---
webr:
packages: [dplyr, tidyr, ggplot2]
resources: [R/setup.R, data/whickham.rds, data/framingham.rds, data/nhanes.rds]
cell-options:
autorun: true
---
{{< include ./_extensions/r-wasm/live/_knitr.qmd >}}
# 独立でないデータ:McNemar 検定と「1 人が何行も」 {#sec-paired}
```{webr}
#| include: false
source("R/setup.R")
library(tidyr)
```
χ² 検定は、**1 人が表の 1 か所だけに数えられ、人どうしは互いに独立** であることを前提にしています。
同じ人を 2 回測ったデータや、1 人が何行もあるデータに、そのまま `chisq.test()` を使うと、この前提が崩れます。
## 同じ人の、6 年後の喫煙
Framingham では、同じ人を約 6 年ごとに診察しています。1 回目(PERIOD 1)と 3 回目(PERIOD 3)の両方を受診した人で、喫煙しているかを比べます。
```{webr}
smk <- framingham |>
filter(PERIOD %in% c(1, 3)) |>
select(RANDID, PERIOD, CURSMOKE) |>
pivot_wider(names_from = PERIOD, values_from = CURSMOKE, names_prefix = "回目") |>
filter(!is.na(回目1), !is.na(回目3))
nrow(smk)
```
### よくある間違い:2 つの群として比べる
1 回目と 3 回目の喫煙率を、「2 つの群」の表にして χ² 検定をしてしまうことがあります。
```{webr}
wrong <- rbind(`1回目` = table(smk$回目1), `3回目` = table(smk$回目3))
colnames(wrong) <- c("非喫煙", "喫煙")
wrong
sum(wrong) # 3263 人のはずが、6526 「人」になっている
chisq.test(wrong, correct = FALSE)
```
この表では、同じ人が 2 回ずつ数えられていて、**1 回目と 3 回目が独立な別の人** として扱われています。
### 正しい表:1 人を 1 回だけ数える
同じ人の 1 回目と 3 回目を **組にして** 表を作ります。
```{webr}
pair <- table(`1回目` = factor(smk$回目1, labels = c("非喫煙", "喫煙")),
`3回目` = factor(smk$回目3, labels = c("非喫煙", "喫煙")))
pair
```
- 1647 人:ずっと非喫煙
- 1059 人:ずっと喫煙
- **495 人:喫煙 → 非喫煙**(やめた)
- **62 人:非喫煙 → 喫煙**(始めた・再開した)
喫煙率が変わったかどうかに関係するのは、**状態が変わった人(不一致のペア)だけ** です。ずっと同じだった 2706 人は、変化について何の情報も持っていません。
## McNemar 検定
「喫煙率が変わっていない」なら、やめた人と始めた人は、同じくらいの数のはずです。
不一致のペア b = 495、c = 62 について、
$$
\chi^2 = \frac{(b - c)^2}{b + c}
$$
を自由度 1 の χ² 分布と比べるのが **McNemar 検定** です。
```{webr}
b <- pair["喫煙", "非喫煙"] # やめた
c_ <- pair["非喫煙", "喫煙"] # 始めた(c は R の関数名なので c_ にする)
(b - c_)^2 / (b + c_)
mcnemar.test(pair, correct = FALSE)
mcnemar.test(pair) # 既定では連続性の補正つき:(|b - c| - 1)^2 / (b + c)
```
これは、不一致の 557 人のうち「やめた」人の割合が 50% かどうかの検定と同じなので、二項分布で **正確な p 値** も計算できます(不一致のペアが少ないときに使います)。
```{webr}
binom.test(c_, b + c_) # 557 人中 62 人が「始めた」。50% と比べる
```
::: {.callout-note}
## この例では、どちらの検定でも高度に有意
人数が多く、変化もはっきりしているので、ここでは間違った χ² 検定でも、McNemar 検定でも p 値は非常に小さくなります。
しかし、間違った検定は **問いそのものが違う**(別の人の集団を比べている)うえ、人数が少ないと結論が変わることがあります。
:::
## 結論が変わる例
架空の例です。40 人に新しい生活指導をして、指導前と 3 か月後に「朝食をとっているか」を聞きました。
```{webr}
toy <- matrix(c(15, 1,
9, 15), nrow = 2, byrow = TRUE,
dimnames = list(指導前 = c("とる", "とらない"), 指導後 = c("とる", "とらない")))
toy
```
指導前に朝食をとっていたのは 16 人、指導後は 24 人です。
```{webr}
# 間違い:前と後を別の 40 人ずつとして比べる
wrong_toy <- rbind(指導前 = c(16, 24), 指導後 = c(24, 16))
chisq.test(wrong_toy, correct = FALSE)$p.value
# 正しい:組にして、変わった人だけを見る(1 人 vs 9 人)
mcnemar.test(toy, correct = FALSE)$p.value
binom.test(1, 10)$p.value
```
前後を独立な 2 群として扱うと p = 0.07 で有意になりませんが、McNemar 検定では p = 0.01(正確な検定でも 0.02)です。
同じ人の前後は似ている(とる人は、たいてい後でもとる)ので、**変化だけを見るほうが、ばらつきが小さく、差を見つけやすい** のです。
逆に、前後で反対向きに変わる人が多いと、間違った検定のほうが p 値が小さくなることもあります。どちらにしても、**答えている問いが違います**。
::: {.callout-tip}
## McNemar 検定を使う場面
- 同じ人の **前後**(治療前後の症状の有無、介入前後の行動)
- 同じ人に 2 つの **診断法** を使ったときの陽性率の比較(感度・特異度の比較)
- **マッチさせた** 症例対照研究(症例 1 人と対照 1 人が組になっている)
:::
## 1 人が何行もあるデータ
Framingham のデータは、1 人の 3 回の診察が「縦に」並んでいます。そのまま集計すると、同じ人が何回も数えられます。
```{webr}
nrow(framingham) # 行の数(診察の回数)
n_distinct(framingham$RANDID) # 人の数
# 間違い:全部の行で、性別と喫煙の関係を検定
chisq.test(table(framingham$SEX, framingham$CURSMOKE), correct = FALSE)$statistic
# 1 人 1 行(1 回目の診察)で検定
base <- framingham |> filter(PERIOD == 1)
chisq.test(table(base$SEX, base$CURSMOKE), correct = FALSE)$statistic
```
全部の行を使うと、χ² 値が 175 から 254 に増えます。同じ人の喫煙は 3 回の診察でほとんど変わらないので、**実質的には同じ情報を何度も数えて、人数を水増し** しています。
### シミュレーション:本当は差がないのに
本当は 2 群に差がないデータを作ります。200 人(各群 100 人)の「喫煙のしやすさ」は人によって違い、1 人を 3 回測ると、同じ人の結果は似ています。
```{webr}
set.seed(1)
one_study <- function() {
group <- rep(c("A", "B"), each = 100) # 群に差はない
p_person <- rbeta(200, 0.5, 1.5) # 人ごとの「なりやすさ」(平均 25%)
y3 <- sapply(p_person, function(p) rbinom(3, 1, p)) # 1 人 3 回測る(3 行 × 200 人)
long_p <- chisq.test(table(rep(group, each = 3), as.vector(y3)), correct = FALSE)$p.value
first_p <- chisq.test(table(group, y3[1, ]), correct = FALSE)$p.value
c(全行 = long_p < 0.05, 一人一行 = first_p < 0.05)
}
round(100 * rowMeans(replicate(2000, one_study())), 1) # 有意になった割合 (%)
```
1 人 1 行で検定すれば、第一種の過誤は 5% 前後(4.7%)に保たれます。
全部の行を使うと、本当は差がないのに **5% よりずっと多く(約 13%)「有意」** になります。
::: {.callout-warning}
## 対処
- 検定の前に **1 行が何か** を確かめ、**1 人 1 行** にそろえる(ベースラインだけ、最後の観察だけ、人ごとに「1 回でも〜」に集約、など)
- 繰り返しの測定をすべて使いたいなら、人の中の相関を考える方法(GEE、一般化線形混合モデル)を使う。[線形混合モデル ハンズオン](/study/lmm_hands_on/) も参照
- 同じことは、1 人の **複数の歯・目・病変**、同じ **病院・家族** の人たちにも起こる
:::
::: {.callout-important}
## この章のまとめ
- χ² 検定は「1 人 1 か所・人どうしは独立」が前提
- 同じ人の前後・マッチさせたペアは **McNemar 検定**。変化した人(不一致のペア)だけを見る。少なければ `binom.test()`
- 前後を独立な 2 群として χ² 検定すると、**問いが違う** うえ、結論も変わりうる
- 1 人が何行もあるデータをそのまま検定すると、人数が水増しされ、**偽の有意差** が出やすい
:::