正規性の検定(Normality Test)

正規性の検定(Normality Test)は、データセットが正規分布(釣り鐘形の分布)に従うかどうかを評価します。t検定、ANOVA、回帰、管理図など、多くの統計手法は、データが正規分布に従うことを仮定しています。

最終レビュー

重要なポイント

正規性の検定(Normality Test)は、データセットが正規分布(釣り鐘形の分布)に従うかどうかを評価します。

このページの内容
  1. 正規性の検定とは
  2. 正規性の検定を使用する場面
  3. 正規性の検定を正しく使用するためのガイドライン
  4. 代替手法:正規性の検定を使用すべきでない場合
  5. 正規性の検定の例
  6. 正規性の検定の実行方法

正規性の検定とは

正規性の検定(Normality Test)は、データセットが正規分布(釣り鐘形の分布)に従うかどうかを評価します。t検定、ANOVA、回帰、管理図など、多くの統計手法は、データが正規分布に従うことを仮定しています。最初に正規性の検定を行うことで、その仮定が妥当かどうかを確認でき、その後の分析結果が正確で信頼できるものになります。

Anderson-Darling、Ryan-Joiner、Kolmogorov-Smirnovなど、いくつかの手法が利用できます。それぞれ数学的なアプローチは異なりますが、すべてp値を算出し、正規性に反する有意な証拠があるかどうかを示します。

簡単な定義:データが正規分布の釣り鐘形に従うかどうかを教えてくれる検査です。多くの統計的検定が妥当な結果を与えるための要件です。

正規性の検定を使用する場面

  • 正規性の仮定が満たされていることを確認するため、t検定、ANOVA、回帰、工程能力分析を実行する前 に使用します。
  • 正規でないデータには、異なる管理図の種類や変換が必要になるため、適切な管理図または工程能力の手法を選択する 場合に使用します。
  • 分布の形が不明な、新しいデータセットまたは工程を検証する 場合に使用します。
  • さらに分析を行う前に、変換(例:Box-CoxまたはJohnson)を適用するかどうか を判断する場合に使用します。

正規性の検定を正しく使用するためのガイドライン

  • 正規性の検定を実行する前に、20個のデータ点 以上を収集してください。非常に小さなサンプルでは、正規性からの逸脱を確実に検出する検出力が不足します。
  • 既定の手法として、Anderson-Darling検定 を使用してください。最も広く受け入れられている手法で、非正規性が通常現れる分布の裾により大きな重みを与えます。
  • 一般に、p値が0.05より大きい 場合は、正規性を棄却するのに十分な証拠がないことを示しており、データは正規分布と矛盾しません。
  • 一般に、p値が0.05より小さい 場合は、データが正規性から有意にずれていることを示しており、変換またはノンパラメトリック手法の使用を検討してください。
  • 正規性からの逸脱の性質と程度を視覚的に確認できるため、常に p値とあわせて確率プロット を確認してください。
  • サンプルサイズが大きい場合(n > 100)、検定は 実用上は重要でない、わずかな逸脱にも非常に敏感 になります。常にp値と視覚的な評価を組み合わせてください。

代替手法:正規性の検定を使用すべきでない場合

  • データが 非正規であることがすでにわかっている場合は、正規性の検定を省略し、最適な分布を見つけるために 個別分布の同定 に直接進んでください。
  • サンプルサイズが 非常に小さい(10未満)場合、正規性の検定の検出力は非常に低くなります。結論を出す前に、より多くのデータを収集することを検討してください。
  • データが 計数値データ(個数または比率)の場合、正規性の検定は適用できません。これらのデータ型は、二項分布またはポアソン分布に従います。

正規性の検定の例

これは、二項分布から得られた乱数のデータ標本です。このデータに対して、Anderson-Darling正規性検定を行います。検定の手順は次のとおりです。

  1. 必要なデータを収集しました。
Normality test — figure 1
  1.  次に、Zometric Statistical Software(https://statsai.zometric.com/)でデータを分析します。
  2.  正規性の検定を見つけるには、Statistical module> Hypothesis Test> Normality testを選択します。
  3.  ツール内で、データとその他の入力項目を次のように入力します。
Normality test — figure 2

5. 上記のツールを使用すると、次のような出力が得られます。

Normality test — figure 3

正規性の検定の実行方法

手順は次のとおりです。

  1. Zometric Statistical Softwareにログインします:https://statsai.zometric.com/
  2. ホーム画面でStatistical Tool> Hypothesis Test >Normality testを選択します。
  3. 次に、データを手動で入力するか、Excelシートからデータ全体をコピー(Ctrl+C)してここに貼り付けます(Ctrl+V)。
  4. 必要なオプションを入力します。
  5. 最後に、ページ下部のcalculateをクリックすると、目的の結果が得られます。

正規性の検定のダッシュボードでは、画面が2つの部分に分かれています。

Normality test — figure 4

左側にはデータペイン(Data Pane)があります。Data Paneでは、各行が1つのサブグループになります。データは手動で入力するか、Excelシートからデータ全体をコピー(Ctrl+C)してここに貼り付けます(Ctrl+V)。

Load example: サンプルデータが読み込まれます。

Load File: Excelのデータを直接読み込むために使用します。

右側には、次のような多くのオプションがあります。

  • Responses 正規性を検定したい連続値のデータを含む列を選択します。複数の変数を一度に検定する場合は、Ctrlキーまたはcommandキーを押しながらクリックして複数の列を選択します。選択した各列は独立して検定され、プロットされます。ツールは、選択した変数ごとに、別々の確率プロットと結果を生成します。
  • Tests for Normality データが正規分布に従うかどうかを評価するための統計手法を選択します。3つのオプションがあり、それぞれ数学的なアプローチは異なりますが、いずれもp値と確率プロットを算出します。
  • Anderson-Darling — 最も広く使用されており、既定として推奨されます。分布の裾により大きな重みを与えるため、データの両端で生じる逸脱に対してより敏感です。ほとんどの業界や用途にわたる、汎用的な正規性の検定に最適です。
  • Ryan-Joiner — Shapiro-Wilk検定とアプローチが似ており、正規確率プロット上でデータ点がどれだけ直線に近いかを測定します。相関に基づく正規性の評価を行いたい場合に適した代替手法です。この手法はShapiro-Wilkの近似であることに注意してください。
  • Shapiro-Wilk — 最も検出力の高い正規性の検定の1つと広く見なされており、特に 小さなサンプルサイズ(50個未満の観測値)で有効です。データが正規分布にどれだけ適合しているかを測るW統計量を計算し、サンプルサイズが小さく、精度が重要な場合に好まれる選択肢です。
  • Title 確率プロットの出力の上部に表示するカスタムのタイトルを入力できます。変数名、製品、調査の参照番号、日付などをグラフに付けるのに便利で、レポートや文書で結果を識別し、提示しやすくなります。
  • Download as Excel 検定統計量、p値、要約統計量を含む正規性の検定の結果を、報告、同僚との共有、分析の正式な記録の保管のために、Excelファイルにエクスポートします。

よくある質問

正規性の検定とは何ですか?

正規性の検定は、データセットが正規分布(釣り鐘形の分布)に従うかどうかを評価します。t検定、ANOVA、回帰、管理図など、多くの手法は、データが正規分布に従うことを仮定しているため、最初に正規性の検定を行うことで、その仮定が妥当かどうかを確認できます。利用できる手法には、Anderson-Darling、Ryan-Joiner、Shapiro-Wilkがあり、いずれもp値を算出します。

正規性の検定のp値はどのように解釈しますか?

p値が0.05より大きい場合は、正規性を棄却するのに十分な証拠がないことを示しており、データは正規分布と矛盾しません。p値が0.05より小さい場合は、データが正規性から有意にずれていることを示しており、変換またはノンパラメトリック手法の使用を検討してください。常にp値とあわせて確率プロットを確認してください。

どの正規性の検定を使用すべきですか?

Anderson-Darlingが推奨される既定で、非正規性が通常現れる裾により大きな重みを与えます。Shapiro-Wilkは、50個未満の観測値の小さなサンプルにおいて、最も検出力の高い検定の1つと見なされています。Ryan-Joinerは、Shapiro-Wilkの相関に基づく近似で、正規確率プロット上でデータ点がどれだけ直線に近いかを測定します。

正規性の検定には何個のデータ点が必要ですか?

非常に小さなサンプルでは非正規性を検出する検出力が不足するため、20個以上のデータ点を収集してください。10個未満では、検定の検出力は非常に低くなります。100を超える大きなサンプルでは、検定は実用上は重要でない、わずかな逸脱にも非常に敏感になるため、p値と確率プロットの視覚的な評価を組み合わせてください。