2分散の検定(Two Variance Test)

2分散の仮説検定は、母集団が正規分布に従い互いに独立であるという仮定のもとで、各標本に別々の自由度を持つF分布を用いて2つの標本分散の比を比較することで、2つの独立した母集団の分散が等しいかどうかを評価します。工程の一貫性とばらつきを評価するために、品質管理、金融、実験研究でよく使われます。

最終レビュー

重要なポイント

2分散の仮説検定は、2つの標本分散の比をF分布を用いて比較することで、2つの独立した母集団の分散が等しいかどうかを評価します。

このページの内容
  1. 2分散の検定とは
  2. 2分散の検定を使用する場面
  3. 2分散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:2分散の検定を使用すべきでない場合
  5. 2分散の検定の例
  6. 2分散の検定の実行方法

2分散の検定とは

2分散の仮説検定は、母集団が正規分布に従い互いに独立であるという仮定のもとで、各標本に別々の自由度を持つF分布を用いて2つの標本分散の比を比較することで、2つの独立した母集団の分散が等しいかどうかを評価します。工程の一貫性とばらつきを評価するために、品質管理、金融、実験研究でよく使われます。

2分散の検定を使用する場面

2サンプルの分散の検定は、2つのデータの標本の分散が等しいかどうかを判断するために使用されます。

  • ばらつきの比較:2つの独立した母集団のばらつき(分散)に有意な差があるかどうかを判断する必要がある場合。
  • 品質管理:2つの異なる生産工程またはバッチの一貫性とばらつきを比較するため。
  • 実験研究:実験条件や処置によって、結果のばらつきの水準が異なるかどうかを評価する場合。
  • 金融:2つの異なる投資ポートフォリオや金融商品のリスク(収益率の分散)を比較するため。
  • 前提条件が満たされていること:
    • 正規分布:標本を抽出する母集団は、正規分布に従っている必要があります。
    • 独立性:2つの母集団は互いに独立でなければなりません。

分散に関して2つの母集団やグループを比較したい状況で役立ちます。たとえば、次のような場面です。

  • 品質管理:製造会社は、2本の生産ラインの分散を比較して、一貫した品質の製品を生産していることを確認したい場合があります。
  • 臨床試験:研究者は、2つの患者グループの分散を比較して、新しい治療が両方のグループに同様の効果を持つかどうかを判断したい場合があります。
  • 教育:教育者は、2つの学生グループの試験の点数の分散を比較して、一方のグループがもう一方より一貫しているかどうかを確認したい場合があります。
  • 財務分析:投資家は、2つの異なる投資ポートフォリオの収益率の分散を比較して、一方がもう一方より変動が大きいかどうかを判断したい場合があります。

2分散の検定を正しく使用するためのガイドライン

  • 無作為抽出:母集団について妥当な一般化を行うため、標本データが無作為に選ばれていることを確認してください。
  • データの分布:標本データは大きく歪んでいてはならず、サンプルサイズは20より大きくする必要があります。サンプルサイズが20未満の場合は、データをグラフにして、歪みや異常な観測値がないか確認してください。データが大きく歪んでいる場合や、異常な観測値が多い場合は、結果の解釈に注意してください。
  • 観測値の独立性:各観測値は、ほかのすべての観測値から独立している必要があります。従属した観測値があると、結果が無効になる可能性があります。
  • 適切なサンプルサイズ:精度の高い推定値、狭い信頼区間、第1種の誤りと第2種の誤りに対する十分な保護が得られるよう、サンプルサイズが十分に大きいことを確認してください。

代替手法:2分散の検定を使用すべきでない場合

  • 2サンプルの分散の検定は、2つの独立した標本の分散を比較するために設計されています。標本が従属している場合、たとえば前後比較の研究や対応のあるデザインでは、別の検定が必要になる場合があります。その一例が 対応のあるt検定です。

2分散の検定の例

医療業界のコンサルタントが、2つの病院の患者満足度評価を比較しようとしています。そのため、コンサルタントは各病院の患者20人から評価を集め、2サンプルの分散の検定を行って、患者の評価の標準偏差に差があるかどうかを判断します。手順は次のとおりです。

  1. 必要なデータを収集しました。
Two variance test — figure 1
  1.  次に、Zometric Statistical Software(https://statsai.zometric.com/)でデータを分析します。
  2.  2分散の検定は、Statistical module> Graphical analysis>Two variance testから選択します。
  3.  ツール内で、データとその他の入力を次のように入力します。
Two variance 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。

Two variance test — figure 3Two variance test — figure 4Two variance test — figure 5

2分散の検定の実行方法

手順は次のとおりです。

  • まず、Zometric Statistical Softwareにログインします:https://statsai.zometric.com/
  • ホーム画面でStatistical Tool> Graphical analysis >Two variance testを選択します。
  • 次に Two variance test をクリックしてダッシュボードを開きます。
  • 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)。
  • 次に、信頼水準と仮説の比の値を入力します。
  • 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。

Two variance test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。

Two variance test — figure 6

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る(Ctrl+V)ことができます。

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。

  • Confidence level: 仮説検定において、信頼水準は、統計分析に対して持つ確実性の度合い、つまり信頼の水準を表します。真の母集団パラメーターが指定された値の範囲に収まる可能性を示す確率の値です。通常、信頼水準はパーセンテージで表され、(1 - α) と書かれます。αは有意水準、つまり真の帰無仮説を棄却する確率です。たとえば、信頼水準が95%であれば、真の母集団パラメーターが区間推定の中にあると95%の確信があり、第1種の誤り(真の帰無仮説を棄却すること)を犯す可能性が5%あるということです。実際には、信頼水準が高いほど、統計分析とその結果に対する確信が高いことを意味します。ただし、信頼水準を上げると信頼区間の幅も広がり、小さな効果を検出するのが難しくなります。したがって、信頼水準の選択は、研究の文脈と研究者の目標によって決まります。
  • Hypothesized ratio: 2分散の検定において、仮説の比は、2つの母集団の分散が等しいという帰無仮説を検定するために使われる値です。帰無仮説のもとで期待される、2つの母集団の分散の比を表します。
  • Alternative hypothesis: 仮説検定において、対立仮説(研究仮説とも呼ばれます)は、帰無仮説とは異なる結論を表す記述です。帰無仮説は通常、現状、つまり2つ以上のグループや変数の間に有意な差や関係がないという仮定を表します。対立仮説は検定される記述であり、研究対象のグループや変数の間に有意な差や関係があると主張します。
  • Summary plot: 要約プロットは、統計結果をコンパクトで情報量の多い形で表示するために使われる、包括的な視覚的表現です。2つ以上の標本の標準偏差や分散を比較する文脈でのものです。信頼区間、箱ひげ図、統計的検定の結果を組み合わせることで、データの明確で包括的な概要を提供します。示されたグラフでは、標準偏差の信頼区間が狭いことからわかるように、病院Aは病院Bに比べてばらつきが小さく、推定がより精密です。この情報は、注意が必要な領域を特定し、データの統計分析に基づいて十分な情報に基づく判断を下すうえで極めて重要です。
  • Individual value plot: 個別値プロット(IVP)は、小さなサンプルサイズ(観測値が50個未満)に最適なグラフツールで、個々のデータ点を表示することで、分布、中心傾向、ばらつき、外れ値を詳細に調べやすくします。小さな複数のグループにわたる分布の比較にも有効です。
  • Histogram: 仮説検定において、ヒストグラムはデータの標本の分布をグラフで表したものです。データの形や特性を調べるための視覚的なツールです。ヒストグラムは、サンプルサイズが20より大きい場合に最適です。ヒストグラムは、データを一連の区間(ビン)に分け、各ビンに入るデータ点の数を数えて作成されます。ビンは通常、幅が等しく、ヒストグラムの各棒の高さは、そのビンに入るデータ点の度数を表します。
  • Box plot: 箱ひげ図は、データセットの分布を、中央値、四分位数、外れ値を含めて表示するグラフ表現です。仮説検定では、箱ひげ図を使って、標本の分布を正規分布のような既知の分布や期待される分布と視覚的に比較できます。これにより、標本データが期待されるものと有意に異なるかどうかを判断しやすくなります。箱ひげ図の箱はデータの中央の50%を表し、箱の下端は第1四分位数(Q1)、上端は第3四分位数(Q3)、箱の中の線は中央値を示します。ひげは箱から、外れ値を除いたデータセットの最小値と最大値まで伸びており、外れ値はひげの外側に個別の点としてプロットされます。
  • Download as Excel:結果をExcel形式で出力します。Excel形式は簡単に編集でき、load fileオプションを使って計算用に再読み込みできます。

よくある質問

2分散の検定とは何ですか?

2分散の検定は、各標本に別々の自由度を持つF分布を用いて2つの標本分散の比を比較することで、2つの独立した母集団の分散が等しいかどうかを評価します。一貫性とばらつきを比較するために、品質管理、金融、実験研究で使われます。

2分散の検定にはどのような前提がありますか?

母集団は正規分布に従い互いに独立であること、標本が無作為に選ばれていること、各観測値がほかのすべての観測値から独立していることが必要です。標本データは大きく歪んでいてはならず、サンプルサイズは20より大きくする必要があります。それより少ない場合は、データをグラフにして、歪みや異常な観測値がないか確認してください。

2分散の検定はどのような場合に使用しますか?

2つの独立したグループのばらつきに差があるかどうかを判断するために使用します。たとえば、2本の生産ラインやバッチの一貫性の比較、処置によって結果のばらつきが異なるかどうか、2つの投資ポートフォリオの収益率の変動の比較などです。前後比較のデザインのような従属した標本には、別の検定が必要です。

2分散の検定における仮説の比とは何ですか?

仮説の比は、帰無仮説のもとで期待される、2つの母集団の分散の比です。検定は、観測された標本分散の比がそれと整合しているかどうかを調べます。分散が等しいかどうかの検定は、比が1の場合に相当します。