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, partial eta-squared = .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, partial eta-squared = .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, partial eta-squared = .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, partial eta-squared = .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, partial eta-squared = .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, partial eta-squared = .37）、中クラスでも有意であったが（F(1, 38) = 19.87, p < .001, partial eta-squared = .34）、大クラスでは効果が小さかった（F(1, 38) = 4.02, p = .052, partial eta-squared = .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, partial eta-squared = .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, partial eta-squared = .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, partial eta-squared = .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。
交互作用効果の理解
交互作用効果は要因分散分析の核心であり、研究者が別々の一元配置分散分析ではなく二元配置分散分析を選択する主な理由です。交互作用の種類を理解することは、解釈とグラフ作成の両方において不可欠です。
順序的交互作用 vs. 非順序的交互作用
交互作用は、要因の水準がすべての条件で順位を維持するかどうかに基づいて、2つのカテゴリーに分類されます。
**順序的交互作用（ordinal interaction）**は、一方の要因の水準の順位が他方の要因のすべての水準で同じまま維持されるが、差の大きさが変化する場合に生じます。たとえば、アクティブラーニングが常に講義式より高い得点を示すが、その差が小クラスの方が大クラスより大きい場合です。交互作用プロットでは、線が発散または収束しますが、交差はしません。順序的交互作用では主効果は解釈可能ですが、交互作用パターンによって限定して解釈する必要があります。
交互作用は順序的であった。アクティブラーニングはすべてのクラスサイズで一貫して講義式を上回ったが、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）より大きかった（F(2, 114) = 4.83, p = .010, partial eta-squared = .08）。
**非順序的交互作用（disordinal interaction、交差交互作用）**は、水準の順位が逆転する場合に生じます。たとえば、方法Aがある条件では方法Bより優れているが、別の条件では方法Bに劣る場合です。交互作用プロットでは線が交差します。この場合、主効果は本質的に無意味です。全体平均が逆転を隠蔽してしまうためです。データを記述するには、単純主効果に完全に依存する必要があります。
交互作用は非順序的であった。方法Aは低不安条件では方法Bより高い得点を示したが（平均差 = 8.40）、高不安条件では方法Bより低い得点を示した（平均差 = -6.20）（F(1, 76) = 15.33, p < .001, partial eta-squared = .17）。交差パターンのため、主効果は解釈しなかった。
交互作用のグラフ化
二元配置分散分析の結果を報告する際は、常に交互作用プロット（プロファイルプロットまたは折れ線グラフ）を含めてください。一方の要因をx軸に、従属変数をy軸に配置し、他方の要因の水準ごとに別々の線を使用します。平行な線は交互作用がないことを、非平行な線は交互作用があることを、交差する線は非順序的交互作用を示します。読者が平均の精度を評価できるよう、プロットに誤差バー（標準誤差または95%信頼区間）を含めてください。
単純主効果分析
単純主効果分析は、二元配置分散分析で有意な交互作用が得られた場合の標準的なフォローアップ手続きです。この分析は、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することで、交互作用を分解します。
単純主効果を実施する場面
単純主効果は、交互作用が統計的に有意な場合にのみ実施します。交互作用が有意でない場合は、分解せずに主効果を直接解釈します。非有意な交互作用の後に単純主効果を実施すると、理論的根拠なしにファミリーワイズエラー率が増加します。
どの要因を分解するかは、研究課題によって決まります。教授法がクラスサイズによって異なる効果を持つかどうかが主な関心事であれば、各クラスサイズにおける教授法の単純主効果を検定します。各教授法内でクラスサイズが結果にどのように影響するかが主な関心事であれば、教授法の各水準におけるクラスサイズの単純主効果を検定します。
単純主効果のAPA報告形式
各単純主効果を、それぞれの自由度、p値、効果量を含む個別のF検定として報告します。一貫性を保ち、サンプル全体の情報を活用するため、各単純主効果に別個の誤差項を計算するのではなく、全体分散分析の誤差項（プール誤差）を使用します。
有意な交互作用を分解するため、単純主効果分析を実施した。各クラスサイズの水準における教授法の効果を検定した。小クラスでは、アクティブラーニングが講義式より有意に高い得点を示した（F(1, 114) = 24.30, p < .001, partial eta-squared = .18）。中クラスでも、アクティブラーニングの優位性は有意であった（F(1, 114) = 21.05, p < .001, partial eta-squared = .16）。大クラスでは、差は統計的に有意ではなかった（F(1, 114) = 3.72, p = .056, partial eta-squared = .03）。
単純主効果のBonferroni補正
複数の単純主効果を検定する場合、多重比較を行うことになるため、ファミリーワイズ第1種エラー率が増加します。有意水準を単純主効果の検定回数で割ることで、Bonferroni補正を適用します。たとえば、3つのクラスサイズで教授法を検定する場合、調整済みアルファは .05 / 3 = .017 となります。読者が結果を評価できるよう、調整前のp値と調整済み有意基準の両方を報告してください。
3つの単純主効果に対するBonferroni補正（調整済みアルファ = .017）の後、教授法の効果は小クラス（p < .001）と中クラス（p < .001）で有意であったが、大クラスでは有意ではなかった（p = .056）。
二元配置分散分析の効果量
効果量は結果の実質的な重要性を数量化するものであり、APA第7版ではすべての推測検定について効果量の報告が求められています。要因分散分析では、2つの指標が一般的に使用されます。
各要因・交互作用の偏イータ二乗
偏イータ二乗（partial eta-squared）は、他の効果に帰属する分散を除去した後、特定の効果に帰属する分散の割合を表します。計算式は以下の通りです。
partial eta-squared = SS_effect / (SS_effect + SS_error)
統計的有意性に関係なく、3つの効果すべて（両方の主効果と交互作用）について偏イータ二乗を報告してください。解釈にはCohen（1988）のベンチマークを使用します：.01（小さい効果）、.06（中程度の効果）、.14（大きい効果）。要因デザインでは、各効果を他の効果から分離するため、イータ二乗よりも偏イータ二乗が推奨されます。
APA報告例：
教授法の主効果は大きかった（F(1, 114) = 28.45, p < .001, partial eta-squared = .20）。クラスサイズの主効果も大きかった（F(2, 114) = 12.67, p < .001, partial eta-squared = .18）。交互作用効果は中程度であった（F(2, 114) = 4.83, p = .010, partial eta-squared = .08）。
代替指標としてのオメガ二乗
偏イータ二乗は最も一般的に報告される効果量ですが、特に小サンプルでは正のバイアスがあります。オメガ二乗（omega-squared）は、母集団効果量のより偏りの少ない推定値を提供します。要因デザインにおけるオメガ二乗の計算式は以下の通りです。
omega-squared = (SS_effect - df_effect x MS_error) / (SS_total + MS_error)
オメガ二乗の値は、対応する偏イータ二乗の値よりも常に小さくなります。一部の学術誌やレビュアーは、バイアスが少ないオメガ二乗を好みます。オメガ二乗を報告する場合は、Richardson（2011）のガイドラインを使用してください：.01（小さい効果）、.06（中程度の効果）、.14（大きい効果）。ご自身の分野や学術誌が好む指標を報告しますが、すべての効果にわたって一貫して使用してください。
APA報告例：
教授法の主効果は有意であった（F(1, 114) = 28.45, p < .001, omega-squared = .17）。交互作用も有意であった（F(2, 114) = 4.83, p = .010, omega-squared = .05）。
仮定と違反
二元配置分散分析はいくつかの仮定に依拠しています。仮定の違反は結果にバイアスをもたらし、誤った結論につながる可能性があります。出力を解釈する前に、すべての仮定を確認してください。
各セル内の正規性
従属変数は各セル内（すなわち、2つの要因の各組み合わせ内）でおおむね正規分布している必要があります。2 x 3デザインでは6つのセルがあり、6つすべてで正規性を確認する必要があります。小サンプルではShapiro-Wilk検定を、大サンプルではQ-Qプロットを使用します。ANOVAは、セルサイズが等しく15-20以上の観測値がある場合、中程度の正規性違反に対して頑健です。深刻な非正規性の場合は、データ変換（対数、平方根）やノンパラメトリックの整列順位変換ANOVAを検討してください。
APA報告例：
Shapiro-Wilk検定の結果、試験成績は各セル内でおおむね正規分布していた（すべてのp > .05）。正規性の仮定は満たされていた。
Leveneの等分散性検定
等分散性（等質性）の仮定は、すべてのセルにわたって母集団分散が等しいことを要求します。Leveneの検定でこれを検証します。非有意なLeveneの検定（p > .05）は仮定を支持します。Leveneの検定が有意であれば、標準的なANOVAのF検定はリベラルになる可能性があります（偽陽性が多くなる）。対処法としては、WelchのANOVA変種の使用、より保守的なアルファ水準の適用、頑健標準誤差の使用などがあります。
Leveneの検定の結果、等分散性の仮定は満たされていた（F(5, 114) = 1.23, p = .298）。
Leveneの検定は有意であり（F(5, 114) = 3.45, p = .006）、異分散性が示された。頑健なWelch型手続きを用いて結果を検証したところ、同様の結論が得られた。
均衡デザイン vs. 不均衡デザイン
均衡デザインでは、すべてのセルのサンプルサイズが等しくなります。均衡デザインが推奨される理由は、F検定が互いに独立し、分散の等質性違反に対して頑健になるためです。不均衡デザインでは、主効果と交互作用がもはや直交ではなくなり、効果がモデルに投入される順序が結果に影響を与えます。Type IIIの平方和は、ほとんどのソフトウェア（SPSS、Rのcar::Anova）のデフォルトであり、投入順序に関係なく他のすべての効果を調整した後に各効果を検定するため、不均衡デザインに推奨されます。セルサイズを常に報告し、不均衡デザインの場合はどのSSタイプを使用したか明記してください。
デザインは不均衡であった（セルサイズの範囲：15〜25）。不均等なサンプルサイズを調整してすべての効果を検定するため、Type IIIの平方和を使用した。
二元配置分散分析報告でよくある間違い
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。順序的交互作用の場合は主効果を慎重に議論できますが、交互作用パターンで限定する必要があります。非順序的交互作用の場合、主効果は解釈不可能です。
2. 誤った事後検定手続きを使用する
交互作用が有意な場合、正しいフォローアップは単純主効果分析であり、周辺平均に対する事後対比較ではありません。主効果平均に対するTukey HSDなどの事後検定は交互作用パターンを無視してしまいます。3つ以上の水準を含む各単純主効果内で、BonferroniまたはTukey補正を適用した対比較を実施できます。また、ファミリーワイズエラー率を制御しないFisherのLSDの使用も避けてください。
3. 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。
4. 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。
5. 交互作用が有意なのに単純主効果なしで主効果を報告する
一部の研究者は有意な交互作用を報告した後、単純主効果分析を実施せずに主効果を解釈してしまいます。これは不完全であり、誤解を招く可能性があります。交互作用が有意な場合、単純主効果が解釈を導く主要な結果です。主効果は副次的なものとなり、必ず限定的に解釈しなければなりません。
6. 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。
7. 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
- [ ] 交互作用の種類（順序的 vs. 非順序的）を分類し、交互作用プロットを含める
- [ ] 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
- [ ] 仮定の検証を報告する（セルごとの正規性、Leveneの検定）
- [ ] 不均衡デザインの場合はSSタイプ（Type III推奨）を明記する
- [ ] 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）
よくある質問
二元配置分散分析と2つの別々の一元配置分散分析の違いは何ですか？
二元配置分散分析は両方の主効果と交互作用を同時に検定し、3つの重要な利点を提供します。第一に、別々の一元配置分散分析では検出できない交互作用効果を検出できます。第二に、サンプル全体に基づく単一の誤差項を使用するため、より大きな統計的検出力が得られます。第三に、他方の要因を考慮することで未説明分散を減少させ、分散をより正確に分割します。2つの別々の一元配置分散分析を実施すると、ファミリーワイズエラー率が膨張し、交互作用を完全に見逃し、効率の低い誤差項を使用することになります。2つの要因がある場合は、常に二元配置デザインを選択してください。
交互作用は有意だが主効果が非有意な場合、どう解釈すればよいですか？
このパターンは多くの研究者が予想するより一般的であり、特に非順序的（交差）交互作用で見られます。要因水準の順位が条件間で逆転すると、周辺平均が同程度の値に平均化され、非有意な主効果が生じます。交互作用が意味のある結果です。差がどこにあるかを明らかにするため単純主効果分析を実施し、単純主効果を主要な結果として報告してください。主効果が有意でないからといって、どちらの要因も効果がないと結論づけてはいけません。
偏イータ二乗と一般化イータ二乗の違いは何ですか？
偏イータ二乗は要因分散分析で最も一般的に報告される効果量であり、SS_effect / (SS_effect + SS_error) として計算されます。一般化イータ二乗（Olejnik & Algina, 2003 が導入）は異なる計算方法を用い、異なるデザイン（被験者間、被験者内、混合）にわたって効果量を比較する場合に推奨されます。一般化イータ二乗は、測定要因と操作要因の区別を考慮します。標準的な被験者間デザインでは、両者の値は同一です。ご自身の分野や学術誌が一般化イータ二乗を好む場合は、透明性のために偏イータ二乗と併記してください。
サンプルサイズが不均等でも二元配置分散分析を使用できますか？
はい。ただし、不均等なセルサイズは複雑な問題を生じさせます。セルが不均衡な場合、主効果と交互作用がもはや独立ではなくなり（非直交）、効果がモデルに投入される順序が結果に影響します。投入順序に関係なく他のすべての効果を調整した後に各効果を検定するType IIIの平方和を使用してください。セルサイズを明示的に報告し、不均衡デザインであることを認めてください。極端に不均衡なデザイン（例：セルサイズが3倍以上異なる場合）は、等分散性違反に対するANOVAの頑健性も弱めます。
二元配置分散分析ではセルあたり何名の参加者が必要ですか？
推奨される最小セルサイズは、予想される効果量とセル数によって異なります。一般的なガイドラインとして、中程度の効果（偏イータ二乗約 .06）で80%の検出力を得るには、セルあたり少なくとも20名を目指してください。小さい効果（偏イータ二乗約 .01）の場合、セルあたり50名以上が必要な場合があります。正確な数を決定するには、事前検出力分析（例：G*PowerまたはStatMateのサンプルサイズ計算ツール）を使用してください。セルあたり10名未満では、ANOVAは仮定の違反に敏感になり、交互作用を検出する検出力が低くなります。
交互作用は常に主効果の前に解釈すべきですか？
はい。交互作用は主効果をどう解釈するかを決定するため、最初に検討すべきです。交互作用が有意であれば、主効果は条件付きとなり、額面通りに受け取ることはできません。交互作用が有意でなければ、主効果を独立して解釈できます。多くのスタイルガイドや教科書は階層的アプローチを推奨しています。交互作用を最初に報告し、次に主効果を報告し、解釈は交互作用の結果に条件づけます。この論理的な流れは、要因分散分析で最も一般的な報告ミスを防ぎます。
交互作用が限界的に有意な場合（例：p = .06）はどうすればよいですか？
正確なp値を報告し、読者に証拠を評価させてください。「限界的に有意（marginally significant）」という用語は明確な統計的定義がないため避けてください。代わりに、結果を客観的に記述します：「交互作用は従来の有意水準に達しなかった（F(2, 114) = 2.89, p = .060, partial eta-squared = .05）」。交互作用プロットと記述統計を検討して、パターンが意味のある交互作用と一致するかどうか評価できます。効果量が無視できない水準であれば（例：偏イータ二乗 > .04）、これを認め、より大きなサンプルでの今後の研究が結果を明確にする可能性があることを提案してください。非有意な交互作用に対して単純主効果分析を実施しないでください。
被験者間要因と被験者内要因の両方がある二元配置分散分析はどう報告しますか？
このデザインは混合ANOVA（またはスプリットプロットANOVA）と呼ばれ、標準的な二元配置分散分析とは異なります。報告形式は類似していますが、追加要素を含みます。被験者内要因に対するMauchlyの球面性検定を報告し、球面性が違反されている場合はGreenhouse-GeisserまたはHuynh-Feldt補正を適用し、被験者間効果と被験者内効果に適切な誤差項を使用します。混合デザインの交互作用は、被験者内パターンが被験者間群によって異なるかどうかを検定します。例：「群（治療群、統制群）を被験者間要因、時点（事前、中間、事後）を被験者内要因とする2 x 3の混合ANOVAを実施した。」
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。データを貼り付け、APA形式の結果を取得し、論文に直接コピーしてください。