6  独立でないデータ:McNemar 検定と「1 人が何行も」

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。

6.1 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。

6.1.1 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。

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。

6.1.2 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。

  • 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。

6.2 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。

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)。

ノートこの例では、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。

6.3 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。

指導前に朝食をとっていたのは 16 人、指導後は 24 人です。

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。

ヒント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)

6.4 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。

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。

6.4.1 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。

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。

警告対処
  • 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 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
重要この章のまとめ
  • 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