論文掲載のお知らせ

このたび、当社代表・吉田が共著者として参加した研究論文が、国際学術誌 Abdominal Radiology（Springer Nature）に掲載受理されましたのでお知らせいたします。

■ 論文タイトル
CT imaging features as predictors of homologous recombination deficiency and prognosis in high-grade serous ovarian cancer

■ 掲載誌
Abdominal Radiology（2026年）
https://doi.org/10.1007/s00261-026-05459-4

当社は本研究において統計解析のサポートをさせていただきました。

引き続き、臨床研究・医師主導試験における統計サポートに全力で取り組んでまいります。ご相談・お問い合わせはお気軽にどうぞ。

この記事では「ITTの原則とは？FASやPPSとの違いを含めてわかりやすく解説！」ということでお伝えします。

医学論文を読んでいくと「ITT（Intent To Treat）」「FAS（Full Analysis Set）」「PPS（Per Protocol Set）」という単語が出てきます。

なんとなく聞いたことあるけど、その違いは完全に把握できていない。。。

という方も多いのではないでしょうか。

そのためこの記事では、「ITT（Intent To Treat）」「FAS（Full Analysis Set）」「PPS（Per Protocol Set）」の違いを解説するとともに、それぞれの集団がなぜ存在するのか？までわかりやすく解説しますね！

ITT・FAS・PPSの違いは？わかりやすく解説！

論文を読んでいるとよく出てくる「ITT（Intent To Treat）」「FAS（Full Analysis Set）」「PPS（Per Protocol Set）」という単語ですが、解析対象集団の違いを示しています。

どういった違いなのかをイメージ図にすると、以下の通り。

ITTはランダム化された全被験者を含む、一番大きい集団。

FASはITTから「一度も投与を受けていない」や「有効性のデータがひとつもない」などの被験者を除いた集団。

そしてPPSはさらに「プロトコル違反」などの被験者を除いた集団のことです。

ITTというのは「ランダム化された集団全て」という集団で、世界中でコンセンサスが取れている集団ですが、しかし、FASとPPSは各試験のプロトコルで定義する必要があります。

各試験で定義する必要があるということは、論文にもどんな人を除外したのか記載する必要ありということですね。

ITTの原則（ITT集団）とは？

「ITT」「FAS」「PPS」の3つの違いがなんとなく把握できたところで、ITTについてもう少し詳しく見ていきましょう。

ITTとはIntention To Treatの略。

日本語で言うと「治療しようとした」原則という意味になります。

つまり、「実際に治療したかどうか」ではなく、その被験者を「治療しようとしたかどうか」を優先する原則のことです。

例えば、プラセボにランダム化された被験者Aさんがいたとしましょう。

Aさんは何かの手違いで新薬を投与されたとします。

その場合、ITTの原則に従うと、Aさんはプラセボ群として扱うことになります。

なぜならプラセボ群にランダム化されたということは「プラセボ投与をしようとした」ということであり、実際に何を投与されたかよりも「どんな治療をしようとしたか」を何よりも優先する原則がITTの原則だからです。

もうひとつ例を見ていきます。

新薬群にランダム化された被験者Bさんがいたとしましょう。

Bさんは何かの理由で一度も投与されずに脱落されたとします。

その場合、ITTの原則に従うと、Bさんは新薬群として扱って解析対象になります。

なぜなら新薬群にランダム化されたということは「新薬を投与しようとした」ということであり実際に投与されたかどうかよりも「どんな治療をしようとしたか」を何よりも優先する原則がITTの原則だからです。

ITTの原則は「実臨床」を意識した原則

なぜ上記のような状況になるのでしょうか？

それは、ITTの原則は「実臨床」を意識した原則だからです。

残念ながら実臨床では投与間違いも少なからず起きます。

そんな状況であってもトータルとして新薬がプラセボよりも有益だったかどうかが重要です。

もし投与間違いが多い治療法があったとすると、、仮に効果があっても実臨床で使いにくいですよね。

また、実臨床では「治療しよう」と決まった段階から被験者の意識が変わることも多いです。

「治療しよう」と決まった時点で、生活習慣を変えるかもしれないですし、家族のサポートが手厚くなるかもしれない。

その結果、実際に治療しなくても改善することもあります。

なので、そういった実臨床の理想に近い解析対象集団を作るのがITTです。

FAS・PPSとは？FAS解析・PP解析をする意味

ITTは、実臨床の理想に近い解析対象集団でした。

確かに理想的なのはわかります。

でもそうは言っても、やっぱり臨床試験や臨床研究で理想を作り出すことは難しかったりします。

そこで登場するのが、FASです。

FAS（Full Analysis Set）とはどんな解析対象集団？

FASはITTより少し小さい集団でした。

ITTが実臨床に近い集団が理想といっても、実際にこの理想を達成するのは難しい。

さすがに一度でも投与されて、データがある被験者さんじゃないと解析集団に入れないようにしよう。

そういった集団がFASです。

どんな定義にするかは各試験で決める必要があります。

また、FASではなくmodified ITTという用語が使われている場合もありますね。

PPS（Per Protocol Set）とはどんな解析対象集団？

そしてPPSは、プロトコルを遵守した集団を指します。

例えばPPSでは、FASの中から投与間違いは解析から除きます。

なぜなら、投与間違いはプロトコルに違反しているから。

また、24週の試験で8週間後までの有効性データがなければ除く、ということもあります。

（24週や8週はあくまで例です。）

なぜなら、プロトコル上は24週まで完遂することが規定されています。

しかし、完遂した被験者だけだと流石に例数が少なくなるため、薬効が見える週までのデータは欲しい、という定義です。

上記の例を見ていくと、PPSとは「治療法の差を最大限見出すための集団」といったらイメージしやすいかもしれないですね。

そして重要なのは、PPSをどんな定義にするかは各試験で事前に決める必要がある、ということ。

事前に決めないと「有意差が出やすい集団」を作ることができてバイアスにつながるためです。

理想的には、ITT（もしくはFAS）の結果とPPSの結果に一貫性があるのが望ましいです。

そのため多くの論文では、ITT（もしくはFAS）の結果をメインにしてPPSの集団での結果を感度解析的に示していることが多いですね。

まとめ

いかがでしたか？

この記事では「ITTの原則とは？FASやPPSとの違いを含めてわかりやすく解説！」ということでお伝えしました。

「ITT（Intent To Treat）」「FAS（Full Analysis Set）」「PPS（Per Protocol Set）」の違いや、それぞれの集団がなぜ存在するのか？まで理解できたのなら幸いです！

こちらの内容は動画でも解説していますので、あわせてご確認くださいませ。

この記事では「優越性・非劣性・同等性試験の違いは？なぜマージンを使うのか？」ということでお伝えします。

優越性試験・非劣性試験・同等性試験の、3種類の試験の名前だけは聞いたことがあるという方もいると思います。

しかし、その違いを明確に説明できるか？と言われたら自信がない。。

そんな状況であれば、ぜひこちらの記事を参考にしてみてくださいね！

優越性・非劣性・同等性試験はどう違う？

まずは優越性試験・非劣性試験・同等性試験の違いを見ていきましょう。

共通しているのは「比較相手がいる」ということ。

例えばプラセボだったり、実薬だったり、先発品だったりという、比較相手がいる前提。

その上で「比較相手に対して今回の新規治療がどういった結果になってほしいか」の違いが、この3種類の試験の違いです。

3つの試験の成功イメージを95%信頼区間で示すとこうですね。

一番上の赤い線が優越性達成を示しています。

つまり、優越性試験は95%信頼区間が「差=0のライン（帰無仮説のライン）」を超えていれば成功、ということです。

真ん中の赤い線が非劣性達成を示しています。

つまり、非劣性試験は95%信頼区間が「非劣性マージン」を超えていれば成功、ということ。

一番下の赤い線が同等性達成を示しています。

つまり、同等性試験は95%信頼区間が「両側の同等性マージン」の間にあれば成功、ということです。

詳しくは後で説明しますね！

統計的検定では優越性しか示せず非劣性と同等性は示せない

優越性試験は、なんとなく馴染みがあるかなと思います。

問題なのは非劣性試験と同等性試験。

非劣性試験と同等性試験で特有なのが「マージン」という考え方ですね。

上記の図で見たように、非劣性試験と同等性試験はマージンと95%信頼区間の位置関係で成功かどうかが決まる試験。

そうなると、一つ疑問が出てきます。

それは「統計学的検定で有意差ありの場合には優越性が示せるのなら、有意差なしの時に「同じ」と言っていいのでは？」ということ。

しかしこれはNGなんです。

統計学的検定で「差がある」は示せても、「同じ」や「劣っていない」は示せないんです。

これは重要な知識ですので、ぜひ理解しておきましょう。

じゃあ有意差がない場合はどんな結論になるの？と思ったかもしれません。

有意差がない場合は「今回のデータで有意差を見出せなかった」という結論しか導けないので、注意してくださいね。

同等性マージンや非劣性マージンはどう設定するの？

同等性試験や非劣性試験で最も頭を使わなければならないのが、マージンの設定です。

同等性マージンや非劣性マージンを適切に設定できれば、解析自体は95%信頼区間を出力するだけですから。

じゃあ、「同等性マージンや非劣性マージンはどう設定するの？」と思いますよね。

実はそこが一番難しい。

「こうすれば自動的にマージンが決まりますよ」というマニュアル的なものがあれば簡単なのですが、実際には各試験ごとに考えて設定する必要があります。

では「何を考えてマージンを設定するのか？」ということですが、ヒントはICH E9のQ&Aに記載があります。

そちらを抜粋させていただくと、以下の通り。

つまり重要なことは

• 第三者の専門家との合意があるといい
• マージンの妥当性の根拠を明示して説明できること

ということです。

第三者の専門家との合意を形成するのも、妥当性の根拠を説明できないといけないため、結局は「マージンの妥当性の根拠を明示して説明できる」ということが非常に重要になりますね。

優越性試験はどのような場合に使う？適切な解析手法は？

では、3種類の試験についてそれぞれ詳しく見ていきましょう。

まずは優越性試験。

優越性試験は「比較相手より優れている」ということを示したい場合に使う試験です。

例えばどんな時か？といえば、プラセボ対照の比較試験なんかがすぐに頭に浮かびます。

多くの研究や試験では優越性試験を想定しているはず。

優越性試験での適切な解析手法

そして優越性試験では統計学的検定を用いてOK。

統計学的検定は「差がある」ことを証明することが可能だからです。

共分散分析、ロジスティック回帰分析、Cox比例ハザードモデルなどの回帰分析も、もちろんOKです。

非劣性試験はどのような場合に使う？適切な解析手法は？

では次に非劣性試験。

非劣性試験は「比較相手より劣っていない」ことを示したい試験でした。

どんな時に使うかといえば、例えば実薬対照の比較試験。

有効性は比較する実対照薬とほぼ同じ程度でも、別なメリットがある場合に使える試験です。

例えば、新しい治療法の方が侵襲性が低いというメリットがあるので、有効性は同じでも良い。

IV投与の薬があるが経口投与の薬を開発したい、など新しい治療法の方が簡便な投与ができるので、有効性は同じでも良い。

などですね。

そして、「劣っていない」ことさえ示せればいいため、結果的に優れていても問題ないという点。

しかし逆に言えば、非劣性を目的として試験を実施し、結果的に優れたとしても結論は「非劣性が示された」ということだけ。

決して「優れていることが示された」にはならないので、注意してください。

非劣性試験での適切な解析手法

非劣性試験での解析手法は、非劣性マージンと95%信頼区間の位置関係把握で解析する、ということ。

前述の通り、統計学的検定では非劣性を示すことができません。

じゃあどうすればいいのか？といえば、まずは非劣性マージンを定義する必要があります。

非劣性マージンの決め方はとても重要で、非劣性マージンがどこになるかが超重要になる試験です。

非劣性マージンとは「実対照薬よりも劣る幅として臨床的に許容される最大のレベル」ということで知られています。

しかし「こう決めたらOK」という決め方がなく、研究者が決めて当局と合意を取ることが重要。

ただし、非劣性マージンの決め方の「考え方」はあります。

そして非劣性マージンが決まったら、95%信頼区間との位置関係を把握します。

95%信頼区間が非劣性マージンを超えていれば非劣性を達成で、非劣性マージンを跨いでしまったら非劣性は達成せず、という結論になります。

「非劣性マージンを超えていれば非劣性達成」という条件のみなので、有意に負けているのに非劣性が達成する場合もあるんです。

例えば以下の例の下の赤い線は、差＝0の線より劣っているが、非劣性マージンを超えている状況。

この場合でも非劣性は達成してしまいます。

しかし、当然「本当に非劣性達成でいいの？」という議論が出るので、当局とのやりとりは発生することが予想されますね。

同等性試験はどのような場合に使う？適切な解析手法は？

では最後に同等性試験について。

同等性試験は「比較相手と同じである」ことを示したい試験です。

例えば、後発薬の開発なんかでは頻繁に使われる試験です。

特徴としては、比較相手より優れていても劣っていてもダメ、ということ。

例えば後発薬の開発を考えてみても、「先発品より効果が高い」というのは逆に怖いです。

同等性試験での適切な解析手法

同等性試験は、同等性マージンと95%信頼区間の位置関係把握で解析します。

そのため、まずは同等性マージンを定義する必要があります。

非劣性マージンと同様、「こう決めたらOK」という決め方がなく、研究者が決めます。

しかし後発薬の同等性試験であれば、ガイドライン（後発医薬品の生物学的同等性試験ガイドライン）があるためそれに準じる必要があります。

そのガイドラインでは「生物学的同等の許容域は、AUC 及びCmaxが対数正規分布する場合には、 試験製剤と標準製剤のパラメータの母平均の比で表すとき 0.80～1.25 である」と記載がありますので、それにしたがってマージンを設定します。

そして同等性マージンが決まったら、95%信頼区間との位置関係を把握します。

95%信頼区間（もしくは90%信頼区間）が同等性マージンの間に入っていれば同等性達成。

同等性マージンを跨いでしまったら同等性は達成せず、という結論になります。

まとめ

いかがでしたか？

この記事では「優越性・非劣性・同等性試験の違いは？なぜマージンを使うのか？」ということでお伝えしました。

3種類の試験の特徴を把握し、目的に応じて使い分けていただければと思います。

正規分布や二項分布、カイ二乗分布の他に、統計学でよく出てくる分布にポアソン分布が存在します。

ポアソン分布は、「ランダムに起きる事象」がある期間に何回起こるかの確率を調べるときに用いる分布です。

ポアソン分布とはどのような分布なのでしょうか。

この記事ではポアソン分布について簡単にわかりやすく説明していきます。

ポアソン分布とは？わかりやすく解説！

ポアソン分布は、ある事象がある期間に生じる確率を表す分布です。

例えばある県内で、自転車事故が一日あたり、人口10万人あたり5件発生したとします。

では、人口10万人あたり1年間で生じる自転車事故の確率は、どうなるでしょうか。

このような問題はある”事象”を考えます。

上記の例で事象とは、「事故が生じるか生じないか」ということ。

このような考え方は、以前にも出てきました。

コインの表と裏のような物事を表す分布、二項分布でしたね。

ポアソン分布の事象はコインの表と裏のように、ある事象が起こるか、起こらないかの２通りあるで考えることができます。

そのため、ポアソン分布の基本となるのは、二項分布の考え方です。

>>>二項分布とは？初心者にもわかりやすく正規分布に近似できる問題も解説

二項分布について、非常に簡単におさらいしていきます。

ポアソン分布を理解するための復習: 二項分布

二項分布はコインの表と裏のように2通りの結果が生じる事象を繰り返して行なったときの分布でしたね。

2通りの結果が生じる事象を繰り返して行うことをベルヌーイ試行と呼びます。

ここで一番、思い出して欲しいのは、

二項分布では期待値（平均）はとても簡単に計算できることです。

二項分布の期待値は

二項分布の期待値 = 試行回数 x 成功する確率 = n x p

でした。

>>>二項分布とは？初心者にもわかりやすく正規分布に近似できる問題も解説

先ほどの自転車事故の例では、

人口10万人あたりの一年間の事故の発生確率の期待値

=365日 x 人口10万人あたりの一日の事故の発生回数（件数）

と同じように求めることができます。

（*ただし、冬場は事故が多いなどは無視して、1年中同じ確率で事故が発生すると仮定しています。）

二項分布の分散は

二項分布の分散 = n x p x (1 − p)

でしたね。

この考え方がポアソン分布でも用いることができます。

ポアソン分布は二項分布の極限！λは何を意味する？

では、ポアソン分布の確率関数P(k)はどのようにして求めることができるのでしょうか。

実は、ポアソン分布は二項分布の極限として求めることができるのです。

単位時間あたり平均λ回起こる事象が、単位時間あたりk回発生し、この確率をP(k)とする。

具体的に数式を用いて計算すると以下のようになります。

ちなみにeはネイピア数または自然対数の底と呼ばれる定数で、e=2.718281828459045235360287471352・・・と無限に続く値。

ネイピア数を含む上の算式がポアソン分布の確率関数の具体的な算式です。

λが0.1、1.5、5の場合のポアソン分布のグラフを作るとこんな感じ。

このグラフから分かることは、

１．λが大きいと右にシフトする

２．λが小さいと急激に下がって0近くにへばりつく

例えば、上のポアソン分布が1日あたり交通事故の発生回数の分布だとしましょう。

不思議なことに上のグラフの3例の中では、1日あたり交通事故の発生回数が平均1.5回のポアソン分布にしたがう場合において、1日に2回交通事故の発生する確率が一番高くなった。

要するに平均と近い回数の確率が高くなる傾向にあるということ。

ポアソン分布にしたがう現象の確率の求め方がお分かりになりましたか。

つまり二項分布とポアソン分布の違いをわかりやすくお伝えすると、「上限（n）が決まっている場合は二項分布、上限が決まっていない（無限大と考えられる）場合はポアソン分布」という使い分けが良いです。

例えば、コイン投げは10回という上限があるから二項分布。1日の来店者数は理論上上限がないからポアソン分布を考えることになります。

ポアソン分布をエクセルで確認してみよう

例えばマイクロソフトのエクセルでポアソンの確率関数を計算するには、POISSON.DIST(回数,平均,FALSE)という関数を使えば簡単に求められます。

時間がある方は是非やってみてください。

確率関数の形も、ネイピア数のマイナスλ乗とλのk乗の積をkの階乗で割っただけのものですから、簡単に計算できますよね。

簡単な割にいろいろな現実の問題に適用できて便利なのです。

ポアソン分布が適用できるデータの例は？

ポアソン分布は、ある事象の起こりやすさがランダムで生じると仮定したときに、

「単位時間あたり平均λ回生じる事象が、単位時間にk回生じる確率」を表すのに用いる確率分布です。

先ほどの自転車事故の例では、

人口10万人あたりの一年間の事故の発生確率の期待値（λ）

=365日 (n) x 人口10万人あたりの一日の事故の発生確率 (p)

となります。

上の例のように、nが大きく、pが小さいときλは一定と考えることができます。

1年あたり車の通る台数（n）はかなり大きいですが、事故の発生確率（p）は小さいですからね。

このとき、ある期間でλ回発生する事象が、一定時間にk回発生する確率がポアソン分布となります。

つまり、ポアソン分布はこのようにいうことができます。

ポアソン分布の性質

次にポアソン分布の性質を説明していきます。

ポアソン分布も元は二項分布でしたよね。

そのため、k回生じたのkは整数の値をとります。

また、次に2つの性質があります。

• ポアソン分布の期待値（平均）はλ
• ポアソン分布の分散はλ

少しユニークですね。

期待値がλになるのは先ほど見た通りです。

分散がλになるのは、二項分布の分散、

二項分布の分散 = n x p x (1 − p)

から、考えることができます。

ポアソン分布の条件であるpが十分に小さいとき、

(1 − p) 〜 1

になります。

そのため、

ポアソン分布の分散 = n x p x (1 − p)　= n x p x 1 = n x p =　λ

となります。

さらに、ポアソン分布の最頻値はλ以下の最大の整数となります。

これは、λは整数以外の値をとるためです。

もし、λが整数ならλが最頻値をとります。

ポアソン分布と間違え注意: ピアソン

ポアソン分布とよく似た語幹の用語に、ピアソンがあります。

ピアソンは、ピアソンの相関係数でよく出てきます。

>>>相関係数とは？p値や有意差をどう解釈すれば良いのかわかりやすく！

たまに、ピアソンとポアソンを混乱することがあるので、気をつけましょう。

ポアソン分布はどのようなときに使うのか？

ポアソン分布はどのようなときに出てくるのかを考えていきます。

ポアソン分布の例でよく出てくるのは、不運にも事故に遭遇する回数です。

また、病気に疾患する確率や、不良品の割合など、世の中で発生する様々な事象に用いられています。

そのため、とても実用的な分布です。

ポアソン分布の期待値（平均）と分散はどうなっている？

ポアソン分布の期待値(平均値)を求めるために、まず、期待値(expctation)というものについて理解しましょう。

ポアソン分布のような確率関数が離散的であるような確率分布の期待値は、確率変数と確率関数の積について定義域に亘って和をとったもののことです。

確率変数の分布を端的に示す指標といえる。

ところがポアソン分布の期待値は、上のような和の計算を行わなくても、実は定義から直感的に求めることができます。

どういうことかと言うと、ポアソン分布とは平均してλ回ランダムに起こる事象が、単位時間にちょうどk回起きる確率の分布のことなので、λが期待値ということ。

次に、分散について理解しましょう。

期待値だけでは、ある確率分布がどのくらいの広がりをもって分布しているのかがわからない。

そこで、平均の周りにどの程度分布するかの指標として分散 (variance) がある。

平均と合わせると、確率分布を測定するときの良い指標となる。

確率関数が離散的であるような確率分布の分散は、確率変数と平均との差の2乗と確率関数の積ついて定義域に亘って和をとったもののことです。

ただ、上の定義式のまま分散を計算しようとすると、かなりの計算量となる場合が多いので、分散の定義式を変形して、以下のような式にしてから分散を求める方が多少計算が楽になる。

分散＝確率変数の2乗の平均－確率変数の平均の2乗

ポアソン分布の分散は、直感的には求まりませんが、上の定義に従って計算すると分散は期待値と同じλになります。

すなわち、ポアソン分布の場合、イベントの平均的な発生回数λだけ、平均からぶれるということ。

ポアソン分布の期待値（平均）と分散の求め方・証明は？

ポアソン分布の期待値（平均）は、「確率変数と確率関数の積ついて定義域に亘って和をとったものの」という定義式に沿ってとにかくひたすら計算すると求まります。

では実際に計算してみましょう。

ポアソン分布の期待値（平均）は、

上のような式変形だけで結構あっさり計算できる。

次に、ポアソン分布の分散は、確率変数と平均との差の2乗と確率関数の積について定義域に亘って和をとったもののですが、「ポアソン分布の期待値（平均）と分散はどうなっている？」で説明した必殺技である「分散＝確率変数の2乗の平均－確率変数の平均の2乗」を使って求めることにします。

よって、ポアソン分布の分散は

と、平均も分散もλとなりました。

これはシンプルで覚えやすい。

ポアソン分布の平均も分散も高校数学レベルの和の計算をひたすら繰り返すことで求めることが出来ることがお分かりいただけたでしょうか。

ポアソン分布に関してまとめ

• ポアソン分布は、「単位時間あたり平均λ回生じる事象が、単位時間にk回生じる確率」をあらわっす
• ポアソン分布の基本は二項分布の考え方
• 二項分布でnが大きく、pが小さいときλは一定と考えることができ、このときポアソン分布に従う
• ポアソン分布の期待値はλ
• ポアソン分布の分散はλ

弊社は、国立大学法人東北大学大学院医学系研究科（所在地：宮城県仙台市、研究科長：石井 直人）と株式会社CotoIT（本社：岡山県津山市、代表：植木 進司）と共同で、「YoutubeなどのSNS利用と笑いやQOL（生活の質）の関連の分析」に関する共同研究をスタートさせました。

SNSは、私たちの日常生活に欠かせない情報インフラとなっている一方で、過度な利用や不適切な利用がメンタルヘルスに与える影響も懸念されており、デジタル社会における「健康的なメディアとの付き合い方」の確立が急務となっています。

具体的には、日本の一般住民約3万人を対象としたインターネット調査「JACSIS/JASTIS研究」のデータを活用し、SNSなどのデジタルメディアの利用実態を把握しつつ、YouTubeなどの動画視聴を含むSNS利用が、日常生活での「笑い」の頻度や主観的な生活の質（QOL）にどのように関連しているかを分析します。

本研究の成果は、SNS利用と日常生活における笑いやQOLとの関係を理解するための科学的知見を提供することが期待されます。

＞＞東北大学からのアナウンスはこちら

タイトルは「統計は難しくない：”使う”からわかる面白さ」で、45分の講演でした。

聴講していただいた方、ありがとうございました。

今後も「統計で、一歩先の医療へ。」の理念の元、医療従事者への統計教育に貢献してまいります。

講演依頼はいつでも承っておりますので、お気軽にお問合せください。

メタアナリシスという言葉を耳にしたことはあるものの、「具体的にどのような手法なのか」「システマティックレビューとはどう違うのか」と疑問に感じている方は多いのではないでしょうか。

医学や公衆衛生をはじめとする多くの研究分野において、メタアナリシスは非常に重要な役割を担っています。複数の研究結果を客観的かつ統計的に統合することで、単一の研究では得られない信頼性の高い結論を導き出すことができるからです。

本記事では、メタアナリシスの基本概念や実施するメリット、システマティックレビューとの明確な違いについて分かりやすく解説します。さらに、実際の手順や「フォレストプロット」の見方、「出版バイアス」といった結果を解釈する際の重要な注意点まで網羅的にまとめました。メタアナリシスの全体像を体系的に理解したい方は、ぜひ最後までご覧ください。

メタアナリシスとは？基本概念と目的

メタアナリシスの定義と実施する目的・メリット

結論から言うと、メタアナリシスとは「複数の独立した研究結果を、統計的手法を用いて定量的に統合し、全体的な効果を推定する分析方法」のことです。 過去に行われた類似するテーマの複数の研究データを集め、それらを数学的な手法で一つにまとめ上げることで、より信頼性の高い1つの結論を導き出そうとするのが主な目的です

メタアナリシスを実施する最大のメリットは、個々の研究の限界を補い、真の治療効果や要因の影響をより正確に評価できる点にあります。

例えば、ある新薬の効果を検証した小規模な研究Aと研究Bがあったとします。小規模な研究だけではデータのばらつきが大きく、偶然によって結果が左右されるリスクがあります。
しかし、これらを統合し、サンプルサイズが十分な大規模データとして解析を行うことで、統計的な検出力が高まり、より真実に近い効果量（リスク比やオッズ比など）を導き出すことが可能になります。

つまり、メタアナリシスの目的は、個々の研究のばらつきを克服し、科学的かつ客観的な「最適解」を定量的に示すことにあるのです。

なぜ「エビデンスレベル」が最も高いと言われるのか？

医療や科学の分野では、研究手法によって得られた情報の信頼性を「エビデンスレベル（科学的根拠の強さ）」という階層で評価します。その中で、メタアナリシス（およびシステマティックレビュー）は、エビデンスレベルのピラミッドの頂点、すなわち最も信頼性が高い手法として位置づけられています。

その理由は、単一の研究結果や研究者の主観によるバイアス（偏り）を極限まで排除できる手法だからです。

質の高い研究手法とされるランダム化比較試験（RCT）であっても、対象となった特定の集団や設定された条件に結果が依存してしまう可能性があります。

しかし、メタアナリシスでは、世界中で行われた複数の研究データを網羅的に集め、客観的な統計手法を用いて統合します。さらに、各研究の精度（サンプルサイズの大きさや標準誤差の小ささなど）に応じて適切な重みづけを行い、信頼性の高い研究結果ほど最終的な結論に大きく貢献するように計算されます。

様々な環境や集団で行われた複数の研究を厳密に統合することで、単一の研究では証明しきれなかった普遍的な事実（一般化可能性の高い結果）を提示できるため、メタアナリシスはエビデンスレベルが最も高いと評価されているのです。

＞＞エビデンスレベル（科学的根拠の強さ）のピラミッドや各研究デザインの信頼性について、さらに詳しく知りたい方はこちらの記事もご覧ください。

システマティックレビューとの違いと国際的なガイドライン

システマティックレビュー（SR）とは？

メタアナリシスと頻繁に混同されるのが「システマティックレビュー（Systematic Review: SR）」です。

システマティックレビューとは、特定のテーマ（リサーチクエスチョン）に関する既存の研究を、系統的かつ網羅的に収集・評価・統合する「包括的な文献レビュー手法」を指します。 あらかじめ定められた厳密な検索手順に従って世界中のデータベースから論文を検索し、研究の質（バイアスのリスクなど）を批判的に吟味した上で、得られた知見を整理します。システマティックレビューの特徴は、結果の統合が「定性的」であっても「定量的」であってもよい点にあります。つまり、データを数値でまとめられない場合でも、文章や表を用いて全体的な傾向を論理的にまとめることが可能なのです。

メタアナリシスとシステマティックレビューの決定的な違い

システマティックレビューとメタアナリシスの決定的な違いは、「統計的手法を用いて定量的な統合を行っているかどうか」にあります。

システマティックレビューが文献の系統的な収集と評価（定性的・定量的の両方を含む）という大きな枠組みであるのに対し、メタアナリシスは、常に定量的な評価を実施し、主に統計的手法による結果の統合に焦点を当てた分析方法を指します。

言い換えれば、メタアナリシスはシステマティックレビューのプロセスの中に含まれる「解析手法の一つ」です。

システマティックレビューの中で、複数の研究結果（効果量）が類似した指標で測定されており、統計的にまとめることが可能かつ適切であると判断された場合にのみ、メタアナリシスが実行されます。

したがって、「システマティックレビューは行ったが、メタアナリシスは行わなかった」という論文は存在しますが、メタアナリシスを行うためには、その前提として必ずシステマティックレビューによる網羅的な文献収集が行われていなければなりません。

報告の質を担保するガイドライン「PRISMA声明」とは

システマティックレビューやメタアナリシスはエビデンスレベルが高いとされていますが、その質を担保するためには、研究プロセスが透明であり、客観的に評価可能でなければなりません。

そこで重要になるのが「PRISMA声明」です。

PRISMA声明とは、システマティックレビューやメタアナリシスを報告する際に遵守すべき国際的なガイドラインです。

研究者はPRISMA声明に従い、「どのようなデータベースを、どのような検索式で検索したのか」「どのような基準で論文を採択・除外したのか」といった使用した方法論や選択基準を論文内に明確に記述する必要があります。

これにより、他の研究者が同じ手順を再現し、結果の妥当性を検証することが可能になります。 現在、質の高い医学雑誌の多くは、メタアナリシスの論文投稿においてこのPRISMA声明の遵守を必須条件としています。

メタアナリシスのやり方・手順

1. 研究課題の設定と文献の網羅的な収集・選択

メタアナリシスのやり方は、大きく分けて「事前の文献収集」と「統計解析」のフェーズに分かれます。

最初のステップは、明確な研究課題（リサーチクエスチョン）の設定です。

一般的には「PICO（Patient：対象患者、Intervention：介入、Comparison：比較対照、Outcome：結果）」というフレームワークを用いて検証したいテーマを具体化します。

次に、この設定に基づいて検索式を作成し、PubMedなどの主要なデータベースから関連する文献を網羅的に収集します。

その後、あらかじめ定めた包含基準と除外基準に沿って、タイトルや抄録のスクリーニング、さらには本文の精読を行い、最終的にメタアナリシスに組み込む研究を厳選します。

2. データの抽出と統計学的な統合（解析）

対象となる研究が選定されたら、各論文から必要なデータ（サンプルサイズ、イベント発生数、平均値など）を抽出します。そして、抽出したデータを用いて統計学的な統合を行います。

データの統合には、各研究の「効果量（オッズ比、リスク比など）」と「精度の指標」を用いて、それらを統合した全体効果量を算出します。

このとき、各研究結果のばらつき（異質性）を考慮して統計モデルを選択します。各研究が全く同じ母集団から抽出されたと仮定する「固定効果モデル」と、研究ごとに結果が大きく異なっていることを前提とし、そのばらつきを許容する「変量効果モデル」があります。

医療分野のように、研究が行われた環境や患者の背景が微妙に異なる場合は、より柔軟な「変量効果モデル」が採用されることが多くなっています。

＞＞無料の統計ソフト『EZR』を使って実際にメタアナリシスを行う手順や、データセットの作り方については、こちらの記事で詳しく解説しています。

メタアナリシスの結果の見方と重要な注意点

結果を視覚化する「フォレストプロット」の見方

メタアナリシスの結果は、「フォレストプロット」と呼ばれる特徴的なグラフを用いて視覚的に提示されます。論文を読む際は、このグラフの見方を理解しておくことが必須です。

フォレストプロットでは、縦軸に統合した各研究の名前が並び、横軸に効果量（オッズ比やリスク比など）が示されます。下記がフォレストプロットの一例です。

各研究の結果は、四角い「箱」とそこから伸びる「横線」で描かれます。箱の位置がその研究の効果量の点推定値を示し、箱の大きさがその研究の重みを表します。横線は95%信頼区間を示しています。

そして、プロットの一番下にある「ひし形」が、全研究を統合した最終的な効果量（メタアナリシスの結果）です。このひし形が、効果がないことを示す基準線（リスク比やオッズ比なら「1」、平均値の差なら「0」の縦線）と交わっていなければ、「統計的に有意な差がある」と判断することができます。

結果を歪めるリスク「出版バイアス」とは

メタアナリシスの結果を解釈する上で、最も警戒すべき落とし穴が「出版バイアス」です。

出版バイアスとは、「統計的に有意な結果や肯定的な結果が出た研究の方が、そうでない研究（有意差なし、否定的な結果）よりも学術雑誌に掲載（出版）されやすい傾向」のことです。

仮に、新薬の効果がないことを示す研究が存在していても、それらが出版されずにお蔵入りになっていれば、メタアナリシスを行う際に入手可能な論文は「効果があった」とするものばかりに偏ってしまいます。

その結果、統合された効果量が実際の効果よりも過大評価される方向に歪んでしまう危険性があるのです。

出版バイアスの有無を視覚的に調べるためには、「ファンネルプロット」というグラフが用いられます。

これは縦軸に研究の精度（サンプルサイズなど）、横軸に効果量をとった散布図で、出版バイアスがなければ点は逆さまの漏斗（ファンネル）のように左右対称に分布すると期待されます。

非対称な分布が見られる場合は出版バイアスの存在が疑われ、Egger検定などの統計手法を用いてさらに定量的に評価が行われます。

＞＞出版バイアスが起きてしまう原因や、ファンネルプロットを用いた具体的な評価方法については、こちらの記事で分かりやすくまとめています。

研究間のばらつきを示す「異質性」への配慮

最後に確認すべき重要なポイントが「異質性」です。

異質性とは、統合の対象となったそれぞれの研究で得られた効果の大きさが、研究間でどれくらい「ばらついているか」「異なっているか」の度合いを示しています。

研究のデザインや対象患者の背景などが研究ごとに異なると、結果にも大きなばらつきが生じます。異質性は主に「I^2（アイ二乗）統計量」という指標で評価され、一般的に25%以下なら異質性が低く、25〜50%で中等度、50〜75%で高度、75%以上で極めて高度な異質性があると判断されます。

もし高度な異質性が見られる場合、そもそもそれらの研究を一つに統合すること自体が適切でなかった可能性や、結果の解釈を慎重に行う必要性が生じます。

まとめ

メタアナリシスは、複数の研究結果を統計的に統合し、科学的に最も信頼性の高いエビデンスを提供する強力なツールです。システマティックレビューによる厳密な文献収集を基盤とし、PRISMA声明などのガイドラインを遵守することで、その質と透明性が担保されます。

一方で、フォレストプロットによる正しい結果の解釈や、出版バイアス、異質性といった限界や注意点を理解しておくことも欠かせません。本記事で解説した基本概念や手順、結果の見方を身につけることで、専門的な医学論文や研究データをより深く、正確に読み解くことができるようになるでしょう。

アンケート調査や臨床研究において、心理的な態度や主観的な評価を測定するために頻繁に使用されるのが「リッカート尺度」です。「非常に満足」から「非常に不満」までといった選択肢を用意し、回答者に自身の考えに最も近いものを選んでもらうこの形式は、多くの研究者にとって馴染み深いものでしょう。

しかし、いざ集まったデータを分析する段階になると、多くの人が一つの大きな壁にぶつかります。それは、「このデータを数値（連続変数）として扱って平均値を出し、t検定などを行ってもよいのか？ それとも順序尺度（カテゴリカルデータ）として厳密に扱うべきなのか？」という問題です。

結論から言えば、この問いに「絶対的な正解」はありません。研究の目的やデータの性質、そしてその分野の慣習によって適切なアプローチは異なります。しかし、それぞれの方法が持つ統計学的な意味やリスクを理解せずに安易に手法を選択することは、誤った結論を導く原因となりかねません。

本記事では、リッカート尺度データの性質を深く掘り下げた上で、2つの主要な分析アプローチ（順序尺度としての分析、連続変数としての分析）について、それぞれのメリット・デメリットを解説します。これを読めば、あなたの研究に最適な統計手法を選ぶための判断基準が得られるはずです。

リッカート尺度とは？ 4件法・5件法のデータの性質

リッカート尺度（Likert scale）は、主に心理学や社会調査、医療研究などで用いられる測定尺度の一つです。回答者に対して特定の質問文を提示し、それに対する同意や評価の程度を段階的な選択肢で尋ねる形式をとります。一般的には、「全くそう思わない」から「非常にそう思う」といった形容語句が用いられます。

分析手法を検討する前に、まずはこのデータの基本的な性質について理解を深めましょう。

順序尺度としての性質：「間隔は等しい」とは限らない

リッカート尺度は、本質的には「順序尺度（順序カテゴリカルデータ）」に分類されます 。順序尺度とは、選択肢の間に明確な順序（大小関係）は存在するものの、その「間隔」が数値的に等しいとは限らないデータを指します。

例えば、ある製品の満足度を以下の5段階で尋ねたとします。

1. 非常に不満
2. やや不満
3. どちらともいえない
4. やや満足
5. 非常に満足

このとき、便宜上「1点、2点、3点…」と数値を割り振ることはよくあります。しかし、回答者の心理において、「非常に不満（1点）」と「やや不満（2点）」の間の心理的な距離（1点差）が、「やや満足（4点）」と「非常に満足（5点）」の間の距離（1点差）と完全に等しい保証はどこにもありません 。

温度計の目盛りであれば、10℃と11℃の差は、20℃と21℃の差と同じ熱エネルギーの違いを意味します（これは間隔尺度や比率尺度です）。

しかし、リッカート尺度における「1点の差」は、あくまで便宜的なものであり、数学的に厳密な等間隔性を保証するものではないのです。この性質が、後の分析手法の選択において大きな論点となります。

4件法と5件法の違い：中立的な選択肢の有無

リッカート尺度には、選択肢の数によっていくつかのバリエーションがありますが、代表的なものが「4件法」と「5件法」です。

• 5件法（5-point scale）： 「どちらともいえない」「普通」といった中立的な選択肢が含まれます 。回答者が明確な意見を持っていない場合や、判断を保留したい場合に選択しやすいという特徴があります。データの分布としては、中央に回答が集まりやすくなる傾向があります。
• 4件法（4-point scale）： 中立的な選択肢を排除し、回答者に肯定的か否定的かのどちらかの態度を強制する形式です。これを「強制的選択法」と呼ぶこともあります。日本人は「どちらともいえない」を選びがちであると言われることがありますが、4件法はそうした中心化傾向を防ぎ、意見の方向性を明確にするために用いられることがあります。

どちらを採用するかは研究デザインによりますが、分析上の扱いは基本的に同じです。5件法であれば1〜5、4件法であれば1〜4の数値を割り当ててデータ化しますが、いずれも「順序尺度である」という根本的な性質は変わりません。

リッカート尺度の分析アプローチ①：順序カテゴリカルデータとして厳密に分析する（基本原則）

リッカート尺度が本質的に順序尺度である以上、統計学的に最も厳密で「本来あるべき姿」とされるのは、データを順序カテゴリカルデータとして扱うアプローチです 。このアプローチでは、数値の間隔に意味を持たせず、あくまで「順序（大小関係）」のみを利用して解析を行います。

推奨される要約統計量：中央値と割合（%）

データを連続変数（数値）として扱わない場合、要約統計量として「平均値」や「標準偏差」を算出することは適切ではありません。なぜなら、平均値は「足し算」や「割り算」の結果であり、間隔が等しいことを前提とした計算だからです。

その代わりに用いられるのが、「中央値（Median）」や「四分位範囲（IQR）」、あるいは各選択肢を選んだ人数の「度数」や「割合（%）」です 。

• 中央値： データを大きさの順に並べたときに、ちょうど真ん中にくる値です。例えば、5人の回答が「1, 1, 5, 5, 5」だった場合、平均値は3.4ですが、中央値は5になります。リッカート尺度のような偏りが出やすいデータや、外れ値の影響を受けやすいデータにおいて、中央値は集団の代表的な値をより適切に示すことができます 。
• 割合（%）： 「満足と回答した人の割合（4点以上を選んだ人の割合）」などを算出します。これは直感的にも理解しやすく、順序尺度の性質を崩さずに結果を提示できる優れた方法です。

論文やレポートでの記述例としては、「満足度は中央値4（四分位範囲：3-5）であった」や、「回答者の80%が肯定的評価（4または5）を選択した」といった表現が適切です。

統計手法：順序ロジスティック回帰分析の活用

では、要因分析や群間比較を行いたい場合はどうすればよいでしょうか。順序尺度としてデータを扱う場合に推奨される多変量解析の手法が、「順序ロジスティック回帰分析（Ordinal Logistic Regression）」です 。

順序ロジスティック回帰分析は、目的変数が3つ以上のカテゴリーを持ち、かつそれらに順序関係がある場合（例：不満 < 普通 < 満足）に特化した統計モデルです 。

通常のロジスティック回帰分析（二項ロジスティック回帰）が「イベントが起きるか否か（0か1か）」の2値を扱うのに対し、順序ロジスティック回帰は「あるカテゴリー以下になる確率（累積確率）」や「その起こりやすさ（累積オッズ）」に説明変数がどのように影響するかを分析します 。

例えば、「ある治療法を行った群（説明変数）は、行わなかった群に比べて、満足度（目的変数）が高いカテゴリーに属する傾向があるか」を検定することができます。この手法を用いれば、データの「間隔が等しくない」という性質を保ったまま、順序関係に基づいた妥当な推測を行うことが可能です。統計学的な厳密さを最優先するならば、この手法が第一選択となります。

リッカート尺度の分析アプローチ②：連続変数として扱ってパラメトリック検定やノンパラメトリック検定を行う（現実的対応）

一方で、実務や多くの研究現場では、リッカート尺度を「連続変数（連続量）」とみなして分析することが広く行われています。これは、便宜的に「1点と2点の間隔は、4点と5点の間隔と同じである」と仮定して計算を進めるアプローチです 。

なぜ、厳密には正しくないこの方法が頻繁に採用されるのでしょうか？ それには実用上の大きなメリットがあるからです。

「間隔が等しい」と仮定して分析するメリット

リッカート尺度を連続変数として扱う最大のメリットは、「パラメトリック検定」と呼ばれる強力で汎用性の高い統計手法が利用可能になる点です 。

• 平均値と標準偏差の算出： データの分布を一目で把握できる「平均値」や、ばらつきを示す「標準偏差」を計算できます。「満足度の平均は4.2点」といった表現は、中央値よりも直感的に微細な差を伝えやすい場合があります。
• t検定や分散分析（ANOVA）の利用： 2群間の比較には「t検定」、3群以上の比較には「分散分析（ANOVA）」といった、統計学の教科書で必ず登場する標準的な検定手法を適用できます。これらの手法は多くの研究者にとって馴染み深く、解釈もしやすいという利点があります。
• 重回帰分析や共分散分析の適用： 他の連続変数（年齢や検査値など）と組み合わせて、より高度な多変量解析を行う際にも、連続変数扱いすることでモデルへの組み込みが容易になります。

このように、連続変数として扱うことで、分析の選択肢が広がり、結果の解釈や伝達がスムーズになるという実利的な側面があります。

連続変数扱いする際の注意点とリスク

しかし、このアプローチには常にリスクが伴います。あくまで「間隔が等しいと仮定している」に過ぎないため、その仮定が現実と大きく乖離している場合、分析結果の信頼性が揺らぐ可能性があります 。

1. 前提条件の不成立： パラメトリック検定（t検定など）は、データが「正規分布（左右対称の釣り鐘型の分布）」に従うことを前提としています。しかし、リッカート尺度のデータは、天井効果（全員が5を選ぶなど）や床効果によって分布が歪むことが多く、正規分布の仮定を満たさないケースが多々あります 。
2. 解釈の難しさ： 計算上「平均値 3.5」という結果が出たとしても、リッカート尺度において「3.5」という状態は現実には存在しません。「どちらともいえない（3点）」と「やや満足（4点）」の中間とは具体的にどのような心理状態なのか、厳密に定義することは困難です 。
3. 精度の低下： 本来は等間隔ではないデータを無理やり等間隔として扱うことで、データの持つ情報を歪めてしまい、本来あるはずの差を見逃したり（βエラー）、逆にないはずの差を有意としてしまったり（αエラー）するリスクも否定できません。

したがって、連続変数として扱う場合には、「各選択肢が等間隔であると仮定した上で解析を行っている」という前提（リミテーション）を、研究者自身が常に意識しておく必要があります 。

＞＞リッカート尺度は「平均」を出してもいい？連続データとして扱う根拠と注意点

リッカート尺度の分析には結局どちらを選ぶべきか？ 適切な統計手法の選び方

ここまで2つのアプローチを見てきましたが、結局のところ、自分の研究ではどちらを選べばよいのでしょうか。

研究目的と先行研究との整合性で判断する

どちらの方法を選ぶかに、絶対的な正解・不正解はありません。両者の特性を把握した上で、研究目的に応じて研究者自身が判断する必要があります 。判断の指針として以下のポイントを参考にしてください。

1. 先行研究を確認する： あなたの研究分野（医学、心理学、社会学など）や、投稿を予定しているジャーナルにおいて、類似の研究がどのような手法を採用しているかを確認しましょう 。その分野で「リッカート尺度は連続変数としてt検定を行うのが通例」となっているのであれば、それに倣うことは合理的です。逆に、厳密さを重視する分野であれば、順序ロジスティック回帰などを選択すべきです。
2. データの分布を確認する： ヒストグラムや箱ひげ図を作成し、データの分布を確認します 。もしデータが極端に偏っており、明らかに正規分布から外れている場合は、連続変数としての分析（パラメトリック検定）は避けたほうが無難です。その場合は、順序尺度として扱うか、ノンパラメトリック検定（マンホイットニーのU検定など）の利用を検討しましょう 。
3. 統計専門家への相談： 判断に迷う場合は、統計の専門家に相談しながら進めることを強くお勧めします 。

また、結果の報告においては、「平均値と中央値を併記する」という方法も有効です 。パラメトリックな分析を行いつつも、ノンパラメトリックな要約統計量（中央値や四分位範囲）を併せて提示することで、データの分布特性を読者に誤解なく伝えることができます。

＞＞ウィルコクソンの順位和検定とは？マンホイットニーのU検定との違いは？

より精度の高い代替案：VAS（Visual Analogue Scale）の検討

もし、これから研究を計画する段階であり、より精度の高い連続データが必要であるならば、リッカート尺度ではなくVAS（Visual Analogue Scale：視覚的アナログ尺度）の導入を検討するのも一つの手です 。

VASとは、例えば長さ100mmの直線を提示し、左端を「全くない（0）」、右端を「想像できる限り最大（100）」と定義して、回答者に自分の感覚に該当する位置に印をつけてもらう方法です。

回答者は「左端から何mm」という形で回答するため、得られるデータは0〜100の連続量となります。VASで得られたデータであれば、間隔や順序の悩みを抱えることなく、堂々と連続変数として扱い、平均値の算出やパラメトリック検定を行うことができます 。痛みの評価などでよく用いられる手法ですが、満足度や主観的な評価全般に応用可能です。

まとめ

リッカート尺度（4件法・5件法）の分析方法には、大きく分けて2つの道があります。

1. 順序カテゴリカルデータとして扱う（厳密なアプローチ）：
   • 要約には「中央値」や「割合」を用いる。
   • 解析には「順序ロジスティック回帰分析」やノンパラメトリック検定を用いる。
   • 統計学的な妥当性が高い。
2. 連続変数として扱う（現実的なアプローチ）：
   • 要約には「平均値」や「標準偏差」を用いる。
   • 解析には「t検定」「分散分析」「重回帰分析」などのパラメトリック検定を用いる。
   • 分析の選択肢が多く、解釈が直感的だが、「間隔が等しい」という仮定が必要。

どちらを選択するかは、データの分布状況、研究の目的、そして先行研究の慣例を総合的に判断して決定しましょう。重要なのは、選んだ手法の限界と前提条件を理解し、誠実に結果を報告することです。迷ったときは、VASのような代替手法の検討や、専門家への相談も視野に入れつつ、最適な分析計画を立ててください。

＞＞SPSS で順序ロジスティック回帰を行う方法

医療統計やデータ解析の現場で必ずといっていいほど登場する「等分散（とうぶんさん）」という概念。t検定を行う際に「分散が等しいかどうかを確認しなさい」と教わり、F検定を行っている方も多いでしょう。

しかし、現代の統計実務においては、この「等分散の検定（F検定）」をステップに挟む手法は、むしろ推奨されないことが一般的です 。

本記事では、統計学の専門書に基づき、等分散の定義から「なぜF検定が不要なのか」という深い理由、そして実務で最も信頼できる解析手法の選び方まで、詳細な解説を提供します。

等分散と不等分散の基礎知識

統計学的検定を適切に選択するためには、まずデータのばらつき（分散）の性質を正しく理解する必要があります。

等分散・不等分散とは何か？

等分散（homoscedasticity）とは、比較しようとする異なるグループ間でデータのばらつき（分散）が等しいことを指します 。例えば、新薬群とプラセボ群で血圧の低下量を比較する場合、両群のデータの広がり方が同程度であれば「等分散」です。

一方で、グループ間でデータのばらつきが明らかに異なる状態を「不等分散（heteroscedasticity）」と呼びます 。

なぜ統計検定で「等分散」が問題になるのか

最も有名な統計手法の一つである「スチューデントのt検定」は、パラメトリック検定に分類されます。パラメトリック検定とは、データが特定の確率分布（一般的には正規分布）に従っていると仮定して解析を行う手法です 。

スチューデントのt検定には、以下の2つの大きな前提条件があります 。

1. 各群のデータが正規分布であること
2. 群間でばらつきが等分散であること

もしデータが不等分散であるにもかかわらずスチューデントのt検定を強行すると、算出されるP値の正確性が失われ、誤った結論を導き出すリスクが生じます 。そのため、従来は「まずF検定で等分散性を確かめる」というプロセスが必須だと考えられてきました。

【重要】なぜ等分散の確認に「F検定」は推奨されないのか？

多くの教科書で紹介されている「F検定を行ってから、t検定の手法（スチューデントかウェルチか）を決める」という2段階検定。しかし、実務においてこの手順は強く推奨されていません 。その決定的な理由は、以下の3点に集約されます。

① 検定では「等しい」ことを証明できない

統計学的検定の根本的なルールとして、「等しい（差がない）」ことを直接証明することはできません 。

F検定において、P値が有意水準（0.05）を上回ったとしても、それは「分散が異なるとは言えなかった」という消極的な結論にすぎず、「分散が等しい」という証拠にはならないのです 。

② 検定結果がサンプルサイズに依存しすぎる

F検定の結果は、データの数（サンプルサイズ：n数）に大きく左右されます 。

• サンプルサイズが大きい場合： 臨床的に全く意味のない微小な分散の差であっても、P値が0.05を下回り「不等分散」と判定されてしまいます 。
• サンプルサイズが小さい場合： 明らかに分散が異なっていても、統計的な検出力が不足しているために「等分散（有意差なし）」と判定されるミスが起こりやすくなります 。

このように、症例数設計がなされていない等分散検定の結果は、信頼性が非常に低いのです 。

③ 検定の多重性によるエラーの増大

F検定を行った後にt検定を行うのは、一つの研究の中で2回検定を繰り返す「2段階検定」です。これにより、統計学的な「多重性の問題」が発生します 。

最初のF検定ですでに間違える可能性（αエラー）を含んでいるため、その後のt検定を合わせた最終的な結果は、本来設定した有意水準（0.05など）を超える高い確率で間違いを犯してしまうことになります 。

実務で推奨される「等分散性」の判断と対処ルール

F検定を使わずに、どのようにデータの性質を判断し、適切な解析手法を選べばよいのでしょうか。推奨される実務的なルールを解説します。

データの可視化と要約統計量の確認

検定に頼る前に、まずは自分の目でデータのばらつきを確認することが大原則です。

1. ヒストグラムや箱ひげ図を作成する： グラフを見て、左右の広がり方が大きく異ならないか視覚的にチェックします 。
2. 不偏分散の比を確認する： 統計ソフトで出力された分散の比を計算します。一つの目安として、「分散の比が1.5倍以下」であれば、等分散とみなしてスチューデントのt検定を用いても良いとする見解もあります 。

推奨される最強の解決策：常に「ウェルチのt検定」を選ぶ

等分散か不等分散かで悩む時間をなくし、最も正確な結果を得るための最適解は、「最初から等分散を仮定しない、ウェルチのt検定を常に選択すること」です 。

ウェルチのt検定には、実務上非常に優れた以下のメリットがあります。

• 汎用性が高い： 等分散であっても不等分散であっても、どちらの状況でも適用可能です 。
• 検出力のバランスが良い： 分散が実際に等しい場合にはスチューデントのt検定に比べて検出力がわずかに低下しますが、分散が異なる場合にはむしろ検出力が増加するという研究結果があります 。

つまり、迷うくらいであれば、最初からウェルチのt検定を実施することが、統計的なエラーを最小限に抑えるための知恵と言えます 。

＞＞RとSPSSでウェルチのt検定を実行する方法

解析ソフト「R」での実践：等分散性の確認から検定まで

実際に統計解析ソフト「R」を用いて、どのように等分散性を評価し、検定を使い分けるのか。書籍にある手順を参考にシミュレーションします。

ステップ1：ヒストグラムによる視覚的確認

ggplot2パッケージを使用し、各群の分布とばらつきを確認します。

# 2群のヒストグラムを作成（例：アヤメのデータを使用）
library(ggplot2)
ggplot(iris_new, aes(x = Sepal.Length, fill = Species)) +
  geom_histogram(position = "identity", alpha = 0.8) +
  theme_minimal()

これにより、例えば「setosa群よりもversicolor群の方がばらつきが大きそうだ」といった洞察を事前に得ることができます 。

ステップ2：要約統計量の算出

dplyrパッケージを使い、各群の「分散（Var）」を数値化します。

library(dplyr)
summary_stats <- iris_new %>%
  group_by(Species) %>%
  summarise(var = sd(Sepal.Length)^2)

ここで算出された分散の比が1.5倍を超えている場合、より慎重な手法（ウェルチのt検定）の選択が妥当だと判断できます 。

ステップ3：検定の実施（ウェルチのt検定）

Rのt.test()関数は、デフォルト設定（var.equal = FALSE）でウェルチのt検定が実行されるようになっています 。

# ウェルチのt検定を実行
t.test(setosa$Sepal.Length, versicolor$Sepal.Length)

出力結果の「Welch Two Sample t-test」という表記を確認し、得られたP値、点推定値、95%信頼区間の3点セットを報告します 。

まとめ：等分散の呪縛から解き放たれるために

本記事の要点をまとめます。

• 等分散は「グループ間でのデータのばらつきが等しいこと」を意味する 。
• 従来のF検定（等分散の検定）は、等しいことを証明できず、多重性の問題を引き起こすため、実務では非推奨である 。
• 実務的な解決策は、最初から等分散を仮定しない「ウェルチのt検定」を常に選択することである 。
• 判断に迷う場合は、箱ひげ図などのグラフで視覚的にデータを確認し、理論的な裏付け（先行研究など）をもって手法を決定する 。

統計解析の真の目的は、研究目的に対して最適な「解釈」を下すことです。P値の大小に一喜一憂する（p-hacking）のではなく、データの取得方法や背景情報を考慮し、透明性の高い解析を心がけましょう 。

＞＞ウィルコクソンの順位和検定とは？マンホイットニーのU検定との違いは？

＞＞標準偏差と分散の関係や違いとは？データの単位と同じ次元はどっち？

＞＞P値とはどんな意味？p-valueの手計算方法や求め方を例でわかりやすく

「ある治療を行った結果、どれくらいの効果があったのか？」

臨床研究でこの問いに答える際、単純な平均値の比較だけでは正しい答えにたどり着けないことがよくあります。そこで重要になる指標が「平均因果効果」です。

しかし、この平均因果効果には「ATE（全集団）」と「ATT（介入群）」という2つの異なる種類があり、どちらを見るべきか迷う方も多いのではないでしょうか。

この記事では、因果推論の基礎から、ATEとATTの決定的な違い、そしてそれらを正しく推定するための「傾向スコア分析（IPW法・マッチング）」について、専門的な知識をわかりやすく噛み砕いて解説します。

平均因果効果とは？因果推論の基礎知識

平均因果効果（Average Treatment Effect）を理解するためには、まず「なぜ普通に比較してはいけないのか」という前提を知る必要があります。

原因と結果の差を見る「反事実」モデル

「効果」とは何でしょうか？ 統計学の権威であるルービンの因果モデルでは、以下のように定義されます。

効果 ＝ （ある人が介入を受けた結果） − （その人がもし介入を受けなかった場合の結果）

しかし現実世界では、一人の人間が同時に「介入を受けた状態（事実）」と「受けなかった状態（反事実）」の両方を体験することは不可能です。これを「因果推論の根本問題」と呼びます。

個人の効果を観測することは不可能であるため、集団単位で平均をとって推測しようというのが「平均因果効果」の考え方です。

なぜ単純な比較ではダメなのか？「交絡因子」とバイアス

例えば、「高血圧の人ほど年収が高い」というデータがあったとします。これを見て「高血圧になれば年収が上がる」と考えるのは間違いです。

実際には、以下のような背景（交絡因子）が隠れています。

• 年齢が高い → 血圧が高くなりやすい
• 年齢が高い → 年収が高くなりやすい

このように、結果（年収）と原因（高血圧）の両方に影響を与える第三の要因を「交絡因子（こうらくいんし）」と呼びます。

観察データ（単に集めただけのデータ）にはこの交絡バイアスが含まれているため、単純なグループ比較では純粋な「効果」が見えなくなってしまうのです。

【重要】ATE（全集団）とATT（介入群）の違いと使い分け

交絡因子を取り除き、純粋な効果を測る指標として、主に以下の2つが使われます。この2つの使い分けが、分析設計の要（かなめ）となります。

ATE（Average Treatment Effect）：集団全体に施策を行ったら？

ATE（全集団の平均因果効果）は、対象となる集団全員が、もしその施策を受けたら（または受けなかったら）、平均的にどれくらいの効果差が出るかを示す指標です。

• 定義： 集団全体における「介入あり」と「介入なし」の平均的な差。
• 向いているケース：
  • 社会全体への政策導入（例：国民全員に新しいワクチンを打つべきか？）
  • 全顧客へのキャンペーン（例：全ユーザーにクーポンを配布したら売上はどうなるか？）

「もし全員に適用したらどうなるか？」という未来の全体最適を考える際に用いられます。

ATT（Average Treatment Effect on the Treated）：実際に受けた人の効果は？

ATT（介入群の平均因果効果）は、実際に施策を受けた人たち（介入群）にとって、その施策がどれくらい効果的だったかを示す指標です。

• 定義： 実際に介入を選択した人たちにおける、「介入あり」と「もし介入を受けていなかったら」の平均的な差。
• 向いているケース：
  • 希望者参加型のプログラム（例：禁煙プログラムに参加した人は、参加しなかった場合に比べて禁煙成功率が上がったか？）
  • 既存の利用者評価（例：有料プランに加入したユーザーは、加入しなかった場合より利用頻度が高いか？）

「実際に選んだ人にとって意味があったのか？」という事後評価やプログラムの効果検証によく用いられます。

図解でイメージするATEとATTでのターゲット層の違い

この図は、ATEとATTが統計学的に「どの部分の差」を見ようとしているのかを表しています。ここで最も重要なのは、黄色いマーカーで「実際には得られない」と書かれている部分（反事実）の存在です。

現実世界では、ある人が「介入を受けた結果」と「受けなかった結果」を同時に観測することはできません。そのため、以下の図のように比較のアプローチが異なります。

• ATT（緑の矢印）：上段の「暴露群（z=1）」だけに注目します。「実際に介入を受けた人」が、もし受けなかったらどうなっていたか（右上の黄色い部分）を推定し、その差を比較します。
• ATE（オレンジの矢印）：上下段を含めた「集団全体」に注目します。暴露群・非暴露群それぞれの「あり得たかもしれない結果（黄色い部分すべて）」を推定し、全体としての平均的な差を比較します。

つまり、「欠損しているデータ（黄色）を、どの範囲まで埋めて比較するか」の違いが、そのままATEとATTの違いになっているのです。

平均因果効果を正しく推定する手法「傾向スコア分析」

観察データから交絡バイアスを取り除き、ランダム化比較試験（RCT）のような状態を擬似的に作り出す手法が「傾向スコア（Propensity Score）」を用いた分析です。

多変量解析と傾向スコア分析の違い

多くの研究で使われる「多変量解析（重回帰分析など）」も交絡因子の調整に使われますが、目的が少し異なります。

• 多変量解析：
  • 主に「予測」や「要因の探索」に使われる。
  • 「結果Yに対して、要因X1, X2…がどう効いているか」というモデルを作る。
• 傾向スコア分析：
  • 純粋に「介入の効果（因果関係）」を知りたい場合に特化している。
  • 群に対して、交絡因子をモデル化している。交絡因子をまとめて「傾向スコア（ある人が介入を受ける確率）」という1つの指標に変換し、群間の背景情報のバランスを整える。

「とにかくバイアスを取り除いて、フェアな比較をしたい」という場合には、傾向スコア分析が適しています。

ATEを推定する「IPW法（逆確率重みづけ）」

ATE（全集団の効果）を知りたい場合によく使われるのがIPW法（Inverse Probability Weighting）です。

これは、傾向スコア（介入を受ける確率）の逆数を重みとしてデータに掛ける方法です。

IPW法がどのようにして「公平な比較」を可能にしているのか、データの動きを3つのステップで見てみましょう。

Step1：調整前のデータ（バイアスがある状態）

まず、これが現実のデータ分布です。

• 上段（X=1 介入群）： 傾向スコアが高い（右側にある）人が多い。
• 下段（X=0 対照群）： 傾向スコアが低い（左側にある）人が多い。

このように、傾向スコア（なりやすさ）に偏りがあるため、そのまま比較するとバイアスがかかってしまいます。上下でドットの位置がずれているのが分かります。

Step 2：目指すゴール（擬似的な集団の作成）

ATE（全集団の平均因果効果）を知るためには、「全員が介入を受けた世界」と「全員が受けなかった世界」を比較する必要があります。

そこでIPW法では、データが足りない部分（薄いグレーの背景部分）を「数学的に補う」という操作を行います。これにより、あたかも全員のデータが揃っているかのような「擬似個体群」を作り出します。

Step 3：具体的な計算方法（重みの付与）

では、具体的にどうやって「補う」のでしょうか？ ここで「逆確率による重みづけ」が登場します。

• レアな人ほど、重みを大きくする：例えば、X=1（介入群）の中に、傾向スコアが0.3と低い（本来なら介入を受けにくい）人がいたとします。この人は「レアな存在」です。そこで、確率の逆数（1/0.3）を計算し、この1人のデータを「3.33人分」に膨らませて扱います。
• よくいる人は、重みを小さくする：逆に、傾向スコアが0.85と高い（介入を受けて当然の）人は、逆数（1/0.85）となり、重みはあまり増えません。

このように「起こりにくいこと（逆確率）ほど重視する」ことで、擬似的に全体のバランスを整え、公平な平均因果効果（ATE）を算出可能にするのです。

• 介入を受けにくいのに受けた人（レアな人）の重みを大きくする。
• 介入を受けやすいのに受けた人（よくいる人）の重みを調整する。

これにより、擬似的に「介入群」と「対照群」の人数や背景因子のバランスが取れた全集団（擬似個体群）を作り出し、全体での効果を推定します。

＞＞EZRで逆確率重み付け（IPTW）を行う手順はこちら

ATTを推定する「マッチング法」

ATT（介入群の効果）を知りたい場合によく使われるのがマッチング法（傾向スコアマッチング）です。

これは、介入群の一人ひとりに対し、傾向スコア（背景情報）が非常によく似た「介入を受けなかった人」を探してきてペアを作る方法です。

• ペアにする条件： 性別、年齢、年収などの背景がそっくりな人同士。
• 比較： 似たもの同士のペアで結果を比較する。

ペアにならなかった（似た相手がいなかった）データは捨てられるため、集団全体（ATE）の評価には向きませんが、介入群とそっくりな人を比較対象にするため、介入群における純粋な効果（ATT）を高精度に推定できます。

まとめ：研究目的に合わせて適切な平均因果効果を選ぼう

「平均因果効果」を分析する際は、ご自身の目的がどこにあるかを明確にすることがスタート地点です。

• 政策や全体戦略を決めたいなら → ATE（全集団の平均因果効果）
  • 手法：IPW法など
• 特定の施策の効果検証をしたいなら → ATT（介入群の平均因果効果）
  • 手法：マッチング法など

適切な指標と手法を選ぶことで、バイアスに惑わされない、真のデータ活用が可能になります。