分割表の解析で出てくる検定は2つです。

それは、「カイ二乗検定」と「フィッシャーの直接確率検定」です。

（層別解析であるCMH検定もありますが、CMH検定は一旦置いておきます。。）

この記事では、そのうちのカイ二乗検定についてわかりやすく解説していきます！

「カイ二乗検定とは何？」から始まり、分割表からp値の計算式まで解説します！

計算式についても、「カイ二乗検定が何をやっているか？」がわかれば、簡単に理解できるようになります。

ぜひこの記事で「カイ二乗検定」についてマスターしましょう！

＞＞フィッシャーの直接確率検定についてはこちらで解説しています。

カイ二乗検定とはどんな検定？t検定との違いは？

カイ二乗検定は、統計学的検定の中でも最も有名な検定と言っていいですね。

カイ二乗検定とt検定は、どの統計の本をみても必ず掲載されています。

ではカイ二乗検定とt検定は何が違うの？

と言われた時に、あなたは答えられますか？

一言でいうと、このような違いがあります。

この違いが一番大きい違いです。

そのため、連続データに対してカイ二乗検定を実施することはできませんし、カテゴリカルデータ（質的データ）に対してt検定を実施することもできません。

カイ二乗検定とは、独立性の検定ともいわれている

カイ二乗検定は、独立性の検定ともいわれています。

（独立って言われても意味わからない・・・）

と思いますよね。

私も初めは全く分かりませんでした。

でも理解すると、文字通りのまんまだなー、と思えるでしょう。

独立を辞書で引くと、このような意味です。

つまり「独立」を言い換えると、「何かに依存していない」「何かに関連していない」ということです。

じゃあ、今回のカイ二乗検定の場合、何に関連していない状態か。

答えは、「2つの変数間で関連していない」ということ。

言い換えると「2つの変数が独立している」ということ。

「2つの変数」とは、行方向（横方向）の変数と、列方向（縦方向）の変数の二つ、ということです。

カイ二乗検定を例を用いてわかりやすく解説！

では実際に、例を挙げてカイ二乗検定でやっていることを簡単にわかりやすく説明します。

例えば、こんな分割表があったとします。

表１：薬剤群とコントロール群で治った人の数

薬剤群とコントロール群では1:1（20人：20人）に分けられた。

その結果、疾患が治った人と治らなかった人は、新薬群で13人と7人、コントロール群で5人と15人だった。

こんな結果の分割表ですね。

このとき、この2×2の分割表は４つのカテゴリを持つことになります。

４つとは、以下の通りです。

1. 薬剤群で治った人のカテゴリ
2. 薬剤群で治らなかった人のカテゴリ
3. コントロール群で治った人のカテゴリ
4. コントロール群で治らなかった人のカテゴリ

カイ二乗検定の例題：まずは期待度数の表を作る

この時、ある表を作ってみます。

一番右の列と一番下の列の数値から、4カテゴリで関連がなかった時の「期待度数」を算出した表です。

期待度数の算出は以下の通り。

例えば薬剤群で治った人のカテゴリに関する期待度数。

これは、全40人のうち、20人が薬剤群です。

そして、全40人のうち、薬剤群かコントロール群かに関わらず、治ったのは全部で18人。

だから、40×20/40×18/40=9人が、関連がなかったと仮定した時の、薬剤群で治った人の人数になります。

同様にしてほかのカテゴリの期待度数を計算すると、以下の分割表ができます。

表２：表１を基にした期待度数

この表2が「2つの変数が独立だった時の分割表」になります。

つまり、カイ二乗検定がやっていることはこのように言い換えられます。

ちなみにこのデータはP値が0.05を下回るので、独立ではない。

つまり、薬剤群かコントロール群かによって、治るか治らないかが違ってくる。

こんな結論になります。

カイ二乗検定の例題：カイ二乗値の計算式は？

ここから、カイ二乗値の計算式を解説します。

もし、カイ二乗検定の概要だけで知れればいい、ということであれば、ここから先は確認しなくてもOKです。

カイ二乗値は、各カテゴリで、以下の計算式で求めた値を全て足し合わせたものです。

つまり、先ほどのデータで表１と表２の差を計算していることになります。

この計算式をもとに各カテゴリで計算すると、以下のような表を作ることができます。

そしてカイ二乗値は、これら４つの値を全て足したもの。

1.78+1.78+1.45+145=6.46

この6.46が、カイ二乗値になります。

イェーツの連続性補正のカイ二乗値というものもある

実はカイ二乗値には、上記で示したものの他に「イェーツの連続性補正」をしたカイ二乗値というのもあります。

イェーツさんによれば、カイ二乗値とカイ二乗分布に小さなズレがあり、そのズレの影響で本来より有意差が出やすい結果になってしまうのではないかというわけです。

有意差が出やすいということは、本来有意差がないのに有意差があるという間違った結果が出るリスク(第一種の過誤、αエラー)が大きくなるということ。

αエラーが大きくなっちゃダメですよね。。

なので、それを補正するのがイェーツの連続性補正。

イェーツの連続性補正については、こちらの記事をご参照くださいませ！

カイ二乗検定でP値を算出するには、自由度を求めてカイ二乗分布表と見比べる

カイ二乗値が算出できれば、あとはカイ二乗分布表と見比べるだけです。

見比べる際には「自由度」の知識が必要になりますので、自由度についても学んでおきましょう。

自由度に関して結論だけ記載しておくと、m*nの分割表での自由度は(m-1)*(n-1)と計算されます。

つまり、2*2分割表であれば、(2-1)*(2-1)=1と計算できるのです。

前述の通り、このデータをもとに出力されるP値は、0.05を下回ります。

そのため結論は“独立ではない”、つまり、薬剤群かコトロール群かによって、治るか治らないかが違ってくる、というような結論になります。

カイ二乗検定を統計解析ソフトで実践したり動画で学ぶ

カイ二乗検定をEZRで実践する方法を、別記事で解説しています。

EZRとは無料の統計ソフトであるRを、SPSSやJMPなどのようにマウス操作だけで解析を行うことができるソフトです。

EZRもRと同様に完全に無料であるため、統計解析を実施する誰もが実践できるソフトになっています。

2019年5月の時点で英文論文での引用回数が2400回を超えているとのことで、論文投稿するための解析ソフトとしても申し分ありません。

これを機に、EZRで統計解析を実施してみてはいかがでしょうか？

＞＞EZRでカイ二乗検定を実践する。

また、SPSSやJMPでのカイ二乗検定の解析の仕方を解説していますので、是非ご覧ください。

＞＞SPSSでカイ二乗検定を実践する。

＞＞JMPでカイ二乗検定を実践する。

カイ二乗検定に関してまとめ

• χ二乗検定は、独立性の検定ともいわれている。
• χ二乗検定では、以下のことをやっている。
• 結果の分割表から、期待度数を算出した分割表を作成する。
• この２つの分割表がどれだけ違うかを、数値的に示す。

そして、Youtubeでもカイ二乗検定を解説しています。

この記事を見ながら動画視聴をするとかなり理解が促進しますので、是非ご利用ください。

この記事では統計ソフトSPSSを使ってカイ二乗検定の実施方法と分析結果の解釈を行います。

SPSSによるカイ二乗検定では分割表（クロス集計表）と呼ばれる表を基に考えていく検定方法となります。

それではSPSSでのカイ二乗検定について具体例を基に考えていきましょう！

カイ二乗検定とは？

例えば、「運動習慣の有無」と「性別」の関連を調べなければならないとします。

そこで、運動習慣のある人は男性に多いのではなかろうか?

とか、運動習慣のない人は女性に多いのではなかろうか?

という行と列の関連性を知りたいときに、カイ二乗検定（カイ二乗独立性の検定とも言います）を用います。

この記事ではSPSSでのカイ二乗検定の実施方法について具体的に説明していきます。

カイ二乗検定を実施するのに必要な知識：分割表（クロス集計表）

SPSSでカイ二乗検定を行うには上の表のような分割表（クロス集計表）を用います。

上の分割表は2行2列になっているので、「2×2分割表」と呼びます。

上記の表の例では男女合わせて40人（男性20名、女性20名）を対象としています。

仮に、性別と運動習慣の有無が全く関係ないとすれば、理論的に各セルは10人ずつ均等に該当するはず・・・ですよね？

(よりわかりやすく言えば、女性—運動習慣あり10人、女性—運動習慣なし10人、男性—運動習慣あり10人、男性—運動習慣なし10人に均等に分かれるはずです。）

この理論的に各セルが均等になるはずの「10人」という度数(人数)を期待度数と言います。

表に示される通り、実際の人数（観察度数）は、女性-運動習慣ありが8人、女性一運動習慣なし12人、男性一運動習慣あり14人、男性一運動習慣なしが6人なので、

これらのうちどのセルの人数が統計的に期待度数よりも多い、または少ないということについてカイ二乗分布の値を利用して検定するのがカイ二乗検定になります。

カイ二乗検定に適用できるデータの条件とは

カイ二乗検定を用いることができるデータの条件は以下の通りです。

• 名義尺度のデータであること。
• 順序尺度のデータでも適用となる(ただし段階数が多くないとき)。

SPSSでカイ二乗検定とフィッシャーの正確確率検定を実施する

それではSPSSを使ってカイ二乗検定を行っていきましょう。

同時にフィッシャーの正確確率検定もできますので、一緒に解説しますね。

まずは今回使用するデータを読み込みます。

今回のデータは、SPSSをインストールした際に付属しているサンプルデータを使います。

今回はサンプルデータのadl.savを使います。

adl.savは、脳卒中患者のリハビリ効果判定データです。

データを表示させた後、下図のように[分析]→[記述統計]→[クロス集計表]を選択するとウィンドウが表示されます。

「治療グループ」、「退院後の発作」の各データを[行]と[列]のボックスに矢印➡か、ドラッグ＆ドロップで入力します。

その後、[統計量]をクリックしたら[統計量の指定]のウィンドウが表示されるので、[カイ2乗]にチェックを入れ[続行]をクリックします。

次に、[セル]をクリックすると[セル表示の設定]のウィンドウが表示されます。

そこで、[観測]、[調整済みの標準化]にチェックを入れ、[続行]をクリックします。

最後に[クロス集計表]のウィンドウに戻ったところで[OK]をクリックすると分析が始まります。

SPSSで出力したカイ二乗検定結果の読み方

上記の通りにカイ二乗検定を実施すると、問題なく結果が表示されます。

まずは、上の表の①「a.0セル(0.0%)は期待度数が5未満です」の”0セル“の値を見ます。

この①の値が0セルとなっているときは、表中②の[Pearsonのカイ2乗]の[漸近有意確率(両側)]で判断してOKです。

一方、この①の値が0セル以外となっているときは、表中③の[Fisherの直接法]の結果で判断します。

この結果では0セル(0.0%)なので、表中②で判断します。

表中②の[Pearsonのカイ2乗]の[漸近有意確率(両側)]がカイ二乗検定の結果そのものになります。

もし期待度数が5未満のセルがあれば、③のフィッシャーの正確確率検定の結果を見るのが良いですね。

②または③がp<0.05さらにはp<0.01であったときは、分割表のどこの頻度が有意に多く、どこの頻度が有意に少ないかを見ます。

そういった場合は④の[調整済み残差]を参照します。

特に、3群以上ある場合のカイ二乗検定の場合には、この部分に着目することは重要。

この値が2(正確には1.96)以上のときは有意に他の頻度よりも多いと判断し、-2(正確には-1.96)以下のときには有意に他の頻度よりも少ないと判断します。

いわゆる、残差分析の結果が表示されているということになります。

今回の分析結果では[Pearsonのカイ2乗]の[漸近有意確率(両側]の値が有意ではない(p=0.786)ので[調整済み残差]を見るまでもないですが、、、、

カイ二乗検定の結果を論文やレポートに記載する方法

結果を論文やレポート等に記載する時は、

例えば

「運動習慣の有無と性別の関連についてカイ二乗検定を実施したところ、p=0.057で有意差は得られなかった。また調整済み残差による頻度の差も見られず、関連度を表す連関係数φ＝-0.302で有意ではなかった」

と記載すればいいですね。

フィッシャーの正確確率検定との違いは？

分割表の検定としては、カイ二乗検定の他にフィッシャーの正確確率もあります。

カイ二乗検定とフィッシャーの正確確率検定の違いは「P値の出力の方法が違う」ということ。

カイ二乗検定では「カイ二乗値」という統計量をいったん経由してから、P値を出力します。

つまりカイ二乗検定は、「近似した方法」と言えます。

一方のフィッシャーの正確確率検定は「正確にP値（確率）を計算する方法」ということ。

なので、カイ二乗検定とフィッシャーの正確確率検定ではP値が若干異なります。

SPSSでカイ二乗検定まとめ

今回はカイ二乗検定を実施しました。

キーワードは、クロス集計表、Pearsonのカイ二乗の有意確率、調整済み残差、連関係数φですので用語の意味をしっかりと理解しましょう。

そして、SPSSによる実際の分析の仕方を繰り返し復習してみてください。

＞＞SPSSでT検定を実施する方法

＞＞SPSSで分散分析（ANOVA）を実施する方法

分割表で出てくる検定は2つです。

それは、「カイ二乗検定」と「フィッシャーの正確確率検定」。

フィッシャーの正確確率検定は、フィッシャーの直接確率検定とも呼ばれますね。

でも、分割表の検定としてはフィッシャー正確確率検定の他にもカイ二乗検定があります。

ではカイ二乗検定とは何が違うの？という疑問も出てきますよね。

そのためこの記事では、フィッシャーの正確確率検定の概要、そしてカイ二乗検定との違い、最後に計算式について解説していきます！

フィッシャーの正確確率検定でやっていることは、カイ二乗検定と一緒

フィッシャーの正確確率検定。

T検定とかF検定とかと比べると、やたら長い名前です。

その仰々しい名前から、「なんか難しそう・・・」とあなたは思っているかもしれませんね。

でも、まったく難しくないです！！

なぜならフィッシャーの正確確率検定がやっていることは、カイ二乗検定と一緒ですから。

詳しくはカイ二乗検定のページで見てほしいんですが、念のため少しだけ復習します。

カイ二乗検定もフィッシャーの正確確率検定も、以下のことをやっています。

フィッシャーの正確確率検定とカイ二乗検定ではどこが違うの？

具体的にフィッシャーの正確確率検定と、カイ二乗検定の違いが知りたい！

と思いますよね。

当然です。

2つあるなら、どこか違う部分があるはず。

実はこの2つの検定、ある部分が違います。

ここが違う部分です。

カイ二乗検定は、T検定と手順が同じイメージ

カイ二乗検定がどのように数値を出しているかというと、次の手順で算出しています。

つまり、T検定なんかと一緒です。

T検定は、T値と呼ばれる検定料を算出して、それをT分布表と見比べてP値を出します。

フィッシャーの正確確率検定は、分布表と見比べることをしない

一方、フィッシャーの正確確率検定はどうしているか。

その名の通り確率を「正確に」計算しています。

そして、ここで言う「確率」がP値のことです。

フィッシャーの正確確率検定とカイ二乗検定では多少P値が異なる

χ二乗検定は、P値を導き出すまでにχ二乗値を経由します。

そのため、近似した計算方法と言えます。

一方でフィッシャーの直接確率検定は、「直接」P値を算出します。

つまり、両者の方法で算出したP値は、多少違うのです。

例えば、あるデータでカイ二乗検定を実施すると、下記のようにP=0.03767でした。

これと同じデータでフィッシャーの正確確率検定を実施すると、P=0.03683になります。

フィッシャーの正確確率検定とカイ二乗検定でどっちの方法を取ればいいの？

２つの検定の違いがわかりました。

そうなると、使い分けが気になるところですね。

それは分割表基礎でお示ししたように、データ数が5以下のセルが一つでもある分割表では、フィッシャーの直接確率検定を推奨します。

例えば、以下のような分割表があった場合。

5以下のセルが一つもないため、χ二乗検定を使ってOKです。

一方で、以下のような分割表があった時。

女性の効果なし、のセルが３ですよね。

この場合には、フィッシャーの直接確率検定を使う必要があります。

なぜかというと、χ二乗検定は近似した方法のため、ある程度データ数が多い場合に、ちゃんとしたP値を出してくれるからです。

また、フィッシャーの直接確率検定は、膨大な確率計算をする必要があるため、計算力が必要になります。

現在のPCは高性能になりましたが、それでもデータ数が多い場合にはフィッシャーの直接確率検定は時間がかかります。

その使い分けの目安が、データ数が5以下のセルが１つでもあるかどうかです。

（正確には、期待度数が5以下のセルが１つでもある場合なのですが、実際の解析で期待度数を算出することはあまりないため、目安として実際の分割表でのデータ数が5以下のセルが１つでもあるかどうか、ということでOKです。）

ただ、一つだけ勘違いしていただきたくないのは、「フィッシャーの正確確率検定は、データ数が大きい場合でも使える」ということ。

カイ二乗検定は「データ数が大きい時”だけ”使える検定」ですが、フィッシャーの正確確率検定は「データ数が小さくても大きくてもどちらでも使える」検定です。

フィッシャーの正確確率の計算方法を具体的にわかりやすく！

フィッシャーの正確確率検定とカイ二乗検定の違いがわかりました。

フィッシャーの正確確率では、P値を「正確に」計算しているのでしたよね。

では次に気になるのは、そのP値の計算方法。

ということなので、その計算方法を具体的な例を用いて解説します。

例えば、以下のような合計18人のデータからなる表があったとします。

この表で、男性なのか女性なのかと肉が好きなのか魚が好きなのかという２つの指標が、独立なのかどうかを検定したいとしましょう。

フィッシャーの正確確率検定の帰無仮説と対立仮説を整理する

検定の場合には、帰無仮説と対立仮説が必ずありますね。

この表の場合の帰無仮説と対立仮説は、このようになります。（片側検定を想定しています。）

• 帰無仮説：「性別と肉魚の好みは独立である（性別によって好みは変わらない）」
• 対立仮説は「女性の方が魚が好きな傾向がある（性別によって好みに差がある）」

フィッシャーの正確確率検定の方針

まずは検定の方針を解説します。

例えば、以下の通りに「肉が好きな女性」のカテゴリの人数を仮にaと置きます。

すると、他の３つのカテゴリの人数もaと使って以下のように表すことができます。

このときに、a=2が実際にどれぐらい珍しいことなのかを、確率を計算することによって評価します。

「a=2が珍しい」のであれば、計算結果の確率は小さくなるはずです。

フィッシャーの正確確率検定の計算式

帰無仮説は「性別と肉魚の好みは独立」ですから、「8人の女性と10人の男性、合わせて18人から、７人の肉好きがランダムに選ばれる」
という状況を想定します。

この時、３種類の計算をします。

1. 「女性が２人選ばれて男性が５人選ばれる」ような確率を計算
2. 「女性が１人選ばれて男性が６人選ばれる」ような確率を計算
3. 「女性が０人選ばれて男性が７人選ばれる」ような確率を計算

数式としては、以下の通りですね。

１の場合の数式（P1）

２の場合の数式（P２）

３の場合の数式（P３）

この３つの計算式から得られた３つの数字（確率）を全て足し合わせます。

つまり、P=P1+P2+P3を求めます。

ここで得られたPが、フィッシャーの正確確率検定のP値になります。

カイ二乗検定では、カイ二乗値を計算し、得られたカイ二乗値をカイ二乗分布表と見比べました。

そのため、P値を正確に計算するのではなく、近似したP値を得る方法、と言い換えることができます。

一方でフィッシャーの正確確率検定では、上記の計算の通りP値を「正確に」計算しています。

これが「フィッシャーの正確確率検定」と呼ばれる理由です。

フィッシャーの正確確率検定をEZRで実践する

フィッシャーの正確確率検定をEZRで実践する方法を、別記事で解説しています。

EZRとは無料の統計ソフトであるRを、SPSSやJMPなどのようにマウス操作だけで解析を行うことができるソフトです。

EZRもRと同様に完全に無料であるため、統計解析を実施する誰もが実践できるソフトになっています。

2019年5月の時点で英文論文での引用回数が2400回を超えているとのことで、論文投稿するための解析ソフトとしても申し分ありません。

これを機に、EZRで統計解析を実施してみてはいかがでしょうか？

＞＞EZRでフィッシャーの正確確率検定を実践する。

フィッシャーの正確確率検定に関してまとめ

• フィッシャーの直接確率検定も、根本的にχ二乗検定とやっていることは同じ。
• だが、P値を算出するための方法が違う。
• データ数が5以下のセルが一つでもある場合には、フィッシャーの直接確率検定が推奨される。

動画でもフィッシャーの正確確率検定に関してお伝えしていますので、ぜひご覧くださいませ！

この記事では「JMPでカイ二乗検定とフィッシャーの正確確率検定を実施！クロス集計表の検定」としてお伝えします。

「カイ二乗分布」と、「フィッシャーの正確確率検定」は分割表（クロス集計表）の検定などで大活躍する検定方法です。

この記事では、統計解析ソフトJMPを用いてクロス集計表の検定である、カイ二乗検定とフィッシャーの正確確率検定の方法について解説していきます。

クロス集計表の検定では「カイ二乗分布」と「フィッシャーの正確確率検定」はどちらを使う?

クロス集計表の検定として、「カイ二乗分布」と「フィッシャーの正確確率検定」はどちらも同じ目的で利用されますが、検定のため計算方法が異なります。

そのため、検定結果も少し異なってきます。

一般的には、p値の算出が単純である「カイ二乗分布」を用いたらいいです。

>>>カイ二乗検定とは？計算式まで簡単に分かりやすく！分割表の検定

「フィッシャーの正確確率検定」は近似を用いません。

標本サイズが小さい場合や、度数が0のセルがある場合などに適しています。

詳しくは

>>>フィッシャーの正確確率検定とは？カイ二乗検定と何が違う？分割表の検定

>>相対度数とは？度数分布表からの求め方をわかりやすく！パーセント表示がいい？

で解説しています。

JMPでカイ二乗検定を実施する！

では、JMPでカイ二乗検定の使い方を見ていきましょう！！

カイ二乗検定はクロス集計表に対する独立性の検定

クロス集計表に対してカイ二乗検定は主に独立性の検定に用います。

独立性の検定は、二つの変数に関連が言えるのか否かを判断するためのものです。

この独立性の検定は分割表を用いるときによく用います!

>>>カイ二乗検定とは？計算式まで簡単に分かりやすく！分割表の検定

カイ二乗検定するためのJMPへのデータの読み込み

自分たちのデータを解析する場合は、

[ファイル] > [開く]から解析したデータを開いてください。

ExcelやCSV形式のデータを開くことができます。

この記事では、JMPにすでに用意されているサンプルデータを使います。

[ヘルプ] > [サンプルライブラリー]をクリックします。

すると、次のサンプルデータのディレクトリのウィンドウが出てきます。

今回はこの中の” Consumer Preference.jmp”を使います。

このデータには、一般的な事柄に対する意見や態度についてがまとめられらものです。

ここでは、 年齢層によって「仕事熱心である」かどうかの分布が異なるかどうかを調べて見ましょう。

JMPでのカイ二乗検定

まず、上のメニューバーから[分析] > [二変量の関係]をクリックします。

すると次のウィンドウが出現します。

[Y,目的変数]に「仕事熱心である」を選択します。

次に、[X, 説明変数]に「年齢層」を選択します。

選択ができたら、[OK]をクリックします。

すると、次のようにモザイク図と分割表を含む結果が表示されます。

「分割表」がいわゆるクロス集計表ですね。

検定結果だけをみずに、モザイク図やクロス集計表の結果を把握しておくことはとても重要です。

そして、この結果の1番下を見ると、カイ二乗検定の結果が出てきています。

この検定結果を見ると、「尤度比」と「Pearson（ピアソン）」のカイ二乗検定の結果が2つ出力されているのがわかります。

ちょっとだけ違いを説明すると以下の通り。

• 尤度比のカイ二乗検定：観測度数の期待度数に対する比率に基づいてカイ二乗値を計算
• ピアソンのカイ二乗検定：観測度数の期待度数に対する差に基づいてカイ二乗値を計算

こちらのブログで紹介しているカイ二乗検定は、観測度数と期待度数の差に基づく計算なので、いわゆるピアソンのカイ二乗検定です。

一般的にカイ二乗検定といえば、ピアソンのカイ二乗検定を指すことが多いので、JMPで出力される結果に関しても、ピアソンのカイ二乗検定を使うことでOKです。

より厳密に計画を立てるなら、解析計画書（SAP）にどちらのカイ二乗検定結果を使うか明記するのがベストですね！！

JMPでフィッシャーの正確確率検定を行う

次に、JMPでフィッシャーの正確確率検定を行ってみましょう。

JMPでのフィッシャーの正確確率検定は、2×2分割表であれば結果を出力できます。

それ以上の分割表でフィッシャーの正確確率を実施したいとなると、JMP Proが必要になりますのでご注意ください！

というのも、フィッシャーの正確確率検定は近似を用いない方法なので、計算するために統計ソフトにかなりの負担がかかるためです。

フィッシャーの正確確率検定とは

カイ二乗検定と基本的には同じですが、

カイ二乗検定ではカイ二乗分布に近似することを前提に検定を行いますが、

フィッシャーの正確確率検定では組み合わせの計算からp値を計算します。

p値の算出方法が違うため、カイ二乗検定とフィッシャーの正確確率検定では結果が少し異なります。

詳しくは、

>>>フィッシャーの正確確率検定とは？カイ二乗検定と何が違う？分割表の検定

で解説します。

JMPへのデータの読み込み

自分たちのデータを解析する場合は、

[ファイル] > [開く]から解析したデータを開いてください。

ExcelやCSV形式のデータを開くことができます。

この記事では、JMPにすでに用意されているサンプルデータを使います。

[ヘルプ] > [サンプルライブラリー]をクリックします。

すると、次のサンプルデータのディレクトリのウィンドウが出てきます。

今回はカイ二乗検定と同じ” Consumer Preference.jmp”を使います。

JMPでのフィッシャーの正確確率検定

まず、上のメニューバーから[分析] > [二変量の関係] をクリックします。

すると次のウィンドウが出ます。

[Y, 目的変数]に「仕事熱心である」を選択します。

次に、[X, 説明変数]に「性別」を選択します。

そして、[OK]をクリックします。

すると、カイ二乗検定と同じモザイク図と分割表の結果が出ます。

この結果の1番下までスクロールすると、フィッシャーの正確検定の結果が出力されていることがわかります。

2×2分割表の場合には、フィッシャーの正確確率検定の結果がデフォルトで表示されます。

JMPでカイ二乗検定を実施する方法！まとめ

• Fisherの正確検定は2×2分割表ではJMPで出力できるが、それ以上だとJMP proでしか使えない
• 分割表のカイ二乗検定もFisherの正確検定も[分析] > [二変量の関係]から行う
• カイ二乗検定の結果は期待値と実際の値の間の有意性を表す。