χ² 検定を使いこなす

期待度数・自由度から、小さい表・対応のあるデータ・層別・検出力まで

今日のゴール

  1. 期待度数・χ² 値・自由度・p 値を 手で計算 し、chisq.test() の出力を説明できる
  2. χ² 分布が 近似 であることを知り、近似が崩れる場面を判断できる
  3. 適合度・独立性・McNemar・Mantel-Haenszel・傾向検定 を選べる
  4. p 値だけでなく 残差・効果の大きさ・信頼区間 で報告できる

ヒント

詳しい解説・ブラウザで動く R・演習は ハンズオンブック にあります

chisq.test() の 1 行で省略されていること

  • 何と何を比べて、なぜ「χ² 分布」なのか
  • 自由度はどう決まるのか
  • 「期待度数 5 未満なら Fisher」はどこまで正しいか
  • 同じ人を 2 回測ったデータに使ってよいか
  • 表の どこが、どれくらい 違うのか

1. しくみ

期待度数:「関係がなかったら」の表

Whickham の女性 1314 人。喫煙と 20 年後の生死

観測度数 O

Dead Alive Sum
No 230 502 732
Yes 139 443 582
Sum 369 945 1314

期待度数 E = 行の合計 × 列の合計 ÷ 総数

Dead Alive
No 205.6 526.4
Yes 163.4 418.6

全体の死亡割合 28.1% が、喫煙者にも非喫煙者にも当てはまる場合の表

χ² 値 = Σ (O − E)² / E

\[\chi^2 = \frac{24.4^2}{205.6} + \frac{24.4^2}{526.4} + \frac{24.4^2}{163.4} + \frac{24.4^2}{418.6} = 9.12\]

  • 期待度数で割る:数えたデータは、期待度数が大きいほど偶然のばらつきも大きい(分散 ≒ 平均)
  • 自由度 1 の χ² 分布で 9.12 以上になる確率 → p = 0.0025

警告

割合(%)を入れない。chisq.test() に 31.4 / 68.6 … を入れると p = 0.24(正しくは 0.0025)

χ² 分布は「シャッフル」の近似

自由度と、z 検定との関係

  • 周辺の合計を固定すると、自由に決められるセルは (r − 1)(c − 1) 個
    • 2×2 → 1、5×5 → 16
  • 関係がない表の χ² 値の 平均 = 自由度。χ² 値 9 は、自由度 1 なら p = 0.003、自由度 16 なら p = 0.91
  • 2×2 表の χ² 検定 = 割合の差の z 検定(z² = χ²)
    • prop.test() なら 差の 95% 信頼区間(7.5 ポイント、2.7〜12.4)も出る

2. 適合度検定

理論の割合と比べる

  • メンデルのエンドウ 556 個、理論は 9 : 3 : 3 : 1 → χ² = 0.47(自由度 3)、p = 0.93
  • 同じ割合で 100 倍 の数なら p = 3×10⁻¹⁰
    • 「有意差なし」は「理論どおり」の証明ではない

パラメータを推定したら、自由度を減らす

  • 自由度 = カテゴリ数 − 1 − データから推定したパラメータの数
  • 馬に蹴られて亡くなった兵士の数(4 区分)をポアソン分布と比べる:λ を推定 → 自由度 2
  • chisq.test(x, p = ...) は推定を知らないので 自由度 3 のまま

本当にポアソン分布のデータで「有意」になる割合(本来 5%)

自由度 有意になった割合
3(直さない) 1.9%(保守的)
2(正しい) 4.5%

3. 結果を読む

どこが違うか:標準化残差

NHANES 20 歳以上 10039 人、学歴 × 主観的健康:χ² = 1433(自由度 16)

Excellent Vgood Good Fair Poor
8th Grade -4.7 -14.6 -5.8 20.9 11.8
9 - 11th Grade -5.3 -10.1 2.7 9.9 3.7
High School -4.4 -4.0 5.4 1.1 -0.1
Some College -0.4 4.0 4.5 -8.1 -3.3
College Grad 12.7 19.0 -8.4 -16.1 -8.1

±2 を超えると「偶然にしては多すぎ・少なすぎ」(25 セルで補正するなら ±3.09)

どれくらい違うか

  • Cramér の V = √(χ² / (N × (min(r, c) − 1))) = 0.19(小〜中)
    • p < 10⁻¹⁶ でも、関連が強いとは限らない
  • 2×2 表は 差・比と 95% 信頼区間
    • 運動する人:男性 50.2%、女性 43.3%、差 7.0 ポイント(5.2〜8.8)
  • 大標本は小さな差も拾う
    • 糖尿病の男女差 1.1 ポイント:p = 0.09 → 人数 4 倍なら p = 0.0007
  • χ² 検定は 順序を無視(行を並べ替えても χ² 値は同じ)

4. 度数が小さいとき

Fisher の正確検定:すべての場合を数える

紅茶を味わう婦人:8 杯中「紅茶が先」の 4 杯を選び、3 杯正解

正解数 0 1 2 3 4
選び方(全 70 通り) 1 16 36 16 1
  • 片側 p = 17/70 = 0.243、両側 p = 34/70 = 0.486
  • χ² 分布の近似では p = 0.157(大きくずれる)
  • 周辺の合計を固定した 超幾何分布 で、偏った表の確率を合計

本当は差がないのに「有意」になる確率(正確計算)

1群の人数 改善率 χ²(補正なし) Yates Fisher
10 10% 0.9 0.1 0.1
20 10% 3.9 0.4 1.2
40 10% 5.9 1.4 1.7
10 30% 3.7 1.2 1.2
20 30% 5.3 2.1 2.5
40 30% 4.8 2.8 2.8

Fisher と Yates は保守的(5% よりかなり小さい → 検出力も低い)。補正なしの χ² は思ったより 5% に近い

小さい表では、どうするか

  1. Fisher の正確検定:第一種の過誤が 5% を超えない。保守的を承知で使う
  2. Yates の補正 は勧められないことが多い。R は 2×2 表で既定で補正する → 明記
  3. 期待度数がおおむね 1 以上なら、補正なし χ²(N − 1 χ²)でもよいという研究も(Campbell, 2007)
  4. 大きい表は simulate.p.value = TRUE

警告

どれを使うかは データを見る前に 決める。p 値の小さいほうを選ばない

5. 独立でないデータ

同じ人の前後:McNemar 検定

Framingham 3263 人、1 回目と 3 回目の喫煙

3 回目 非喫煙 3 回目 喫煙
1 回目 非喫煙 1647 62(始めた)
1 回目 喫煙 495(やめた) 1059
  • 変化に関係するのは 不一致のペアだけ:χ² = (495 − 62)² / (495 + 62) = 336.6
  • 前後を「2 つの群」にして chisq.test() → 6526 「人」の表。問いが違う
  • 架空の 40 人の例:独立な 2 群として p = 0.07、McNemar で p = 0.01

1 人が何行もあるデータ

  • Framingham:11627 行 = 4434 人 × 最大 3 回
    • 全部の行で性別 × 喫煙:χ² = 254(1 人 1 行なら 175)
  • シミュレーション(本当は差がない、1 人 3 回測定)
検定に使った行 「有意」になった割合
全部の行(600 行) 12.8%
1 人 1 行(200 行) 4.7%

→ 1 人 1 行 にそろえる。繰り返しを使うなら GEE・混合モデル

6. 層別と順序

Mantel-Haenszel 検定:層の中で比べて、まとめる

解析 喫煙者の死亡オッズ比 p
調整なし 0.68 0.003
年齢 3 層で調整(MH) 1.35(0.96〜1.90) 0.083
年齢 6 層で調整(MH) 1.52(1.07〜2.16) 0.019
  • どの年齢層でも喫煙者の死亡が多い(シンプソンのパラドックス)
  • 層が粗いと 残余交絡。層ごとのオッズ比が大きく違うなら、まとめない

傾向検定:順序を使う

  • χ²(自由度 3)= 35.2 = 傾向(自由度 1)30.7 + それ以外(自由度 2)4.4
  • 直線的な傾向があるとき、検出力は χ² 検定 26% → 傾向検定 41%(シミュレーション)

7. 計画と報告

何人必要か、どこが違うか

  • power.prop.test(p1 = 0.25, p2 = 0.35, power = 0.8) → 1 群 329 人
    • 差が半分(25% → 30%)なら 1251 人(約 4 倍)
  • r×c 表は効果量 w と 非心 χ² 分布 で検出力を計算
  • 3 群以上を 2 群ずつ比べると……(5 群、本当は差がない)
どこかが「有意」になった割合
補正なしで 10 回検定 28.7%
Holm で補正 4.0%

報告に含めるもの

20 年後の死亡は、喫煙者 139/582 人 (23.9%)、非喫煙者 230/732 人 (31.4%) で、差は −7.5 ポイント (95% CI −12.4〜−2.7) であった (Pearson の χ² 検定、連続性補正なし: χ²(1) = 9.12, p = 0.003)。

  1. 各群の 人数と割合(分母)
  2. 差・比と信頼区間
  3. 検定の名前と補正の有無
  4. χ²(自由度)、p の実際の値
  5. 多重比較の補正、層別・調整した変数

チェックリスト

  1. 人数 の表か(割合を入れていないか)
  2. 1 人 1 か所 か → 前後・ペアは McNemar、複数行は 1 人 1 行に
  3. 推定したパラメータの分 自由度を減らした か
  4. 期待度数 は小さくないか → Fisher・シミュレーション。Yates の有無を明記
  5. 交絡 → MH・回帰、順序 → 傾向検定
  6. どこが・どれくらい:残差、V、差・比と信頼区間
  7. 2 群ずつの比較は 補正、人数は 事前に計算
  8. 検定・補正・区分は データを見る前に 決める