二元配置分散分析を使用する場面
二元配置分散分析（要因分散分析とも呼ばれます）は、2つの独立変数が1つの連続従属変数に与える影響を検定します。この分析では、以下の3つの問いに同時に答えることができます。
- 要因Aは結果に影響を与えるか？（Aの主効果）
- 要因Bは結果に影響を与えるか？（Bの主効果）
- 要因Aの効果は要因Bの水準によって異なるか？（A x Bの交互作用効果）
この研究デザインは実験研究で広く使われています。たとえば、教授法（講義式 vs. アクティブラーニング）とクラスサイズ（小・中・大）が試験成績に共同で影響するかどうかを調べる場合などです。二元配置分散分析を用いれば、別々の検定を実施することなく、1回の分析で3つの問いすべてに答えることができます。
結果を報告する前に、データが標準的な仮定を満たしていることを確認してください。従属変数が連続変数であること、観測値が独立であること、各セル内の残差がおおむね正規分布していること、群間の分散がほぼ等しいこと（Leveneの検定）が必要です。
報告すべき内容：3つのF検定
すべての二元配置分散分析は3つのF検定を生成します。有意でないものも含め、3つすべてを報告する必要があります。
| 変動因 | 検定内容 | |--------|----------| | Aの主効果 | 要因Bの水準を平均した、要因A全体の効果 | | Bの主効果 | 要因Aの水準を平均した、要因B全体の効果 | | A x Bの交互作用 | 一方の要因の効果が他方の要因の水準によって変化するかどうか |
各F検定について、APA第7版の形式で以下を報告します。
- 自由度付きのF統計量（群間dfと誤差df）
- 正確なp値（非常に小さい場合はp < .001）
- 効果量：偏イータ二乗
APAテンプレート：
F(df_between, df_error) = X.XX, p = .XXX, 偏イータ二乗 = .XX
ステップ1：記述統計を報告する
まず、2つの要因のすべての組み合わせについて、セル平均、標準偏差、サンプルサイズの表を示します。これは省略できません。読者がこれらの値を参照しないと、主効果や交互作用を解釈できないためです。
2 x 3デザインの表の例：
| 教授法 | 小クラス (n = 20) | 中クラス (n = 20) | 大クラス (n = 20) | |--------|---------------------|---------------------|---------------------| | 講義式 | M = 72.50, SD = 8.30 | M = 70.10, SD = 9.20 | M = 65.40, SD = 10.10 | | アクティブラーニング | M = 84.20, SD = 7.60 | M = 82.80, SD = 8.10 | M = 71.30, SD = 9.50 |
また、周辺平均（行と列の平均値）も表内またはテキスト中に報告してください。これらは主効果が参照する平均値です。
APA形式では、番号付きのタイトル（例：Table 1）と略語の説明を含む注記を付けた正式な表として提示します。テキスト中では、すべての平均を列挙するのではなく、表を参照する形にします。
ステップ2：主効果を報告する
各主効果は、他方の要因を折りたたんで、ある要因が従属変数に全体的な影響を与えるかどうかを示します。F統計量、自由度、p値、偏イータ二乗を報告します。
教授法の主効果（要因A）：
教授法の有意な主効果が認められた（F(1, 114) = 28.45, p < .001, 偏イータ二乗 = .20）。アクティブラーニング（M = 79.43, SD = 9.73）は講義式（M = 69.33, SD = 9.53）よりも全体的に高い試験成績を示した。
クラスサイズの主効果（要因B）：
クラスサイズの有意な主効果が認められた（F(2, 114) = 12.67, p < .001, 偏イータ二乗 = .18）。Bonferroni補正による事後対比較の結果、小クラス（M = 78.35）は大クラス（M = 68.35, p < .001）よりも有意に高い得点を示したが、中クラス（M = 76.45, p = .412）とは有意差がなかった。
偏イータ二乗の解釈
各効果の大きさを記述する際は、以下のベンチマーク（Cohen, 1988）を使用してください。
| 偏イータ二乗 | 解釈 | |-------------|------| | .01 | 小さい効果 | | .06 | 中程度の効果 | | .14 | 大きい効果 |
偏イータ二乗は0から1の範囲であり1を超えることがないため、先頭のゼロを付けません（例：「0.20」ではなく「.20」と記述します）。
ステップ3：交互作用効果を報告する
交互作用は二元配置分散分析において最も重要な結果です。一方の要因の効果が他方の要因の水準によって異なるかどうかを検定します。これが、2つの独立した一元配置分散分析と二元配置分散分析を区別するものです。
交互作用の意味
交互作用とは、差のパターンが均一ではないことを意味します。たとえば、アクティブラーニングは小・中クラスでは成績を大幅に向上させるが、大クラスではほとんど効果がない、という場合があり得ます。交互作用プロットの線が平行でなくなります。
有意な交互作用の例
教授法とクラスサイズの間に有意な交互作用が認められた（F(2, 114) = 4.83, p = .010, 偏イータ二乗 = .08）。アクティブラーニングはすべてのクラスサイズで講義式より高い得点を示したが、その優位性は小クラス（平均差 = 11.70）の方が大クラス（平均差 = 5.90）よりもかなり大きかった。これは、クラスサイズが大きくなるにつれてアクティブラーニングの効果が減少することを示している。
有意な交互作用を報告する際は、必ずパターンを記述してください。どの特定のセルが交互作用を引き起こしているかを述べ、関連する平均値を提示します。解釈のない統計的記述だけでは不十分です。
非有意な交互作用の例
教授法とクラスサイズの交互作用は有意ではなかった（F(2, 114) = 1.12, p = .330, 偏イータ二乗 = .02）。これは、教授法が試験成績に与える効果がクラスサイズに依存しないことを示している。
交互作用が有意でない場合は、解釈を簡潔にします。主効果をそのまま解釈することができます。
ステップ4：追加検定（単純主効果と事後検定）
有意な交互作用の有無によって、次のステップが決まります。
交互作用が有意な場合
交互作用が有意な場合、主効果は条件付きとなるため、単独で解釈すべきではありません。代わりに単純主効果分析を実施します。一方の要因の各水準において、他方の要因の効果を個別に検定します。
単純主効果分析の結果、教授法は小クラスの試験成績に有意な効果があり（F(1, 38) = 22.14, p < .001, 偏イータ二乗 = .37）、中クラスでも有意であったが（F(1, 38) = 19.87, p < .001, 偏イータ二乗 = .34）、大クラスでは効果が小さかった（F(1, 38) = 4.02, p = .052, 偏イータ二乗 = .10）。
要因に3つ以上の水準がある場合は、各単純主効果内で事後対比較（例：Bonferroni法、Tukey HSD法）も必要になることがあります。
交互作用が有意でない場合
交互作用が有意でない場合は、主効果を直接解釈します。3つ以上の水準を持つ主効果については、対比較によるフォローアップを行います。
交互作用が有意でなかったため、主効果を独立して解釈した。クラスサイズのBonferroni補正付き対比較の結果、小クラスは大クラスよりも有意に高い得点を示し（p < .001, d = 1.07）、小クラスと中クラスの間には有意差がなかった（p = .412）。
APAでの完全な報告例
以下は、2（教授法：講義式 vs. アクティブラーニング）x 3（クラスサイズ：小 vs. 中 vs. 大）の被験者間分散分析を試験成績について行った場合の結果パラグラフ全体です。この形式は論文にそのまま使用できます。
教授法（講義式、アクティブラーニング）とクラスサイズ（小、中、大）が試験成績に与える効果を検討するため、2 x 3の被験者間分散分析を実施した。記述統計はTable 1に示した。
教授法の有意な主効果が認められ（F(1, 114) = 28.45, p < .001, 偏イータ二乗 = .20）、アクティブラーニング（M = 79.43, SD = 9.73）は講義式（M = 69.33, SD = 9.53）よりも高い得点を示した。クラスサイズの有意な主効果も認められた（F(2, 114) = 12.67, p < .001, 偏イータ二乗 = .18）。
教授法とクラスサイズの交互作用は有意であった（F(2, 114) = 4.83, p = .010, 偏イータ二乗 = .08）。単純主効果分析の結果、アクティブラーニングは小クラス（p < .001, d = 1.47）および中クラス（p < .001, d = 1.47）で講義式より有意に高い得点を示したが、大クラスでは有意差がなかった（p = .052, d = 0.60）。これは、アクティブラーニングの効果が教室規模の拡大に伴い減弱することを示唆している。
このパラグラフは一貫した順序に従っています。(1) 分析とデザインの記述、(2) 主効果の報告、(3) 交互作用の報告、(4) 単純主効果によるフォローアップ。この構造により、結果セクションが整理され読みやすくなります。
表とテキストでの報告
セル数が多いデザイン（例：3 x 4）では、すべての平均とF検定を本文中に記述すると煩雑になります。APAでは2つの表を使用することを推奨しています。
Table 1：記述統計。 要因のすべての組み合わせについて、セル平均、標準偏差、サンプルサイズ、および周辺平均を示します。
Table 2：分散分析要約表。 変動因、SS、df、MS、F、p、偏イータ二乗の列を含めます。
| 変動因 | SS | df | MS | F | p | 偏イータ二乗 | |--------|------|------|------|-----|-----|-------------| | 教授法 (A) | 3048.07 | 1 | 3048.07 | 28.45 | < .001 | .20 | | クラスサイズ (B) | 2715.60 | 2 | 1357.80 | 12.67 | < .001 | .18 | | A x B | 1035.47 | 2 | 517.73 | 4.83 | .010 | .08 | | 誤差 | 12213.60 | 114 | 107.14 | | | |
テキスト中では、主な発見を要約し、詳細については表を参照するよう読者に指示します。この方法により、結果セクションが数字の羅列になることを防ぎます。
よくある間違い
1. 交互作用が有意なのに主効果を解釈する
これは二元配置分散分析の報告で最も頻繁に見られる誤りです。有意な交互作用が存在する場合、主効果は均一でないパターンを平均してしまうため誤解を招きます。常に交互作用を優先し、単純主効果を用いてデータを理解してください。
2. すべての効果について偏イータ二乗を報告しない
APA第7版では、すべての検定に効果量を報告することが求められています。両方の主効果と交互作用について、有意でない場合も含めて偏イータ二乗を報告してください。偏イータ二乗 = .12の非有意な結果は、偏イータ二乗 = .002の非有意な結果とは異なる意味を持ちます。
3. イータ二乗と偏イータ二乗を混同する
イータ二乗は効果の平方和を全体の平方和で割ります。偏イータ二乗は効果の平方和を効果の平方和と誤差の平方和の合計で割ります。要因デザインでは、偏イータ二乗が標準的な指標です。なぜなら、各効果を他の効果から分離するためです。ほとんどのソフトウェア（SPSS、R、JASP）はデフォルトで偏イータ二乗を出力します。正しくラベル付けしてください。両者は互換性がありません。
4. セル平均を報告しない
周辺平均のみを報告すると、交互作用のパターンが不明瞭になります。表またはテキストで、すべてのセルの組み合わせの平均を常に提示してください。読者は個々のセルの値を見ないと、交互作用の解釈を評価できません。
5. 自由度やサンプルサイズを省略する
F比には常に両方の自由度（群間と誤差）を含めてください。また、特にデザインが不均衡な場合は、セルサイズも報告してください。不均等なサンプルサイズは平方和のタイプ（Type I、II、III）の選択に影響し、これを明記する必要があります。
二元配置分散分析のAPAチェックリスト
論文提出前に、以下のチェックリストを使用してください。
- [ ] 分析の種類（二元配置分散分析）とデザイン（例：2 x 3被験者間）を記述する
- [ ] 両方の独立変数とその水準を命名する
- [ ] 従属変数を命名する
- [ ] セル平均、標準偏差、サンプルサイズを報告する（表が望ましい）
- [ ] 各要因の周辺平均を報告する
- [ ] 要因Aの主効果を報告する：F(df1, df2), p, 偏イータ二乗
- [ ] 要因Bの主効果を報告する：F(df1, df2), p, 偏イータ二乗
- [ ] 交互作用効果を報告する：F(df1, df2), p, 偏イータ二乗
- [ ] 交互作用が有意な場合：単純主効果分析を報告する
- [ ] 主効果に3水準以上ある場合：補正付き事後対比較を報告する
- [ ] 有意な効果の方向と意味を解釈する
- [ ] 効果量指標として偏イータ二乗（イータ二乗ではなく）を使用する
- [ ] 複雑なデザインには分散分析要約表を含める
- [ ] p値に先頭のゼロがないことを確認する（0.010ではなく.010）
- [ ] 偏イータ二乗に先頭のゼロがないことを確認する（0.08ではなく.08）
StatMateの無料二元配置分散分析計算ツールをお試しください
二元配置分散分析の結果を手作業でフォーマットするのは煩雑でミスが生じやすく、特に偏イータ二乗の計算や単純主効果の整理が必要な場合はなおさらです。StatMateの二元配置分散分析計算ツールは、プロセス全体を自動化します。
データを入力するだけで、StatMateが以下を返します。
- 正確なp値と偏イータ二乗付きの3つのF検定すべて
- セル平均、周辺平均、標準偏差
- Bonferroni補正付き事後対比較
- パターンを視覚化する交互作用プロット
- 論文にコピー可能なAPA形式の結果
- ワンクリックでWord (.docx)およびPDFエクスポート
手作業のフォーマット不要、計算ミスなし。statmate.org/calculators/two-way-anovaで無料でお試しください。