---
webr:
packages: [dplyr, 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 >}}
# 層別と順序:Mantel-Haenszel 検定と傾向検定 {#sec-strata-trend}
```{webr}
#| include: false
source("R/setup.R")
```
ここまでの χ² 検定は、2 つの変数だけを見ていました。この章では、
- 3 つ目の変数(**交絡因子**)で層に分けてから、まとめて検定する(Mantel-Haenszel 検定)
- カテゴリの **順序** を使って、傾向を検定する(Cochran-Armitage の傾向検定)
の 2 つを扱います。どちらも、ふつうの `chisq.test()` が答えていない問いに答えます。
## 喫煙者は長生き? をもう一度
第 1 章では、Whickham の女性で「喫煙者のほうが 20 年後の死亡が少ない」(χ² = 9.12, p = 0.003)という結果になりました。
オッズ比を出しておきます(喫煙者を 1 行目にしています)。
```{webr}
whickham$喫煙 <- factor(whickham$smoker, levels = c("Yes", "No"))
tab <- table(喫煙 = whickham$喫煙, 転帰 = whickham$outcome)
tab
(tab[1, 1] * tab[2, 2]) / (tab[1, 2] * tab[2, 1]) # 喫煙者の死亡のオッズ比
```
オッズ比 0.68 で、喫煙者のほうが死亡のオッズが低い、という結果です。しかし、喫煙者と非喫煙者では年齢の分布が違いました。
```{webr}
whickham$年齢層 <- cut(whickham$age, c(17, 44, 64, 100), labels = c("18-44", "45-64", "65+"))
table(年齢層 = whickham$年齢層, 喫煙 = whickham$喫煙)
```
65 歳以上は、非喫煙者が 193 人、喫煙者が 50 人です。高齢の非喫煙者が多いので、非喫煙者のほうが 20 年後の死亡が多くなります。
## 層ごとに見る
年齢層ごとに 2×2 表を作ります。3 次元の表になります。
```{webr}
tab3 <- table(喫煙 = whickham$喫煙, 転帰 = whickham$outcome, 年齢層 = whickham$年齢層)
tab3
# 年齢層ごとの死亡割合 (%)
round(100 * apply(tab3, 3, function(m) m[, "Dead"] / rowSums(m)), 1)
```
**どの年齢層でも、喫煙者のほうが死亡割合が高く** なっています。全体をまとめると逆転するのは、シンプソンのパラドックスです([記述統計ハンズオン](/study/descriptive_hands_on/) 第 1 章)。
層ごとに χ² 検定をすると、どれも有意ではありません。
```{webr}
apply(tab3, 3, function(m) chisq.test(m, correct = FALSE)$p.value)
```
それぞれの層は人数が少なく、1 つずつでは差を見つけられません。**3 つの層の結果を、1 つの検定にまとめたい** ところです。
## Mantel-Haenszel 検定
Mantel-Haenszel(MH)検定は、層ごとに「喫煙者で死亡」のセルの **観測と期待のずれ** を計算し、それを **すべての層で足し合わせて** から χ² 値にします。
$$
\chi^2_{\mathrm{MH}} = \frac{\left(\sum_k (a_k - E[a_k])\right)^2}{\sum_k \mathrm{Var}(a_k)}
$$
層の中だけで比べるので、**層をつくった変数(年齢)による交絡を取り除いた** 検定になります。手で計算してみます。
```{webr}
mh <- t(apply(tab3, 3, function(m) {
n <- sum(m); r1 <- sum(m[1, ]); c1 <- sum(m[, 1])
c(a = m[1, 1], # 喫煙者で死亡(観測)
Ea = r1 * c1 / n, # 期待(第 1 章と同じ)
Va = r1 * (n - r1) * c1 * (n - c1) / (n^2 * (n - 1))) # 超幾何分布の分散
}))
round(mh, 2)
X2_mh <- sum(mh[, "a"] - mh[, "Ea"])^2 / sum(mh[, "Va"])
X2_mh
```
```{webr}
mantelhaen.test(tab3, correct = FALSE)
```
`mantelhaen.test()` は、MH の χ² 値と、**年齢層で調整した共通のオッズ比**(MH オッズ比)も出してくれます。
- 調整前(全体)のオッズ比:**0.68**(喫煙者は死亡が少ない)
- 年齢 3 層で調整したオッズ比:**1.35**(95% CI 0.96〜1.90、p = 0.08)
向きが逆転しました。
### 層の切り方が粗いと、交絡が残る
「18〜44 歳」「45〜64 歳」の中にも、20 歳ほどの年齢差があります。層を 10 歳刻みにしてみます。
```{webr}
whickham$年齢層6 <- cut(whickham$age, c(17, 34, 44, 54, 64, 74, 100))
tab6 <- table(whickham$喫煙, whickham$outcome, whickham$年齢層6)
round(100 * apply(tab6, 3, function(m) m[, "Dead"] / rowSums(m)), 1)
mantelhaen.test(tab6, correct = FALSE)
```
6 層で調整すると、オッズ比 1.52(95% CI 1.07〜2.16)、p = 0.02 となりました。
層が粗いと、層の中に年齢の違いが残り(**残余交絡**)、調整が不十分になります。75 歳以上の層は、全員が亡くなっているので、比較の情報を持っていません。
::: {.callout-note}
## 層ごとのオッズ比が違うときは
MH 検定は、「どの層でもオッズ比が同じ(くらい)」であることを前提に、共通のオッズ比をまとめています。
層によって関係の向きが逆なら、まとめるとお互いに打ち消し合って、関係を見逃します。
まず層ごとのオッズ比を並べて確かめます。オッズ比が層の間で同じかどうか(**均質性**)の検定には、Breslow-Day 検定や、次の Woolf の検定があります。
:::
```{webr}
# Woolf の均質性の検定:層ごとの対数オッズ比のばらつきを見る(0 のセルに 0.5 を足す)
woolf <- function(t3) {
t3 <- t3 + 0.5
lor <- apply(t3, 3, function(m) log(m[1, 1] * m[2, 2] / (m[1, 2] * m[2, 1])))
w <- apply(t3, 3, function(m) 1 / sum(1 / m))
X2 <- sum(w * (lor - weighted.mean(lor, w))^2)
round(c(OR = exp(lor), X2 = X2, p = pchisq(X2, dim(t3)[3] - 1, lower.tail = FALSE)), 2)
}
woolf(tab3)
```
3 つの年齢層のオッズ比は 1.5、1.3、1.2 程度で、均質性の検定も p = 0.92 です。まとめてよさそうです。
::: {.callout-tip}
## ロジスティック回帰との関係
MH 検定は、年齢層をカテゴリとして入れたロジスティック回帰 `glm(死亡 ~ 喫煙 + 年齢層, family = binomial)` とほぼ同じ問いに答えています。
年齢を連続量のまま入れたいときや、調整したい変数が多いときは、回帰モデルを使います。
:::
## 順序のあるカテゴリ:傾向検定
第 4 章で、χ² 検定は行や列の **順番を無視する** ことを確かめました。
BMI の区分や年齢層のように、カテゴリに順序があり、「**大きくなるほど割合が上がる(下がる)**」かどうかを知りたいときは、**傾向検定**(Cochran-Armitage の傾向検定)を使います。
Framingham の最初の診察で、BMI の区分ごとの糖尿病の割合を見ます(第 5 章と同じ表)。
```{webr}
base <- framingham |> filter(PERIOD == 1)
base$BMI区分 <- cut(base$BMI, c(0, 25, 30, 35, 100), right = FALSE,
labels = c("<25", "25-30", "30-35", "35+"))
tab_bmi <- table(BMI区分 = base$BMI区分, 糖尿病 = base$DIABETES)
dm <- tab_bmi[, "1"]; n <- rowSums(tab_bmi)
data.frame(人数 = n, 糖尿病 = dm, 割合 = round(100 * dm / n, 1))
```
BMI が高い区分ほど、糖尿病の割合が 1.7% → 2.9% → 4.5% → 9.2% と上がっています。
```{webr}
chisq.test(tab_bmi) # ふつうの χ² 検定:自由度 3
prop.trend.test(dm, n) # 傾向検定:自由度 1(区分に 1, 2, 3, 4 の点数をつける)
```
### χ² 値を分解する
ふつうの χ² 値(自由度 3)は、**直線的な傾向の部分**(自由度 1)と、**それ以外のずれ**(自由度 2)に分けられます。
```{webr}
x2_all <- suppressWarnings(chisq.test(tab_bmi)$statistic)
x2_trend <- prop.trend.test(dm, n)$statistic
c(全体 = x2_all, 傾向 = x2_trend, 傾向以外 = x2_all - x2_trend)
pchisq(x2_all - x2_trend, df = 2, lower.tail = FALSE) # 傾向からのずれの検定
```
全体の χ² 値 35.2 のうち、30.7 が直線的な傾向で説明でき、残りの 4.4(自由度 2, p = 0.11)は有意ではありません。
「BMI が高いほど、糖尿病の割合が上がる」という単純な関係で、ほぼ説明できることが分かります。
### 傾向があるなら、傾向検定のほうが見つけやすい
本当に直線的な傾向(10% → 13% → 16% → 19%)があるとき、各区分 80 人で調べたら、どれくらいの確率で有意になるかをシミュレーションします。
```{webr}
set.seed(1)
p_true <- c(0.10, 0.13, 0.16, 0.19)
detect <- replicate(2000, {
y <- rbinom(4, 80, p_true)
c(χ2検定 = suppressWarnings(chisq.test(cbind(y, 80 - y))$p.value) < 0.05,
傾向検定 = suppressWarnings(prop.trend.test(y, rep(80, 4))$p.value) < 0.05)
})
round(100 * rowMeans(detect), 1) # 検出力 (%)
```
有意になる確率(検出力)は、ふつうの χ² 検定で約 26%、傾向検定で約 41% です。
ふつうの χ² 検定(自由度 3)は「どこかが違う」すべてのパターンに目を配るので、検出力が分散します。
**傾向を調べたいと事前に決めているなら**、自由度 1 の傾向検定のほうが、同じ人数で差を見つけやすくなります。
::: {.callout-warning}
## 点数のつけ方と、事前の計画
- `prop.trend.test()` は、既定で区分に 1, 2, 3, ... の等間隔の点数をつけます。区分の幅が違うとき(例:BMI の中央値)は `score =` で指定できますが、**点数は結果を見る前に決めます**
- χ² 検定と傾向検定の両方をやって、p 値が小さいほうを報告するのは、多重検定です(第 8 章)
- 傾向検定が有意でも、関係が直線的だとは限りません(U 字型でも有意になることがある)。必ず割合を並べて見ます
:::
::: {.callout-important}
## この章のまとめ
- 交絡因子で層に分け、層の中の比較をまとめるのが **Mantel-Haenszel 検定**。調整したオッズ比も出る
- 層が粗いと **残余交絡**。層ごとのオッズ比が大きく違うときは、まとめずに層ごとに報告する
- 順序のあるカテゴリでは **傾向検定**(自由度 1)。χ² 値を「傾向」と「それ以外」に分解できる
- どの検定を使うか、どう点数をつけるかは、**データを見る前に決める**
:::