連続的な結果変数に対する2つの独立変数の主効果と交互作用を検討します。結果にはF統計量、偏η²、交互作用プロットが含まれます。
二元配置分散分析(Two-Way ANOVA、要因分散分析とも呼ばれます)は、2つの独立した カテゴリカル変数(要因)が1つの連続型従属変数に与える影響を同時に検定する 統計手法です。一元配置分散分析(One-Way ANOVA)が1つの要因のみを検定するのに対し、 二元配置分散分析では要因Aの主効果、要因Bの主効果、そして2つの要因間の 交互作用効果という3つの仮説を同時に検定します。心理学、医学、教育学、 社会科学などの実験研究において、最も広く使用されている分析手法の一つです。
研究デザインにそれぞれ2水準以上を持つ2つの独立カテゴリカル要因と、 間隔尺度または比率尺度で測定された1つの連続型従属変数がある場合に 二元配置分散分析を使用します。治療法と人口統計学的グループの複合効果、 用量と投与方法、または同時に測定された2つのグループ化変数の効果を 検討する実験デザインで一般的に使用されます。
| 特性 | 一元配置分散分析 | 二元配置分散分析 |
|---|---|---|
| 要因数 | 1 | 2 |
| 検定内容 | 1つの主効果 | 2つの主効果 + 1つの交互作用 |
| 交互作用 | 該当なし | 検定可能 |
| 効果量 | η² | 偏η² |
| デザインの複雑さ | 単純 | 要因計画 (A × B) |
研究者が学習方法(方法A vs 方法B)と試験難易度(易しい vs 難しい)が 試験得点に与える影響を検定します。各セルに5名の学生が無作為に 割り当てられました。
結果
学習方法:F(1, 16) = 52.27, p < .001, η²p = .77
難易度:F(1, 16) = 36.82, p < .001, η²p = .70
交互作用:F(1, 16) = 0.33, p = .576, η²p = .02
両方の主効果は有意でしたが、交互作用は有意ではありませんでした。 これは、方法Aが方法Bより優れている効果が難易度の水準に関係なく 一貫していることを意味します。
結果を解釈する前に、以下の4つの前提条件を確認してください:
1. 正規性
従属変数はデザインの各セル内でおおよそ正規分布に従う必要があります。 Shapiro-Wilk検定やQ-Qプロットで評価できます。セルサイズが等しく 十分に大きい場合、ANOVAは中程度の違反に対して頑健です。
2. 等分散性
すべてのセルにわたって分散がほぼ等しい必要があります。Levene検定で 確認できます。群のサイズが不均等で分散が異なる場合、結果の 信頼性が低下する可能性があります。
3. 観測値の独立性
各観測値は独立でなければなりません。セルへの無作為割り当てが独立性を 保証します。観測値が入れ子構造または反復測定の場合は、混合効果 モデルを使用してください。
4. 間隔尺度または比率尺度データ
従属変数は連続型(間隔尺度または比率尺度)でなければなりません。 順序尺度またはカテゴリカルなアウトカムの場合は、整列順位変換 (Aligned Rank Transform)などのノンパラメトリックな代替手法を 検討してください。
交互作用は二元配置分散分析で最も重要な部分です。有意な交互作用は、 一方の要因の効果がもう一方の要因の水準によって異なることを意味します。 交互作用が有意な場合、一方の要因にわたる平均差がもう一方の要因の異なる 水準で反対のパターンを隠す可能性があるため、主効果を慎重に解釈する 必要があります。このような場合は、全体的な主効果ではなく、単純主効果 (各要因Bの水準における要因Aの効果など)を報告してください。
各効果(要因A、要因B、交互作用)を個別に報告し、 F統計量、自由度、p値、偏イータ二乗を含めます:
報告例
2 × 2 被験者間分散分析を実施した。学習方法の主効果が 有意であった,F(1, 16) = 52.27, p < .001, η²p = .77。難易度の主効果も 有意であった,F(1, 16) = 36.82, p < .001, η²p = .70。学習方法と難易度の 交互作用は有意ではなかった,F(1, 16) = 0.33, p = .576, η²p = .02。
注:要因計画では常に偏η²(通常の η²ではなく)を報告してください。F、p、 η²はイタリック体で表記し、効果と残差の両方の自由度を 報告してください。
StatMateの二元配置分散分析の計算は、Rの aov() およびSPSS GLM 出力と比較検証されています。実装は均衡公式平方和と F分布のためのjstatライブラリを使用しています。すべての F統計量、p値、偏イータ二乗値がRおよびSPSSの 出力と一致しています。自由度は標準的な公式を使用しています: dfA = a − 1, dfB = b − 1, dfAB = (a − 1)(b − 1), dferror = N − ab。
t検定
2群の平均値を比較
分散分析
3群以上の平均値を比較
カイ二乗検定
カテゴリ変数の関連を検定
相関分析
関係の強さを測定
記述統計
データを要約
サンプルサイズ
検出力分析・標本計画
1標本t検定
既知の値との比較
マン・ホイットニーU
ノンパラメトリック群間比較
ウィルコクソン検定
ノンパラメトリック対応検定
回帰分析
X-Yの関係をモデル化
重回帰分析
複数の予測変数
クロンバックのα
尺度の信頼性
ロジスティック回帰
二値アウトカムの予測
因子分析
潜在因子構造の探索
クラスカル・ウォリス
ノンパラメトリック3群以上比較
反復測定
被験者内分散分析
フリードマン検定
ノンパラメトリック反復測定
フィッシャーの正確検定
2×2表の正確検定
マクネマー検定
対応のある名義データの検定
Excel/スプレッドシートから貼り付け、またはCSVファイルをドロップ
Excel/スプレッドシートから貼り付け、またはCSVファイルをドロップ
Excel/スプレッドシートから貼り付け、またはCSVファイルをドロップ
Excel/スプレッドシートから貼り付け、またはCSVファイルをドロップ
データを入力して「計算」をクリックしてください
または「サンプルデータを読み込む」をクリックしてお試しください