カイ二乗検定計算ツール

カイ二乗検定とは？

カイ二乗（χ²）検定は、カテゴリ変数間の関係を検定するために 使用されるノンパラメトリック統計検定です。平均を比較するt検定や分散分析 （ANOVA）とは異なり、カイ二乗検定は度数データ—各カテゴリに属する 観測値の数—を使用します。Karl Pearsonが1900年に開発したこの検定は、 実際に観測された度数と、変数間に関係がない場合に期待される度数を比較します。 観測度数と期待度数の差が十分に大きい場合、変数間に統計的に有意な関連が あると結論づけることができます。

独立性の検定

独立性の検定は、2つのカテゴリ変数が互いに関連しているかどうかを判断する ために使用されます。データは、行が一方の変数を、列がもう一方の変数を 表す分割表（クロス集計表）として整理されます。例えば、性別と製品の好みの 間に関係があるかどうか、または治療条件と回復結果の間に関係があるかどうかを 検定できます。帰無仮説は、2つの変数が独立である—すなわち、一方の 変数の値を知っても、もう一方について何の情報も得られない—と主張します。

適合度検定

適合度検定は、単一のカテゴリ変数の観測度数が期待度数と異なるかどうかを 判断するために使用されます。例えば、サイコロが公正かどうかを確認するために 観測されたサイコロの結果を期待される均等分布（各面1/6）と比較したり、 顧客の来店が曜日ごとに均等に分布しているかを検定したりできます。帰無仮説は、 観測分布が期待分布と一致すると主張します。

カイ二乗検定と他の検定の使い分け

適切な検定の選択は、データの種類と標本サイズによって異なります。以下の ガイドを参考に適切な検定を選択してください：

カイ二乗検定の前提条件

カイ二乗検定の結果を解釈する前に、以下の前提条件が満たされているか 確認してください：

CramérのV 効果量

p値は関連が統計的に有意かどうかを示しますが、 CramérのVはその関連がどの程度強いかを示します。 大規模な標本では些細な関連でも統計的に有意になり得るため、これは非常に 重要です。CramérのVは0（関連なし）から1（完全な関連） までの範囲を持ち、解釈は自由度（行 − 1または列 − 1の 小さい方）によって異なります：

*df* = min(行 − 1, 列 − 1)。上記の計算例（2×3表）では df* = 1であるため、V = .29は中程度の効果に相当します。

APA形式による報告方法

APA第7版のガイドラインによると、カイ二乗検定の結果報告には、カイ二乗 統計量、自由度、標本サイズ、p値、および効果量の指標を含める必要が あります。以下はテンプレートと実際の例です：

注意：χ²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。 独立性検定では必ず効果量の指標（Cramér's V）を 含めてください。

よくある間違い

• 小さい期待度数でのカイ二乗検定の使用： 期待セル度数が 5未満の場合、カイ二乗近似は信頼できません。2×2表ではFisherの 正確検定を使用し、より大きな表ではカテゴリを統合して期待度数を 高めてください。
• 生の度数の代わりにパーセンテージを入力する： カイ二乗 検定には実際の度数が必要であり、パーセンテージや比率は使用できません。 パーセンテージを使用すると、検定が実際の標本サイズを把握できないため、 不正確な結果が算出されます。
• 効果量の無視： 統計的に有意なカイ二乗の結果でも、 CramérのVが非常に小さい場合（例：.05）、実用的に 意味がない可能性があります。大規模な標本では些細な関連でも「有意」に なり得るため、常にCramérのVを報告し解釈してください。
• 観測の独立性の違反： 各参加者は1つのセルにのみ寄与 すべきです。同一人物が複数のセルに出現する場合（例：反復測定）、 カイ二乗検定は有効ではありません。対応のあるデータにはMcNemar検定を 使用してください。
• 2種類のカイ二乗検定の混同： 独立性検定（分割表における 2つの変数）と適合度検定（1つの変数 vs 期待比率）は異なる問いに答えます。 研究課題に合った正しい検定を選択してください。