一元配置分散分析計算ツール

分散分析（ANOVA）とは？

分散分析（ANOVA: Analysis of Variance）は、3つ以上の独立した群の平均を 比較し、統計的に有意な差があるかどうかを判断するための基本的な統計手法です。 t検定は一度に2群しか比較できないのに対し、ANOVAは単一の統合的な検定で 複数の群を同時に比較することができ—複数のペアワイズt検定を 実施した場合に増大する第1種の過誤率を効果的に制御します。

この手法は、Sir Ronald A. Fisherが1920年代にイギリスのRothamsted実験 農場で勤務していた際に開発しました。Fisherは作物の収穫量に複数の処理を 適用する農業実験を分析するためにANOVAを開発しました。1925年の著書Statistical Methods for Research WorkersでF分布とF検定を 導入し—これは彼の名にちなんだもので—今日のすべてのANOVAの 数学的基盤として残っています。その後の一世紀にわたり、ANOVAは心理学、 医学、教育学、生物学、マーケティングなど、ほぼすべての実証的研究分野 における主要な分析手法となりました。

ANOVAは根本的に、データの総変動を2つの要素に分割します： 群間分散（群平均間の差異による変動）と 群内分散（各群内の個人差による変動。誤差分散または 残差分散とも呼ばれます）。この2つの分散推定値の比が F統計量を生成します。群間分散が群内分散よりも十分に大きい場合、F値が大きくなり、対応するp値が 小さくなります—これは少なくとも1つの群平均が他の群と有意に 異なることを示します。

一元配置分散分析：単一要因デザイン

一元配置分散分析（単一要因分散分析とも呼ばれます）は、1つの独立変数 （要因）のみがある場合に、3つ以上の独立した群の平均が異なるかを検定します。 例えば、臨床研究者が3種類の薬物治療の疼痛緩和スコアを比較したり、 教育者が4種類の教授法の試験成績を比較したりすることができます。 「一元配置」という名称は、1つのグループ化変数のみを検討することを 示しています。2つ以上の要因（例：薬物の種類と用量）がある 場合は、二元配置または要因分散分析が必要であり、この計算機の範囲外です。

一元配置分散分析は、2つの自由度を持つ単一のF統計量を算出 します：df_群間（群数 - 1）と df_群内（総標本サイズ - 群数）。有意な F値は、少なくとも1つの群平均が異なることを示しますが、 どの群が互いに異なるかは示しません。それが事後検定の役割です。

事後検定：特定の群間差の特定

総括的ANOVA F検定が統計的に有意である場合、群平均がすべて 等しくないことはわかりますが—具体的にどの群のペアが異なるかを 特定するには事後検定（ラテン語で「この後」の意）が必要です。この 計算機は、最も広く使用され保守的な事後検定法の1つである Bonferroni補正を使用します。Bonferroni法は、 希望する有意水準（通常 .05）をペアワイズ比較の回数で割ることで、 多重比較を行っても全体の族別過誤率が .05未満に維持されるようにします。 3群の場合、3つのペアワイズ比較があるため、各比較は α = .05 / 3 = .0167で評価されます。この保守性は偽陽性を 防止しますが、群が多い場合、TukeyのHSDよりもやや低い検定力を示す ことがあります。

ANOVAと他の検定の使い分け

適切な統計検定の選択は、群数、データの性質、測定が独立かまたは反復かに よって異なります。以下の表は、最も一般的な状況と各状況に推奨される検定を まとめたものです。

よくある間違いは、3つ以上の群がある場合にANOVAの代わりに複数のt検定を 実施することです。3群の場合、各 α = .05 で3つのペアワイズt検定が 必要となります。少なくとも1つの偽陽性が生じる確率は約 1 − (1 − .05)³ = .14で、意図した過誤率の 約3倍です。ANOVAは、すべての群を単一の総括検定で検証することでこの 問題を回避します。

一元配置分散分析の前提条件

ANOVAの結果を解釈する前に、以下の4つの前提条件が合理的に満たされて いるかを確認する必要があります。これらの前提条件に違反すると、不正確なp値と信頼できない結論につながる可能性があります。

イータ二乗（η²）効果量の理解

p値は群間差が統計的に有意かどうかを示す一方、 イータ二乗（η²）は実用的な観点から その差がどの程度大きいかを示します。イータ二乗は、従属変数の総分散のうち 群の所属によって説明される割合を表します。計算式は η² = SS_群間 / SS_総です。 例えば、η² = .14は、スコアの変動性の14%がグループ化 変数に起因することを意味します。

効果量の報告は不可欠です。十分に大きな標本では、些細な小さな差でも 有意なp値を生み出す可能性があるためです。Cohen（1988）は η²の解釈のために以下の広く使用される基準を 提示しました：

注意：一部の研究者は、特に複雑な要因デザインにおいて、バイアスの少ない 代替指標として偏イータ二乗（η_p²）や オメガ二乗（ω²）を好みます。 単一要因の一元配置分散分析では、イータ二乗と偏イータ二乗は同一です。 オメガ二乗はやや保守的な推定値を提供し、一部の学術誌で好まれています。

APA形式によるANOVA結果の報告方法

APA第7版のガイドラインによると、ANOVAの結果にはF統計量、 2つの自由度、p値、効果量の指標を含める必要があります。各群の 記述統計量（平均と標準偏差）も報告すべきです。以下は計算例を含む テンプレートです：

注意：F値は小数点以下2桁まで報告します。p値は小数点 以下3桁まで報告し、.001未満の場合は p < .001と表記します。 統計記号（F, p, M, SD, η²）は常にイタリック体で表記します。.001未満の場合を 除き、可能な限り正確なp値（例：p = .034）を不等号 （例：p < .05）の代わりに報告してください。

よくある間違い

• ANOVAの代わりに複数のt検定を実施する： 3つ以上の 群で補正なしにペアワイズt検定を実施すると、族別過誤率が増大します。 例えば、5群の場合10個の比較が必要となり、実際のalphaは約 .40に 上昇します。常に総括ANOVAから始め、F検定が有意な場合にのみ 事後検定を使用してください。
• 総括Fが有意でない場合に事後検定を実施する： 全体のANOVAが有意でなければ（p > .05）、事後のペアワイズ 比較に進むべきではありません。これは偶然を利用して偽の「有意な」差を 生み出す可能性があります。例外は、データ収集前に定義された特定の事前計画対比がある場合です。
• p = .000と報告する： 統計ソフトウェアがp = .000と表示することがありますが、常に p < .001と報告すべきです。p値は決して正確に0になることは ありません—無限に小さくなり得ますが、0ではありません。
• 効果量の無視： 統計的に有意なF検定でもη²が小さい場合（例：.01）、群間差は存在するものの 実用的な影響は無視できることを意味します。常に η²をp値とともに報告し、両方を解釈してください。
• 等分散性の仮定の無視： 群サイズが不均等で分散が 大きく異なる場合、標準的なANOVA F検定は信頼できなくなります。 結果を解釈する前にLevene検定を実施してください。有意な場合は、 WelchのANOVAに切り替えるか、Brown-Forsythe補正を使用してください。