t検定の結果の読み方
この計算ツールは、科学研究で最も一般的に使われる両側の有意水準 α = 0.05 を基準としています。
| 両側p値 | α = 0.05 での結論 |
|---|---|
| p < 0.05 | 統計的に有意 — 差がないという帰無仮説を棄却する |
| p ≥ 0.05 | 統計的に有意ではない — 帰無仮説を棄却できない |
- 統計的有意性は実務上の重要性とは別物です。標本サイズが十分に大きければ、実質的にほとんど意味のないわずかな差でもp値は0.05を下回りえます。
- ここで用いる2標本検定はWelchのt検定であり、群間の等分散を仮定しません。そのため、従来のプールド分散(Student)のt検定を使うツールとは結果がわずかに異なる場合があります。
- t検定は、データが独立した観測値であり、平均の標本分布がおおむね正規分布に従うことを前提とします。これは元データがほぼ正規分布であるか、中心極限定理が働くだけの十分な標本サイズがあれば満たされます。
- 本ツールは要約統計量を用いる計算ツールです。生データの一覧ではなく、すでに算出済みの平均・標準偏差・標本サイズを入力してください。
t検定とは
t検定は、観測された平均の差が、標本抽出による偶然のばらつきだけでは説明できないほど大きいかどうかを判断するための統計的仮説検定です。この計算ツールは2つの形式に対応しています。1つは標本平均を固定された仮説値と比較する1標本t検定、もう1つは2つの独立した標本の平均どうしを比較する2標本t検定です。
2標本の場合、本ツールは2群の分散が等しいことを仮定しないWelchのt検定を用います。Welchの検定はWelch–Satterthwaiteの式によって補正された自由度(多くの場合、整数になりません)を求めるため、2標本の標準偏差が異なるときには、従来のStudentのプールド分散t検定より信頼性の高い結果が得られます。
いずれの形式も両側p値を報告します。これは「どちらの方向であれ差がある」という証拠を測るもので、慣例的な有意水準 α = 0.05 と比較します。p値が0.05を下回れば統計的に有意とみなし、0.05以上であれば有意とはみなしません。
このt検定計算ツールの使い方
- 検定の種類を選びます。1標本(標本平均を固定値と比較)か、2標本(2つの独立した標本平均を比較)かを選択します。
- 1標本検定では、標本の平均・標準偏差・サイズに加えて、比較対象となる仮説母平均 (μ₀) を入力します。
- 2標本検定では、両方の標本について平均・標準偏差・サイズを入力します。
- t値、自由度、両側p値を確認し、p値を選んだ有意水準(一般には α = 0.05)と比較します。
t検定の計算式
1標本のt値: t = (x̄ − μ₀) / (s / √n)、自由度 df = n − 1。ここで x̄ は標本平均、s は標本標準偏差、μ₀ は仮説母平均です。
Welchの2標本t値: t = (x̄₁ − x̄₂) / √(s₁² / n₁ + s₂² / n₂)。自由度はWelch–Satterthwaiteの式 df = (s₁²/n₁ + s₂²/n₂)² / [ (s₁²/n₁)² / (n₁ − 1) + (s₂²/n₂)² / (n₂ − 1) ] で推定され、2つの母分散が等しいことを前提としません。
両側p値は p = 2 × (1 − T(|t|, df)) で求めます。T は算出された自由度をもつStudentのt分布の累積分布関数です。
計算例(1標本): 平均 = 52.1、標準偏差 = 4.5、n = 30、仮説平均 μ₀ = 50 のとき、t = (52.1 − 50) / (4.5 / √30) ≈ 2.556、df = 29 となり、両側p値は0.05を下回るため、5%水準で統計的に有意です。
よくある間違い
- 統計的有意性を実務上の重要性と取り違えること。非常に小さいp値は「差が偶然によるものとは考えにくい」ことを示すだけで、差が大きい、あるいは実務上意味があることを示すわけではありません。
- この計算ツールが2標本の分散をプールしていると思い込むこと。実際にはWelchの検定を用いており、2つの分散が異なることを許容するため、自由度もp値もプールド分散による計算とは異なりえます。
- 両側p値を片側の判定基準と比べてしまうこと。実質的に意図した有意水準が半分になり、有意性を過大に見せてしまいます。
- 対応のあるデータや反復測定データ(同じ対象の前後測定など)に独立2標本のt検定を適用すること。この場合は対応のあるt検定を使う必要があります。
- 同じデータに多数のt検定を行いながら有意水準を調整しないこと。少なくとも1つが偽陽性となる確率が5%を大きく超えてしまいます。
よくある質問
1標本t検定と2標本t検定の違いは何ですか?
1標本t検定は、1つの標本の平均を固定された仮説値 (μ₀) と比較します。2標本t検定は、2つの独立した標本の平均どうしを比較し、その差が偶然のばらつきから予想される以上に大きいかどうかを検定します。
なぜStudentのt検定ではなくWelchのt検定を使うのですか?
Welchのt検定は2標本の分散が等しいことを仮定しないため、標準偏差が異なる場合(実務ではよくあります)でも頑健です。従来のプールド分散検定が使う単純な n₁ + n₂ − 2 ではなく、Welch–Satterthwaiteの式で補正された自由度(多くの場合、非整数)を求めます。
p値が0.05を下回るとはどういう意味ですか?
真の差がないという帰無仮説が正しいと仮定した場合、標本のばらつきだけでこれと同じかそれ以上の差が生じる確率が5%未満である、という意味です。慣例的な α = 0.05 の基準では統計的に有意とされますが、差の大きさや実務上の重要性については何も語りません。
統計的有意性は実務上の重要性と同じですか?
いいえ。統計的に有意な結果 (p < 0.05) は、観測された差が偶然によるものとは考えにくいことを示すだけです。標本サイズが十分に大きければ、実務上ほとんど意味のない小さな差でも有意になりえます。そのためp値と併せて効果量を必ず報告し、あわせて検討すべきです。
なぜ2標本検定の自由度は整数にならないのですか?
Welchのt検定はWelch–Satterthwaiteの式で自由度を計算します。この式は2標本の分散とサイズを組み合わせるため、通常は非整数の値になります。この補正こそが、2群の分散が等しくない場合でも検定の精度を保つ仕組みです。
このt検定にはどれくらいの標本サイズが必要ですか?
標準偏差と自由度が定義されるためには、各標本に最低2個の観測値が必要です。実務上、t検定はデータがおおむね正規分布しているとき、あるいは中心極限定理が働くだけの十分な標本サイズ(目安として1群あたり n = 30 以上がよく使われます)があるときに、多少正規性から外れていても良好に機能します。
参考文献
- National Institute of Standards and Technology (NIST). NIST/SEMATECH e-Handbook of Statistical Methods — two-sample t-test for equal means. nist.gov.
- Welch BL. The generalization of 'Student's' problem when several different population variances are involved. Biometrika 1947; 34(1-2): 28-35.
- Satterthwaite FE. An approximate distribution of estimates of variance components. Biometrics Bulletin 1946; 2(6): 110-114.
- Moore DS, McCabe GP, Craig BA. Introduction to the Practice of Statistics. W. H. Freeman (one- and two-sample t procedures).
- Student (Gosset WS). The probable error of a mean. Biometrika 1908; 6(1): 1-25 (origin of the t-distribution).