienberg SE, Hinkley DV, eds. R.A. Fisher: An Appreciation. Lecture Notes in Statistics, vol 1. New York: Springer; 1980:17-34. doi:10.1007/978-1-4612-6079-0_4
  8. Carriquiry A, David HA. Snedecor, George Waddel. Encyclopedia of Mathematics(StatProb: The Encyclopedia Sponsored by Statistics and Probability Societies の記事を改変). https://encyclopediaofmath.org/wiki/Snedecor,_George_Waddel(2026年10月24日閲覧)
  9. Parolini G. The emergence of modern statistics in agricultural science: analysis of variance, experimental design and the reshaping of research at Rothamsted Experimental Station, 1919-1933. J Hist Biol. 2015;48(2):301-335. doi:10.1007/s10739-014-9394-z
  10. Blanca MJ, Alarcón R, Arnau J, Bono R, Bendayan R. Non-normal data: Is ANOVA still a valid option? Psicothema. 2017;29(4):552-557. doi:10.7334/psicothema2016.383
  11. Delacre M, Leys C, Mora YL, Lakens D. Taking parametric assumptions seriously: arguments for the use of Welch's F-test instead of the classical F-test in one-way ANOVA. Int Rev Soc Psychol. 2019;32(1):13. doi:10.5334/irsp.198
  12. Welch BL. On the comparison of several mean values: an alternative approach. Biometrika. 1951;38(3-4):330-336. doi:10.1093/biomet/38.3-4.330
  13. R Core Team. oneway.test: Test for Equal Means in a One-Way Layout; TukeyHSD: Compute Tukey Honest Significant Differences. R documentation (stats package 4.6.0). https://stat.ethz.ch/R-manual/R-devel/library/stats/html/oneway.test.html、https://stat.ethz.ch/R-manual/R-devel/library/stats/html/TukeyHSD.html(2026年10月24日閲覧)
  14. Zimmerman DW. A note on preliminary tests of equality of variances. Br J Math Stat Psychol. 2004;57(Pt 1):173-181. doi:10.1348/000711004849222
  15. Altman DG, Bland JM. Absence of evidence is not evidence of absence. BMJ. 1995;311(7003):485. doi:10.1136/bmj.311.7003.485
  16. Kramer CY. Extension of multiple range tests to group means with unequal numbers of replications. Biometrics. 1956;12(3):307-310. doi:10.2307/3001469
  17. Games PA, Howell JF. Pairwise multiple comparison procedures with unequal N's and/or variances: a Monte Carlo study. J Educ Stat. 1976;1(2):113-125. doi:10.3102/10769986001002113
  18. Midway S, Robertson M, Flinn S, Kaller M. Comparing multiple comparisons: practical guidance for choosing the best multiple comparisons test. PeerJ. 2020;8:e10387. doi:10.7717/peerj.10387
  19. Wilkinson L, Task Force on Statistical Inference. Statistical methods in psychology journals: guidelines and explanations. Am Psychol. 1999;54(8):594-604. doi:10.1037/0003-066X.54.8.594

この記事を書いた人

Charcot

コメント