カイ二乗検定のAPA報告の基本
カイ二乗検定は社会科学で最も頻繁に使用される統計検定の一つですが、多くの研究者がAPA形式での正しい報告方法に苦戦しています。独立性の検定を実施する場合でも、適合度検定を実施する場合でも、本ガイドでは必要な正確な形式を解説します。
カイ二乗検定はカテゴリカルデータ（名義尺度や順序尺度のデータ）を分析する際に使用されます。t検定やANOVAが連続変数の平均値を比較するのに対し、カイ二乗検定は度数（カウント）の分布パターンを検証します。
カイ二乗独立性の検定
独立性の検定は、2つのカテゴリカル変数が関連しているかどうかを調べます。APA形式には、カイ二乗値、自由度、サンプルサイズ、p値、および効果量の指標が含まれます。
APAテンプレート：
χ²(df, N = サンプルサイズ) = X.XX, p = .XXX, V = X.XX
報告例：
性別と職業選択の関係を調べるためにカイ二乗独立性の検定を実施した。これらの変数間の関連は有意であった, χ²(2, N = 180) = 9.87, p = .007, V = .23。
主要な構成要素
- カイ二乗統計量：括弧内に自由度を記載
- N（総サンプルサイズ）：括弧内に含める
- 正確なp値：非常に小さい値の場合はp < .001
- 効果量：大きい表にはCramerのV、2x2の表にはファイ係数（φ）
カイ二乗統計量の報告に必要な詳細
自由度の計算
カイ二乗検定の自由度は次のように計算されます。
df = (行の数 - 1) x (列の数 - 1)
例えば、3x2の分割表の場合：df = (3 - 1) x (2 - 1) = 2
CramerのVの解釈基準
CramerのVは分割表のサイズによって解釈基準が異なります。df*（行の数 - 1と列の数 - 1の小さい方）に基づく一般的なガイドラインは以下の通りです。
| df* = 1の場合 | CramerのV | 解釈 | |--------------|-------------|------| | 小さい効果 | .10 | 弱い関連 | | 中程度の効果 | .30 | 中程度の関連 | | 大きい効果 | .50 | 強い関連 |
df*が大きくなるにつれて、基準となる閾値は小さくなります。そのため、Vの値を解釈する際には分割表のサイズを必ず考慮してください。
2x2の表の場合のファイ係数（φ）
2x2の分割表では、CramerのVはファイ係数（φ）と同じ値になります。報告時にはどちらの指標を使用しているかを明示してください。
カイ二乗独立性の検定の結果、喫煙状況と肺疾患の間に有意な関連が認められた, χ²(1, N = 250) = 15.42, p < .001, φ = .25。
適合度検定
適合度検定は、1つのカテゴリカル変数について、観測度数が期待度数と一致するかどうかを確認します。
報告例：
カイ二乗適合度検定の結果、3つのメニューオプションに対する選好は均等に分布していないことが示された, χ²(2, N = 120) = 14.30, p < .001。
適合度検定の詳細な報告
より詳細な報告には、観測度数と期待度数の表を含めることが望ましいです。
| メニューオプション | 観測度数 | 期待度数 | |-------------------|---------|---------| | オプションA | 55 | 40 | | オプションB | 38 | 40 | | オプションC | 27 | 40 |
カイ二乗適合度検定の結果、3つのメニューオプションに対する選好は均等に分布していなかった, χ²(2, N = 120) = 14.30, p < .001。オプションAが最も選択された（n = 55, 45.8%）一方、オプションCは最も選択されなかった（n = 27, 22.5%）。
非有意な適合度検定の報告
カイ二乗適合度検定の結果、3つの通勤手段に対する選択は均等に分布しているという帰無仮説は棄却されなかった, χ²(2, N = 90) = 2.60, p = .272。
Fisherの正確検定
期待度数が5未満のセルがある場合は、カイ二乗検定の代わりにFisherの正確検定を報告します。これは小さいサンプルで一般的に発生します。
報告例：
Fisherの正確検定の結果、治療の種類と回復状況の間に有意な関連が示された, p = .023, OR = 3.50, 95% CI [1.15, 10.67]。
Fisherの正確検定を使用すべき場合
Fisherの正確検定は以下の場合に推奨されます。
- 期待度数が5未満のセルが分割表全体の20%以上を占める場合
- 総サンプルサイズが非常に小さい場合（一般的にN < 20）
- 2x2の分割表で期待度数が小さい場合
オッズ比（OR）とその信頼区間を含めることで、関連の大きさと方向を明確に伝えることができます。
分割表（クロス集計表）の報告
APA形式では、観測度数（必要に応じて期待度数も）を示す分割表を含めることが推奨されます。また、解釈を助けるために、生のカウントとともにパーセンテージを提示することが推奨されています。
分割表の報告例
| | 理系 | 文系 | 芸術系 | 合計 | |------|------|------|--------|------| | 男性 | 45 (50.0%) | 25 (27.8%) | 20 (22.2%) | 90 | | 女性 | 30 (33.3%) | 35 (38.9%) | 25 (27.8%) | 90 | | 合計 | 75 | 60 | 45 | 180 |
このような表を結果セクションに含めることで、読者がカイ二乗検定の結果をより具体的に理解することができます。
期待度数を含む表
必要に応じて、期待度数も括弧内に表示できます。
| | 理系 | 文系 | 芸術系 | |------|------|------|--------| | 男性 | 45 [37.5] | 25 [30.0] | 20 [22.5] | | 女性 | 30 [37.5] | 35 [30.0] | 25 [22.5] |
角括弧内の数値が期待度数です。観測度数と期待度数の差が大きいセルが、カイ二乗統計量への寄与が大きいセルです。
効果量の報告の重要性
カイ二乗検定の有意性だけでは、関連の強さを伝えることはできません。効果量を報告することで、統計的に有意な結果が実質的にどの程度意味のあるものかを示すことができます。
- 2x2の表： ファイ係数（φ）を使用
- それ以上の大きさの表： CramerのVを使用
APA第7版では、すべての推測統計検定に効果量を伴って報告することが求められています。
よくある報告の間違い
- Nの省略。 カイ二乗検定の報告形式には、必ず総サンプルサイズを含めてください。
- 期待度数が小さい場合にカイ二乗検定を使用する。 期待度数が5未満のセルがある場合は、Fisherの正確検定を使用してください。
- 効果量の省略。 多くの学術誌がカイ二乗の結果とともにCramerのVまたはファイ係数の報告を求めています。
- 有意性のみの報告。 検定が有意であったかどうかだけでなく、結果のパターンを記述してください。
- パーセンテージの不足。 度数だけでなくパーセンテージも報告することで、群間の比較が容易になります。
- p = .000の報告。 統計ソフトウェアがp = .000と表示しても、p < .001として報告してください。
- 連続補正の不記載。 一部のソフトウェアは2x2の表にYatesの連続補正を自動適用します。使用した場合はその旨を記述してください。
APA形式カイ二乗検定報告チェックリスト
論文を提出する前に、以下のすべてが含まれていることを確認してください。
- カイ二乗統計量（χ²）と自由度
- 総サンプルサイズ（N）
- 正確なp値（非常に小さい値の場合はp < .001）
- 効果量（CramerのVまたはファイ係数）
- 観測度数を示す分割表
- パーセンテージの併記
- 結果パターンの記述的な解釈
- 必要に応じてFisherの正確検定への切り替え
- 期待度数が小さいセルがある場合の対応の記述
カイ二乗適合度検定：APA報告法
独立性の検定が2つのカテゴリカル変数間の関係を検討するのに対し、適合度検定は異なる目的を持ちます。1つのカテゴリカル変数の観測度数分布が、理論的に期待される分布と一致するかどうかを検討します。
適合度検定を使用すべき場面
観測度数が1つの変数に対する期待度数と異なるかどうかを判断したい場合に適合度検定を使用します。代表的な場面は以下の通りです：
- 回答がカテゴリ全体にわたって均等に分布しているかの検定
- 観測比率を母集団の基準値や理論値と比較する場合
- サイコロ、コイン、ランダムプロセスが均一な結果を生成するかの評価
- サンプルの人口統計学的比率が既知の母集団分布と一致するかの確認
自由度の計算
適合度検定の自由度は独立性の検定とは異なる計算方法を用います：
適合度検定： df = カテゴリ数 - 1
独立性の検定： df = (行数 - 1) x (列数 - 1)
例えば、4つの選択肢に対する選好が均等に分布しているかを検定する場合、df = 4 - 1 = 3です。
APA報告例
均等な期待度数の場合：
学生が4つの選択科目の中で選好を示すかどうかを判断するためにカイ二乗適合度検定を実施した。結果は均等分布からの有意な逸脱を示した, χ²(3, N = 200) = 8.92, p = .030。心理学（n = 68, 34.0%）が他の3科目よりも選好され、残りの科目はそれぞれ約22%の登録率であった。
不均等な期待度数の場合：
サンプルの民族構成が大学全体の母集団と一致するかどうかを判断するためにカイ二乗適合度検定を実施した。期待比率は大学の登録データに基づいた（白人45%、ヒスパニック25%、黒人18%、アジア系12%）。観測分布は期待比率と有意に異ならなかった, χ²(3, N = 350) = 4.21, p = .240。
期待分布の報告
読者が帰無仮説を理解できるよう、報告書には常に期待分布を明記してください。均等比率を検定する場合は明確に記述し、母集団基準値や先行研究を使用する場合は期待値の出典を引用してください。
APA表形式でのカイ二乗結果報告
分割表が2x2より大きい場合、適切にフォーマットされた表で結果を提示することは、明確さと解釈可能性のために不可欠です。
表を使用すべき場合
以下のような場合にクロス集計表を含めてください：
- 分割表が3行以上または3列以上ある場合
- 複数のカテゴリにわたる結果パターンを示す必要がある場合
- 観測度数と期待度数がセル間で大きく異なる場合
- 行または列のパーセンテージが解釈に重要な場合
APAクロス集計表の形式
APA表には観測度数、期待度数（括弧または角括弧内）、行または列のパーセンテージを含めるべきです。以下はモデルレイアウトです：
表1
教授法と学生の成績水準のクロス集計
| | 平均以下 | 平均 | 平均以上 | 合計 | |---|---|---|---|---| | 伝統的教授法 | 25 [18.3] (41.7%) | 20 [22.0] (33.3%) | 15 [19.7] (25.0%) | 60 | | アクティブラーニング | 12 [15.9] (20.3%) | 20 [19.1] (33.9%) | 27 [17.1] (45.8%) | 59 | | オンライン | 8 [10.8] (20.0%) | 15 [13.0] (37.5%) | 17 [11.2] (42.5%) | 40 | | 合計 | 45 | 55 | 59 | 159 |
注. 角括弧内の数値は期待度数。括弧内の数値は行パーセンテージ。
表の作成ガイドライン
- 表に番号を付ける（表1、表2など）
- 表のタイトルはイタリック体で記述
- 角括弧、括弧、略語を説明する注記を含める
- 行と列の両方に合計を表示する
- 従属変数について群を比較する場合は行パーセンテージを、独立変数が行にある場合は列パーセンテージを使用
- 最大の残差を持つセルを太字またはハイライトして、最も重要な逸脱に注意を引く
どのパーセンテージを報告するか
行パーセンテージと列パーセンテージの選択は、研究課題によって異なります：
- 行パーセンテージ： 各群が結果カテゴリにわたってどのように分布しているかを示します。行変数が独立変数の場合に使用。
- 列パーセンテージ： 各結果カテゴリの構成を示します。列変数が独立変数の場合に使用。
使用したパーセンテージの種類を表の注記または本文の説明に必ず報告してください。
仮定の検討とカイ二乗検定が失敗する場合
カイ二乗検定はいくつかの仮定に依存しています。これらの仮定に違反すると、誤解を招く結果が生じる可能性があります。
期待度数の要件
最も重要な仮定は、カイ二乗近似が有効であるために、期待セル度数が十分に大きくなければならないことです。標準的なルールは以下の通りです：
- セルの20%以上が期待度数5未満であってはならない
- いかなるセルも期待度数1未満であってはならない
これらの条件が満たされない場合、カイ二乗統計量がカイ二乗分布に従わず、不正確なp値が算出される可能性があります。
仮定が違反された場合の対処法
期待度数が小さすぎる場合、いくつかの選択肢があります：
-
Fisherの正確検定（2x2表の場合）：カイ二乗近似に依存せず正確な確率を計算します。小サンプルに対する最も推奨される代替法です。
-
カテゴリの統合： 隣接する、または理論的に類似したカテゴリを結合して期待度数を増加させます。例えば、「強く同意」と「同意」を1つのカテゴリに統合します。ただし、理論的に妥当なカテゴリのみを統合してください。
-
追加データの収集： 可能であれば、サンプルサイズを増やすことで期待度数を比例的に増加させます。
-
大きな表に対する正確検定： RやSASを含む一部の統計ソフトウェアは、2x2より大きな表に対する正確検定を計算できますが、計算量が多くなる場合があります。
観測の独立性
各観測値は分割表の1つのセルにのみ寄与しなければなりません。これは以下を意味します：
- 反復測定は不可： 各参加者は1回だけ出現すべきです。対応のあるデータがある場合は、McNemar検定（2x2）またはCochranのQ検定を使用してください。
- 入れ子データは不可： 参加者がクラスター化されている場合（例：教室内の学生）、標準のカイ二乗はクラスタリングを考慮しません。多水準ログリニアモデルを使用するか、デザイン効果を調整してください。
サンプルサイズに関する考慮事項
カイ二乗には厳密な最小サンプルサイズの要件はありませんが、実用的なガイドラインは以下の通りです：
- 2x2表の場合、通常少なくとも20-30の総観測値が必要
- より大きな表の場合、総Nはセル数の少なくとも5倍以上であるべき（例：3x3表の場合少なくとも45）
- 非常に大きなサンプルは些細な関連でも統計的に有意にする可能性があるため、p値とともに常に効果量を報告してください
無作為抽出
カイ二乗検定は、データが無作為抽出または無作為割り当てによって得られたことを仮定しています。この仮定が違反された場合（例：便宜的サンプル）、結果を慎重に解釈し、この制限事項を記載してください。
オッズ比と相対リスク：CramérのVを超えて
2x2分割表において、CramérのV（ファイ係数と同じ値）は関連の強さを定量化する唯一の方法ではありません。オッズ比と相対リスクは、特に臨床研究や疫学研究において、より解釈しやすい効果量を提供します。
オッズ比（OR）
オッズ比は、一方の群における結果のオッズを、他方の群における同じ結果のオッズと比較します。
解釈のガイドライン：
- OR = 1：変数間に関連なし
- OR > 1：最初の群で結果が発生する可能性が高い
- OR < 1：最初の群で結果が発生する可能性が低い
APA報告例：
カイ二乗独立性の検定の結果、喫煙状況と肺疾患の間に有意な関連が認められた, χ²(1, N = 500) = 18.74, p < .001, φ = .19。喫煙者は非喫煙者と比較して肺疾患のオッズが有意に高かった, OR = 2.45, 95% CI [1.23, 4.87]。
ORとCramérのVの使い分け
| 指標 | 適切な場面 | 範囲 | APAでの要件 | |---|---|---|---| | ファイ係数（φ） | 2x2表、一般的な関連 | 0～1 | 標準的な効果量 | | CramérのV | 2x2より大きい表 | 0～1 | 標準的な効果量 | | オッズ比 | 2x2表、臨床/疫学研究 | 0～無限大 | 95% CIとともに報告 | | 相対リスク | 2x2表、コホート/実験研究 | 0～無限大 | 95% CIとともに報告 |
相対リスク（RR）
相対リスク（リスク比とも呼ばれます）は、一方の群と他方の群で結果が発生する確率を比較します。オッズ比とは異なり、相対リスクは確率の比率として直接解釈できます。
APA報告例：
介入群の参加者は対照群と比較して再発リスクが有意に低かった, RR = 0.55, 95% CI [0.38, 0.79], p = .001。これは再発確率が45%減少したことを示している。
重要な区別
- オッズ比はすべての研究デザイン（横断研究、症例対照研究、コホート研究）から計算可能
- 相対リスクはコホート研究またはランダム化比較試験からのみ計算すべきであり、症例対照デザインからは計算しない
結果がまれな場合（有病率10%未満）、オッズ比は相対リスクに近似します。結果が一般的な場合、オッズ比は相対リスクと比較して効果を過大評価する傾向があります。
複数の効果量指標の同時報告
一部の分析では、カイ二乗に基づく効果量（φまたはCramérのV）とオッズ比の両方を報告することが適切です。カイ二乗の効果量は関連の全体的な強さを要約し、オッズ比は臨床的により解釈しやすい効果の指標を提供します。
よくある質問
カイ二乗独立性の検定と適合度検定の違いは何ですか？
独立性の検定は、行と列が異なる変数を表す分割表を使用して、2つのカテゴリカル変数が関連しているかどうかを検討します。適合度検定は、単一の変数の観測分布が理論的に期待される分布と一致するかどうかを検討します。どちらもカイ二乗統計量を使用しますが、目的が異なります：独立性の検定は変数間の関係を分析し、適合度検定は観測データを期待パターンと比較します。
期待度数が5未満の場合はどうすべきですか？
セルの20%以上で期待度数が5未満の場合、カイ二乗近似は信頼性が低くなります。2x2表の場合は、正確な確率を計算するFisherの正確検定を使用してください。より大きな表の場合は、理論的に類似したカテゴリを統合してセル度数を増やすか、RやSASなどのソフトウェアで利用可能な正確検定を使用してください。この仮定を単に無視してはいけません。
順序変数にカイ二乗を使用できますか？
はい、ただし標準的なカイ二乗検定はすべてのカテゴリを名義尺度として扱い、自然な順序を無視します。これにより、データのトレンドや線形パターンを見逃す可能性があります。順序データの場合は、Cochran-Armitage傾向検定（順序のある列を含む2xk表）や、順序カテゴリ間の単調関係を検出できるSpearmanの順位相関を検討してください。
CramérのVはどのように解釈しますか？
CramérのVは0（関連なし）から1（完全な関連）までの範囲を取ります。解釈の基準は表の小さい方の次元（df*）に依存します。2x2表（df* = 1）の場合：.10は小さい、.30は中程度、.50は大きい効果です。3x3以上の表では基準は低くなります。例えばdf* = 2の場合：.07は小さい、.21は中程度、.35は大きい効果です。CramérのVを評価する際は常に表の次元を考慮してください。
カイ二乗検定に必要な最小サンプルサイズはいくつですか？
絶対的な最小サンプルサイズはありませんが、期待度数ルールが実用的なガイダンスを提供します：すべての期待セル度数は少なくとも1以上であり、20%以上が5未満であってはなりません。2x2表の場合、通常少なくとも20-30の総観測値が必要です。より大きな表では、総サンプルサイズをセル数の少なくとも5倍以上にすることを目標にしてください（例：3x3表の場合45）。
カイ二乗で2つ以上の変数を同時に検定できますか？
標準的なカイ二乗検定は、正確に2つのカテゴリカル変数間の関連を検討します。3つ以上の変数については異なるアプローチが必要です：対数線形分析は複数のカテゴリカル変数間の関係を同時にモデル化し、Cochran-Mantel-Haenszel（CMH）検定は第3の層別変数を統制しながら2変数間の関連を検討します。
観測度数と期待度数の両方を報告すべきですか？
観測度数の報告はすべてのカイ二乗分析で不可欠です。期待度数は、帰無仮説の下で期待されるものからどのセルが最も逸脱しているかを読者が評価するのに役立ちます。2x2表の場合は本文に期待値を含めることができます。より大きな分割表（3x3以上）の場合は、観測度数、角括弧内の期待度数、パーセンテージを含むフォーマットされた表で提示してください。
カイ二乗検定とFisherの正確検定の違いは何ですか？
カイ二乗検定はp値を計算するために大標本近似を使用しますが、Fisherの正確検定は帰無仮説の下でデータ（またはより極端なデータ）を観察する正確な確率を計算します。Fisherの正確検定は、期待セル度数が5未満の場合や総サンプルサイズが小さい場合に推奨されます。十分なサンプルサイズと期待度数を持つ大きな表では、カイ二乗検定が標準的であり、計算的にもより簡便です。
StatMateで試してみましょう
StatMateの無料カイ二乗検定計算ツールまたはFisherの正確検定計算ツールを使用して、出版可能なAPA形式の結果を即座に取得できます。効果量、期待度数、Wordへのワンクリックエクスポート機能を備えています。
データを入力するだけで、StatMateがカイ二乗統計量、自由度、正確なp値、効果量を自動計算し、APA第7版形式で結果を出力します。手動でのフォーマット作業を排除し、研究の解釈と考察に集中できます。