---
webr:
packages: [dplyr, ggplot2, multcomp]
resources: [R/setup.R, data/nhanes.rds]
cell-options:
autorun: true
timelimit: 300
---
{{< include ./_extensions/r-wasm/live/_knitr.qmd >}}
# 3 群以上の比較 {#sec-posthoc}
```{webr}
#| include: false
source("R/setup.R")
suppressPackageStartupMessages(library(multcomp))
```
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。
## 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。
```{webr}
set.seed(1)
res <- replicate(2000, {
g <- factor(rep(1:4, each = 30)); y <- rnorm(120) # 差はない
p_raw <- pairwise.t.test(y, g, p.adjust.method = "none")$p.value
p_raw <- p_raw[!is.na(p_raw)] # 6 つの比較の p 値
f_p <- anova(lm(y ~ g))$`Pr(>F)`[1] # 全体の F 検定
c(補正なし = any(p_raw < 0.05),
Holm = any(p.adjust(p_raw, "holm") < 0.05),
Tukey = any(TukeyHSD(aov(y ~ g))$g[, "p adj"] < 0.05),
`F検定が有意なら補正なし` = f_p < 0.05 && any(p_raw < 0.05))
})
rowMeans(res) # どれか 1 つでも有意になった割合
```
- 補正しない 6 回の比較では、**約 20%** の研究で「どこかに有意差あり」になります
- Holm の方法や **Tukey の方法** では、約 5% に抑えられます
- 「全体の F 検定が有意なときだけ、補正なしで 2 群ずつ比べる」方法(**保護つき LSD**、Fisher の最小有意差法)も、この例では約 5% です。しかし…
## 保護つき LSD の落とし穴
6 群のうち **1 群だけが本当に違う**(他の 5 群には差がない)場合を考えます。
```{webr}
set.seed(1)
res2 <- replicate(2000, {
g <- factor(rep(1:6, each = 30)); y <- rnorm(180) + ifelse(g == 6, 1.5, 0) # 6 群目だけが違う
pr <- pairwise.t.test(y, g, p.adjust.method = "none")$p.value
null_p <- pr[1:4, 1:4][lower.tri(pr[1:4, 1:4], diag = TRUE)] # 差のない 1〜5 群どうしの 10 比較
tk <- TukeyHSD(aov(y ~ g))$g
c(保護つきLSD = anova(lm(y ~ g))$`Pr(>F)`[1] < 0.05 && any(null_p < 0.05),
Tukey = any(tk[c("2-1", "3-1", "4-1", "5-1", "3-2", "4-2", "5-2", "4-3", "5-3", "5-4"), "p adj"] < 0.05))
})
rowMeans(res2) # 差のない 5 群どうしで、どれか 1 つでも有意になった割合
```
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。
## 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。
```{webr}
a <- nhanes |> filter(Age >= 20, !is.na(BMI)) |> mutate(Race1 = relevel(factor(Race1), "White"))
a |> group_by(Race1) |> summarise(人数 = n(), 平均BMI = round(mean(BMI), 2))
anova(lm(BMI ~ Race1, data = a))
```
### 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。
```{webr}
tk <- TukeyHSD(aov(BMI ~ Race1, data = a))
round(tk$Race1, 3)
```
```{webr}
#| fig-height: 3.6
d <- as.data.frame(tk$Race1); d$比較 <- factor(rownames(d), levels = rev(rownames(d)))
ggplot(d, aes(diff, 比較)) +
geom_vline(xintercept = 0, colour = "grey50") +
geom_pointrange(aes(xmin = lwr, xmax = upr)) +
labs(x = "BMI の差と、Tukey の方法で補正した 95% 信頼区間", y = NULL)
```
Hispanic と White の差(0.39、信頼区間 −0.22〜0.99)以外は、すべて有意です。
### 補正なし・Holm と比べる
```{webr}
p_none <- pairwise.t.test(a$BMI, a$Race1, p.adjust.method = "none")$p.value
p_holm <- pairwise.t.test(a$BMI, a$Race1, p.adjust.method = "holm")$p.value
round(rbind(`Mexican vs Hispanic 補正なし` = p_none["Mexican", "Hispanic"],
`Mexican vs Hispanic Holm` = p_holm["Mexican", "Hispanic"],
`Mexican vs Hispanic Tukey` = tk$Race1["Mexican-Hispanic", "p adj"]), 4)
```
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。
### 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。
```{webr}
dn <- glht(lm(BMI ~ Race1, data = a), linfct = mcp(Race1 = "Dunnett")) # White を基準に
summary(dn)
```
::: {.callout-tip}
## 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。
:::
## やってみよう
::: {.callout-note}
## 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
:::
```{webr}
#| autorun: false
# 1.
e <- nhanes |> filter(Age >= 20, !is.na(BPSysAve), !is.na(Education))
round(TukeyHSD(aov(BPSysAve ~ Education, data = e))$Education, 2)
# 2.
set.seed(1)
mean(replicate(2000, {
g <- factor(rep(1:6, each = 30)); y <- rnorm(180)
any(pairwise.t.test(y, g, p.adjust.method = "none")$p.value < 0.05, na.rm = TRUE)
}))
```
::: {.callout-tip collapse="true"}
## 解答
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](/study/confounding_hands_on/))
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
:::
::: {.callout-important}
## 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
:::