4  3 群以上の比較

3 群以上を比べるとき、「どの群とどの群が違うか」を調べようとすると、2 群ずつの比較が何回も必要になります(4 群なら 6 回、5 群なら 10 回)。 この章では、群の比較の多重性を扱う方法(事後比較、多重比較)を見ていきます。

4.1 本当は差がない 4 群

各群 30 人の 4 群で、本当はどの群にも差がない データを作り、2 群ずつ 6 回の t 検定をします。これを 2000 回繰り返します。

  • 補正しない 6 回の比較では、約 20% の研究で「どこかに有意差あり」になります
  • Holm の方法や Tukey の方法 では、約 5% に抑えられます
  • 「全体の F 検定が有意なときだけ、補正なしで 2 群ずつ比べる」方法(保護つき LSD、Fisher の最小有意差法)も、この例では約 5% です。しかし…

4.2 保護つき LSD の落とし穴

6 群のうち 1 群だけが本当に違う(他の 5 群には差がない)場合を考えます。

6 群目が大きく違うので、全体の F 検定はほぼ必ず有意になります。すると「保護」は働かず、差のない 5 群どうしの 10 回の比較を補正なしで行うことになり、約 27% で偽陽性が出ます。 Tukey の方法は、どんな状況でも FWER を 5% 以下に抑えます(強い意味での制御)。保護つき LSD が安全なのは、3 群のときだけです。

4.3 実データ:人種・民族と BMI

NHANES の 20 歳以上で、人種・民族の区分ごとに BMI を比べます。

4.3.1 すべての組み合わせ:Tukey の方法

すべての群の組み合わせ(10 通り)を比べたいときは、Tukey の方法(Tukey HSD)を使います。差の推定値と、補正した(同時)95% 信頼区間 が得られます。

Hispanic と White の差(0.39、信頼区間 −0.22〜0.99)以外は、すべて有意です。

4.3.2 補正なし・Holm と比べる

Mexican と Hispanic の差は、補正しないと p = 0.003 ですが、Holm で 0.006、Tukey で 0.026 になります。 NHANES は人数が多いので、補正してもほとんどの比較が有意のままです。人数が少ない研究では、補正によって結論が変わることがよくあります。

4.3.3 対照群とだけ比べる:Dunnett の方法

比べたいのが「各群 vs 基準の群」だけ(例えば、新しい治療の 3 用量をそれぞれプラセボと比べる)なら、比較の数が減るので、Dunnett の方法 のほうが検出力が高くなります。

ヒント方法の選び方
比べたいもの 方法
すべての群の組み合わせ Tukey(各群の人数が違っても使える Tukey–Kramer)
各群 vs 対照群 Dunnett
事前に決めた少数の比較 その比較だけを検定し、Holm で補正
順序のある群(用量など)の傾向 傾向の検定(対比)を 1 回だけ行う
分散が群で違う・正規分布でない Games–Howell、ノンパラメトリックの多重比較(Steel–Dwass など)

「とりあえず全体の検定 → 有意なら全部の組み合わせを補正なしで」は避けます。何を比べたいかを先に決める と、比較の数が減り、検出力も上がります。

4.4 やってみよう

ノート練習
  1. NHANES の 20 歳以上で、学歴(Education)ごとに収縮期血圧(BPSysAve)を比べ、Tukey の方法で補正した信頼区間を求めてください
  2. 最初のシミュレーションを 4 群から 6 群にすると、補正なしの「どこかに有意差あり」の割合はどうなりますか
  1. 学歴が高い群ほど収縮期血圧が低い傾向があり、大卒(College Grad)と他のすべての群の差は、補正しても信頼区間が 0 を含みません(高卒と中学中退の差だけは有意でない)。ただし、学歴の効果には年齢などの交絡があります(交絡ハンズオン)
  2. 約 34%。6 群なら 15 回の比較になり、偽陽性はさらに増えます
重要この章のまとめ
  • 3 群以上を 2 群ずつ補正なしで比べると、偽陽性が増える(4 群で約 20%)
  • 「全体の検定が有意なら補正なし」(保護つき LSD)は、群が 4 つ以上だと FWER を抑えられない
  • すべての組み合わせは Tukey、対照群との比較は Dunnett、事前に決めた少数の比較は Holm
  • 補正した p 値だけでなく、補正した信頼区間 で差の大きさを示す