データが3群以上ある時の検定でよく用いられるのが分散分析です。

analysis of varianceの頭文字をとってANOVAとか言ったりもします。

同じ分散分析でも、正規分布、非正規分布といったデータの違いによって実施する分析は異なります。

ですので、扱う群のデータが正規分布なのか？非正規分布なのか？を最初の段階で確認する事が重要！

例えば一つの要因の差を分析したい場合、扱う群のデータが正規分布であれば、パラメトリック検定である一元配置分散分析。

非正規分布であれば、ノンパラメトリック検定であるクラスカルウォリス検定。

これらの解析をSPSSではできますので、統計解析ソフトSPSSを使った分散分析の実施方法について具体的に説明していきます。

もちろん、分散分析の結果の解釈についても一緒に見ていきますのでご安心を。

この記事では、一元配置分散分析（パラメトリック検定）と一元配置分散分析のノンパラメトリック検定であるクラスカルウォリス検定について説明していきますね。

SPSSで一元配置分散分析！ANOVAとは？

分散分析は3群以上のデータの母平均の群間に差があるかとうか？を検定する方法。

主に、一元配置分散分析と二元配置分散分析があります。

一元配置分散分析が1つの要因を検討するのに対して、二元配置分散分析は2つの要因を検討する手法になります。

ですので、差を見たい要因が増えるにしたがって三元配置、四元配置となりますが、その分、計算・解釈は複雑になってしまうんです。

SPSSで一元配置分散分析！適用するデータは？

3群以上のデータの母平均の群間に差があるかとうか？を検定したいとき、

3群以上の全ての群のデータが正規分布だった場合、

パラメトリック検定である、一元配置分散分析ができます。

一元配置分散分析は3群以上のいずれかの群間で差があったときに有意確率(p)は有意（p<.05、p<.01、p<.001）となります。

しかし、どの群間で有意差があるのかについては、一元配置分散分析では特定できませんので、多重比較を実施して群間の差を検討するという手順（事後検定）を取ることが多いです。

事後検定には賛否両論ありますので、こちらの記事でご確認ください。

データの条件は以下の通り。

1. 検定する各群すべてが正規分布に従うデータであること。（ヒストグラムやQQプロットなどの見た目判断でOK）
2. 比率尺度、間隔尺度、また一部例外として段階数の多い順序尺度データ
3. 平均を比較することが意味を持つデータ
4. 3つ以上の群（標本、変数、サンプル）を対象としたデータ

SPSSで一元配置分散分析（パラメトリック検定）を行う

それでは一元配置分散分析を行っていきましょう。

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、各疾患の3群（急性リンパ性白血病、急性骨髄性白血病、骨髄異形成症候群）で生存期間の比較を行います。

データをセットできたら、そのデータが正規分布であるかどうか検定します（今回は省略）。

各群のデータすべてが正規分布だった場合に限り、一元配置分散分析を行えます。<!–

その後[分析]→[平均の比較]→[一元配置分散分析]を選択するとウィンドウが表示されます。

各群の名義尺度データを[因子]のボックスに、平均値の比較をしたい変数を[従属変数リスト]のボックスに矢印➡か、ドラッグ＆ドロップで入力してください。

通常、一元配置分散分析の後にどの群間に差があるかを検討する目的で多重比較を実施しますが、その際は[その後の検定]を選択し、任意の検定法を✓します（今回は省略します）。

オプションでは[記述統計量]、[等分散性の検定]、[Welch]に✓します。

SPSSで出力した一元配置分散分析の結果の見方

下記のように、分散分析表が出力されています。

「有意確率」とある部分が、P値を示しています。

今回は0.574のため、P値は有意水準の0.05より大きいため、有意差がない、ということです。

SPSSでクラスカルウォリス検定

次に、ノンパラメトリック検定であるクラスカルウォリス検定をSPSSで実施する方法をご紹介します。

SPSSで実施できるクラスカルウォリス検定とは？適用条件となるデータ

3群以上のデータの母平均の群間に差があるかとうか？を検定したいとき、

3群以上のいずれかの群のデータが一つでも非正規分布だった場合、

パラメトリック検定である、一元配置分散分析はできません。

その時はノンパラメトリック検定であるクラスカルウォリス検定をしてください。

クラスカルウォリス検定は一元配置分散分析と同様、3群以上のいずれかの群間で差があったときに有意確率(p)は有意（p<.05、p<.01、p<.001）となります。

しかし、どの群間で有意差があるかについては、クラスカルウォリス検定だけでは特定できませんので、多重比較を実施して群間の差を検討します。

SPSSでクラスカルウォリス検定後の多重比較はできません。

データは以下に従っている必要があります。

1. （１）正規分布以外に従うデータであること。
2. （２）比率尺度、間隔尺度、または順序尺度データ
3. （３）中央値を比較することが意味を持つデータ
4. （４）3つ以上の標本を対象としたデータ

SPSSでクラスカルウォリス検定を行う

それではクラスカルウォリス検定を行っていきます。

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、一元配置分散分で用いた同じデータを用います。

データがセットできたら、そのデータが正規分布であるかどうか検定します（今回は省略）。

各群のデータが正規分布ではなかった場合に、クラスカルウォリス検定を行います。

その後[分析]→[ノンパラメトリック検定]→[過去のダイアログ] →[K個の独立サンプルの検定]を選択するとウィンドウが表示されます。

各群の名義尺度データを[グループ化変数]のボックスに、中央値の比較をしたい変数を[検定変数リスト]のボックスに矢印➡か、ドラッグ＆ドロップで入力します。そして[検定の種類]で[Kruskal-WallisのH]に✓をします。

[グループ化変数]の[範囲の定義]を選択し変数の範囲を入力します（今回は最小1、最大3と入力します）。そして[続行]を選択し分析を行います。

※分析の結果、漸近有意確率はp=0.533なので有意差はありませんでした。

SPSSで分散分析（ANOVA）まとめ

今回は一元配置分散分析とクラスカルウォリス分析を実施しました。

何度も言いますが、初めに各群のデータが正規分布かどうかを確認し、各群すべてのデータが正規分布であれば一元配置分散分析を、そうでなければクラスカルウォリス分析を実施します。

二つの分析とも基本的な考え方は同じです。

実際に分析して理解を深めましょう。

＞＞SPSSでT検定を実施する方法

この記事では統計ソフトSPSSを使用した回帰分析（単回帰分析、重回帰分析）の実施方法と分析結果の解釈を行います。

回帰分析は相関と少し似ていますが、内容はかなり違います。

早速ですが、SPSSを使用した回帰分析について一緒に考えていきましょう！

回帰分析とは？

相関係数では2つの変数の比例関係を数値的に表すものです。

＞＞SPSSで相関係数を算出する方法

つまり相関は単なる関連。

回帰分析も2つの変数の関係を表す点では相関係数と似ています。

しかし、回帰分析は一方の変数から他方の変数を予測するという意味をもち、回帰式で2つの変数の関係を表します。

回帰分析は因果関係(原因と結果の関係性)を仮定して一方の変数から他方の変数への影響度合いを知るという目的で用いられます。

たとえば、体重と身長の単純な関係度合いを数値で表したいときは相関係数。

体重から身長を予測したい,もしくは体重が身長に及ぼす影響を知りたいといった関係(因果関係)を知りたいときは回帰分析を用います。

それでは実際にSPSSを使って分析してみましょう！

SPSSで回帰分析を実施する

それでは回帰分析を行っていきましょう。

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。

このデータを用いて、単回帰分析と重回帰分析の2つを実施します。

SPSSで単回帰分析を実施する

まずは、下記の解析条件で単回帰分析を実施します。

回帰分析は、目的変数が連続データであることが重要です。

では、実際に解析してみます。

【分析】＞【回帰】＞【線形】を選択します。

従属変数に[入院日数]、独立変数に[患者の年齢]を入れます。

【統計量】をクリックして、　【推定値】　、　【信頼区間】　、　【記述統計】　をチェックします！

最後に　【続行】【OK】　をクリックして終了です。

SPSSで単回帰分析をした結果の解釈

SPSSで単回帰分析をした結果は、下図ように出力されます。

確認するべきポイントは、「推定値」「P値」「推定値の95%信頼区間」の3点です。

今回の解析から、推定値（B）は0.045という結果が得られています。

この数字の意味は、「年齢が1歳上がると、入院日数は0.045だけ長くなる」ということを意味しています。

そしてP値は0.495という結果が得られています。

回帰分析では「回帰係数の推定値（B）が0である」という帰無仮説の検定を実施していますので、今回の結果としては「回帰係数の推定値は0ではない、とはいえない」ということになります。

つまり、年齢が入院期間に影響を与えているということは、今回の解析からは明確に言えない、という意味です。

そして、推定値の95%信頼区間は、-0.086〜0.177という結果が得られています。

データはばらつくため、得られている推定値の0.045は、ばらつくデータの中での一つの値でしかありません。

そのため、区間として推定してあげることが重要になりますので、常に95%信頼区間は確認しましょう。

SPSSで重回帰分析を実施する

次に、下記の解析条件で重回帰分析を実施します。

今回の重回帰分析で考えていることは、同じ年齢だったとしても、糖尿病があるかどうかで、入院日数は異なるのでは？ということです。

つまり、糖尿病の有無を調整した上で、年齢が入院日数に影響があるかどうかを確認したい、ということを考えたとします。

糖尿病の有無が交絡因子ではないか、ということを考えている、ということです。

では、実際に解析してみます。

【分析】＞【回帰】＞【線形】を選択します。

従属変数に[入院日数]、独立変数に[患者の年齢]と[糖尿病]の2つを入れます。

【統計量】をクリックして、　【推定値】　、　【信頼区間】　、　【記述統計】　をチェックします！

最後に　【続行】【OK】　をクリックして終了です。

SPSSで重回帰分析をした結果の解釈

SPSSで重回帰分析をした結果は、下図ように出力されます。

単回帰分析と同様に、確認するべきポイントは、「推定値」「P値」「推定値の95%信頼区間」の3点です。

糖尿病の有無は交絡因子として考えているため、基本的には結果の解釈を実施しなくてもOKです。

重要なのが、糖尿病の有無で調整した後に、患者の年齢の入院日数に対する影響度合いが変わったかどうか、という視点です。

上記の視点で考えますと、推定値もP値も単回帰分析の結果とほぼ変わりません。

そのため、糖尿病の有無を考慮したとしても、年齢が入院期間に影響を与えているということは、今回の解析からは明確に言えない、ということになりました。

SPSSで回帰分析まとめ

今回は統計ソフトSPSSを使用した回帰分析の実施方法と分析結果の見方を説明しました。

回帰分析は相関とは違い因果関係を仮定するものです。

原因（独立変数）と結果（従属変数）に投入する変数は適当に投入してはダメです！

どちらが原因でどちらが結果なのかを吟味した上で変数を投入しましょう！

実際に自分で分析して覚えましょう！

＞＞SPSSでT検定を実施する方法

＞＞SPSSでカイ二乗検定を実施する方法

＞＞SPSSで分散分析を実施する方法

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

この記事では統計ソフトSPSSを用いた多重ロジスティック回帰分析（多変量ロジスティック回帰分析）の実施方法と分析結果の解釈を行います。

多重ロジスティック回帰分析は多変量解析の一種で、重回帰分析の考え方と非常に似ています。

ですので、先に重回帰分析を理解しておいた方が、多重ロジスティック回帰分析をスムーズに理解できるかもしれません。

どうしても先に多重ロジスティック回帰分析を理解したいという方は、この記事の後でもいいので重回帰分析をしっかり理解して下さい。

それでは多重ロジスティック回帰分析について一緒に考えていきましょう！

多重ロジスティック回帰分析とは？

多重ロジスティック回帰分析（多変量ロジスティック回帰分析）は、最近医学研究で類繁に使われるようになった手法です。

重回帰分析の従属変数は連続変数（比率尺度、間隔尺度、段階数の多い順序尺度）です。

それに対して、多重ロジスティック回帰分析の従属変数は2値のカテゴリカルデータ（例：男性・女性、患者群・健常者群など）になります。

多重ロジスティック回帰分析の利点はデータの型や分布に、あまり厳密さを要さない点です。

多重ロジスティック回帰分析のメリット

重回帰分析は、データが間隔尺度または比率尺度でなければ適用できません。

また重回帰分析は、残差が正規分布に従うという仮定の下で理論的に構築された手法です。

ですので、重回帰分析を実施するにあたっては、非常に制約が多く、理論に従わないデータがあったとしても、やむを得ず重回帰分析を行うしかないというのが現状としてあります。

しかし、多重ロジスティック回帰分析は重回帰分析と比較して制約条件が少ない為、分析しやすい多変量解析と言えます。

多重ロジスティック回帰分析は、単にロジスティック回帰分析とか、ロジスティック分析とよばれることもあります。

多重ロジスティック回帰分析の適用の条件とは？

• 独立変数（説明変数）には、あらゆるデータが適用できる。
• 従属変数（目的変数）は、0-1型の2値データでなくてはならない。

SPSSで多重ロジスティック回帰分析を実践する

それでは多重ロジスティック回帰分析を行っていきましょう。

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。

下記の解析条件で多重ロジスティック回帰（多変量ロジスティック回帰）を実施していきます。

解析の目的は、治療グループの違いが、退院後の発作の発生に影響を与えるか？、という設定をします。

つまり、群間比較を目的とした多変量ロジスティック回帰分析を実施します。

治療グループが群であり、年齢と糖尿病は交絡因子の可能性として、説明変数に含める、という意味になります。

SPSSのデータ（.sav）であれば、ダブルクリックすることでSPSSが立ち上がります。

データをセットできたら、下図のように[分析]→[回帰]→[二項ロジスティック]を選択するとウィンドウが表示されます。

下図のボックスで従属変数に退院後の発作を入れます。

独立変数としたい治療グループ（治療/管理）、年齢、糖尿病（はい/いいえ）すべてを共変量に移動します。

糖尿病はカテゴリカル変数として認識してもらいたいため、[カテゴリ]をクリックして[カテゴリ共変量]として糖尿病を指定します。

そして[オプション]から[Expの信頼区間]にチェックを入れます。

[Expの信頼区間]にチェックを入れることによって、オッズ比を出力することができます。

SPSSでの多重ロジスティック回帰分析の結果の読み方

下記が、多重ロジスティック回帰分析の結果です。

見るべきポイントは、「オッズ比」「オッズ比の95%信頼区間」「P値」の3つです。

今回は、解析の目的は、治療グループの違いが、退院後の発作の発生に影響を与えるか？、という設定をしていますので、メインの結果は「治療グループ」の行です。

今回の結果としては、オッズ比が1.168でありP値が0.721であるため、治療グループの違いは退院後の発作に対して違いをもたらすとは言えない、という結果になりました。

有意差がなかった時の結論の言い方に関しましては、こちらの記事をご覧ください。

SPSSでロジスティック回帰まとめ

今回はSPSSでロジスティック回帰分析を実施しました。

まずは正規分布かどうか等の制約がありませんので、比較的使用しやすい分析方法と言えます。

従属変数が2値のデータである事がポイントです。

独立変数の有意差だけではなく、得られたモデル式の適合度もしっかり見る事が重要です。

実際に分析して理解を深めてみましょう。

＞＞SPSSでT検定を実施する方法

＞＞SPSSで分散分析を実施する方法

＞＞SPSSでカイ二乗検定を実施する方法

統計学的検定の中で、一番有名といっても過言ではないT検定。

今回の記事では、T検定をSPSSで実施する方法を解説するとともに、結果の見方もわかりやすく解説します。

医薬研究でよく用いられる統計ソフトであるSPSSの使い方を、ぜひ学んでみてください。

SPSSでT検定を実施するために必要となるデータ

T検定とは、2群の母平均を比較する検定方法でしたね。

＞＞T検定に関する概要を理解したい方はこちら。

ということは、T検定をするためのデータは以下の2つを満たす必要があります。

• 母平均を検定する方法であるため、目的変数（アウトカム）には連続量のデータが必要。
• 2群の群間で母平均を比較するので、説明変数には、2つ以上のカテゴリを持つカテゴリカルデータが必要。

ということで、今回の記事で使うデータです。

今回のデータは、EZRでT検定を実施した時と同じデータを用います。

A群、B群の2つの群で、LDHの平均値を比較する、ということですね。

（データは架空のデータです。）

「LDH」の列が連続データで、「Group」の列が群を示した変数です。

A群13例、B群11で、計24症例分のデータがあります。

SPSSにT検定を実施する基となるデータを読み込む

ではここから、SPSSにデータを取り込みます。

まずは、サンプルデータを適切な場所に保存しておきましょう。

SPSSを開き「ファイル」→「データのインポート」→「CSVデータ」を選択します。

そうすると、以下のような画面になりますので、特にいじらずにOKで大丈夫です。

そうすると、以下のようにちゃんとインポートされました。

データの見た目は、エクセルと同じ感じですね。

連続量のデータであれば右揃えでデータが表示され、カテゴリカルデータであれば左揃えでデータが表示されます。

SPSSで2群比較のT検定を実践する！

解析するための準備が整いましたので、早速T検定を実施してみましょう。

T検定を実施するには、以下の手順で行います。

「分析」→「平均の比較」→「独立したサンプルのt検定」です。

今回のデータは特に対応のないデータですので、独立したサンプルのt検定を選びます。

＞＞対応のある・なしとは？

• 検定変数に「LDH」を選びます。
• グループ化変数に「Group」を選びます。

まだこれだけでは不十分で、「グループの定義」を押します。

すると、2群はどれにするのかを指定することができます。

今回はAとBで比較をするため、グループ1(1)にAを入力、グループ2(2)にBを入力します。

すると、以下のように結果が出力されました。

これでT検定の実施が完了です。

実際の出力では、以下の3種類が出力されます。

• T検定実施の際のログ
• 各群の要約統計量
• T検定結果

SPSSで実施したT検定結果の見方や書き方を解説

実際にT検定が実施できました。

では、結果の解釈をしていきましょう。

SPSSで実施したT検定のログを確認する

まずは、T検定のログを確認します。

ログ自体は確認しなくても良いことが多いですが、例えば論文を出したいために、ちゃんとQCをしたい場合などは確認する必要がありますね。

独立した二人で同じデータで解析を実施し、ログがちゃんと同じになるかどうかを確認することが大事だったりします。

解析結果が合わない時も、ログを確認することで、どこが違っているかを確認することができます。

そのため、解析結果のログを確認する習慣をつけましょう。

今回の解説では、詳細にはスキップします。

SPSSでT検定した結果の解釈：要約統計量が出力される

まずは要約統計量が出力されています。

A群とB群の各群の例数（度数）・平均値・標準偏差・標準誤差の4つが出力されていますね。

この結果だけでも、かなりの情報量があります。

平均値の差は結構あるな、とか。

平均値の標準誤差は結構違うな、とか。

ここの結果から、各群の正規分布の形までイメージできるといいです。

念の為、各群のヒストグラムと正規分布を確認してみましょう。

A群とB群で、平均値の位置（正規分布の山の頂点）と標準偏差（山のなだらかさ）が異なる気がしますね。

このように可視化することも大事です。

SPSSでのT検定の結果解釈

それでは、SPSSでのT検定の結果の見方を解説します。

SPSSでT検定を実施するとデフォルトで、「等分散を仮定した場合」と「等分散を仮定しない場合」の2種類のT検定を実施してくれます。

どちらの結果を信じればいいのか？と思うでしょうが、一律「等分散を仮定しない場合（下に出力されている結果）」で問題ないです。

というのも、等分散のための検定を確認することで多重性の問題が発生しますし、そもそもデータが多くなれば等分散のための検定結果も有意になりやすい（等分散ではないという結果）が出やすくなるため、等分散かどうかを検定に委ねるべきではないためです。

そして、T検定の結果として以下の情報が含まれています。

• T値
• 自由度
• P値（両側の有意確率）
• 平均値の差
• 差の標準誤差
• 95％信頼区間

自由度がなぜ22になるのかは理解できますか？

T検定の自由度は「データの数-群の数」だからですよね。

わからなければ、復習しましょう！

＞＞T検定での自由度がなぜ「データの数-群の数」になるのか！？

P値が0.05より小さい（.008とは、0.008の意味です）ため、有意水準を0.05に設定していた場合には、有意差ありという結論になります。

＞＞有意水準、P値、有意差の関係を深く理解する！

95%信頼下限も上限もどちらもマイナスの値です。

つまり、0を含んでいないということ。

95%信頼区間が0を含んでいないことは、有意水準5%の検定結果が有意になることと同じ解釈ですので、ここからも有意差ありと分かります。

＞＞95%信頼区間と有意差の関係を理解する。

T検定を実施した後の結果の書き方

実際にt検定を実施した後、学会発表資料や論文なんかに結果を記載する必要があります。

その際には、「平均」「SD」「p値」の3点セットを記載しましょう。

一番やってはいけないのはp値だけを記載して、p<0.05かどうかだけを判定する、ということです。

「平均」「SD」という要約統計量も立派な解析結果ですので、必ず記載するようにしましょう。

SPSSではF検定を実施できない！

先ほどは一律「等分散を仮定しない場合（下に出力されている結果）」で問題ないと申し上げましたが、そうは言ってもまだまだ等分散性の確認を検定で実施している例は多いです。

等分散性の検定といえば、有名なのがF検定ですよね。

なので、SPSSでもF検定の方法を知りたい！と思っているかもしれません。

しかし結論から申し上げると、SPSSではF検定を実施できません！

その代わりに、T検定を実施する方法と同じように出力すると「等分散性のためのLeveneの検定」結果がデフォルトで出てきます。

どうしても等分散性の検定を実施したい場合には、SPSSではF検定ではなくLeveneの検定結果を確認しましょう。

まとめ

今回は、SPSSでT検定を実施しました。

T検定は基本中の基本なので、やり方や結果の解釈を確実にできるようになりましょう。

＞＞SPSSでマンホイットニーのU検定を実施

この記事では、SPSSを使ってグラフを作成します。

グラフの中でも、箱ひげ図、ヒストグラム、折れ線グラフ、棒グラフの作成方法について説明します。

データ解析を行う上で、グラフによるデータの観察は欠かせない手段ですね。

収集した視覚的な要約の手段がグラフ（図）であると言えます！

SPSSによるグラフの作成方法

基本的には、SPSSのメニューから[グラフ(G)]→[レガシーダイアログ(L]を選ぶと、さまざまなグラフが描けるようになっていますので非常に簡単です。(下図参照)。

実際にデータを使用してグラフを描いてみましょう！

ここではいくつかのＳＰＳＳによるグラフの種類と描き方、注意点についても説明します。

SPSSでヒストグラムを作成する！ヒストグラムとは？

ヒストグラムhistogramは、柱状グラフともよばれ、データを各階殺値に区切って階級ごとの頻度(度数という)をグラフにしたものです。

データの分布が視覚的にわかるのでよく用いられるグラフとなっています。

特に、データが正規分布に従っているかどうかを確認するのに役立ちますね。

ヒストグラムを描くときの面倒な点は、階級数(棒の数のこと)の決定です。

一般的には、スタージェスの公式、

L=[1+log_２N]　　　(N=データ数、L=階級效)

を用いて決定します。

この式の［］は、ガウス記号とよばれ、それに含まれる実数値を超えない範囲で最大の整数値を求めるという意味です。

これに対して、探索的データ解析exploratory data analysis (EDA)では、

L=[10　log₁₀N]　　 (N=データ数、L=階級数)

を用います。

しかし、このような知識はとりあえず必要ないとも言えます。

なぜなら、SPSSが勝手に決めてくれるからです。

SPSSでヒストグラムを作る方法

SPSSでヒストグラムを描く手順について説明します。

まず、メニューから下図のように[グラフ(G)]→[レガシーダイアログ(L)]→[ヒストグラム(I)]を選びます。

下図のようなダイアログボックスが現れるので、ヒストグラムを描きたい変数をクリックして移動します。

これでOKをクリックすれば、下図（ヒストグラム）が現れます。

簡単に作成できましたね！

SPSSで箱ひげ図を作る！箱ひげ図とは？

箱ひげ図　box and whisker plotは、データの様相について箱とそこから伸びる“ひげ”で表すユニークな図です。

箱ひげ図は、箱の中央線を中央値、箱の上下辺を四分位範囲として表したグラフです。

ひげは離れた値まで引いています。

さらに高低外れた値は点で表し、該当するデータ行の番号も表示します。

箱ひげ図は、エラーバーグラフと形が似ていますが、データの分布をより詳細に知ることができるので、詳細なデータのばらつきを観察するためには、ぜひとも利用したいグラフです。

また、中央値や四分位範囲を用いるので、正規分布に従わないデータの分布観察には有効です。

SPSSで箱ひげ図の作成方法

箱ひげ図の描き方は、まず下図のようにメニューから[グラフ(G)]→[レガシーダイアログ(L)]→[箱ひげ図(X)]を選びます。

まず、ダイアログボックス下図の［単純］選んで定義をクリックします。

次に、箱ひげ図を出力したい変数をボタンで移動します。

そしてグルーブ分けの変数をボタンで移動します。

最後に、OKをクリックすれば、下図（箱ひげ図）が出力されます。

SPSSで折れ線グラフを作る！折れ線グラフとは？

折れ線グラフは、特に時系列データに対して作成することが多いですね。

横軸が時間を示すデータで、縦軸が平均や中央値などの代表値であることが多いです。

今回は、以下のようなデータを使います。

重要なことは横軸となる「時間を示すデータ」に関しても、1つの変数として保持しておくことです。

SPSSで折れ線グラフを作成！

では早速SPSSで折れ線グラフを作成していきましょう。

まず下図のようにメニューから[グラフ(G)]→[レガシーダイアログ(L)]→[折れ線]を選びます。

すると下記のようなパネルが表示されますので、まずは「単純」を選択して「定義」をクリックします。

今回は縦軸に変化量（Change）の平均値を表示させたいので、縦の表現内容は「その他の統計量（例：平均値）」を選択します。

その上で、Changeを変数に入れます。

すると変数には「MEAN（[CHANGE]）」と表示されていますので、縦軸にCHANGEの平均値を表示させます、となっていることがわかります。

もし平均値以外の要約統計量を示したい場合には、「統計量の変更」から変更してください。

そして横軸（カテゴリ軸）には、WEEKを入れます。

これでOKです。

すると、以下のように折れ線グラフが作成できました。

SPSSで群ごとの折れ線グラフを作成する方法

先ほどは単純な折れ線グラフを作成しました。

場合によっては「群ごとに折れ線グラフを作成したい」という場合もあるでしょう。

その場合にはSPSSでどのように実施するかをお伝えします。

メニューから[グラフ(G)]→[レガシーダイアログ(L)]→[折れ線]を選ぶのは先ほどと同じですが、その後に「多重」を選択します。

すると下記のようなパネルが表示されますので、縦の表現内容は「その他の統計量（例：平均値）」を選択した上でChangeを変数に入れます。

そして横軸（カテゴリ軸）には、WEEKを入れます。

そして線の定義に「TRTP（群の変数）」を入れます。

すると下記のように、群ごと（AとBごと）に折れ線グラフが表示されました。

SPSSで棒グラフを作る！棒グラフとは？

棒グラフとは、データの数量を長方形の図形で縦に並べて表したグラフのこと。

縦棒グラフは、縦軸に数値、横軸に項目をとって描画したグラフで、一定期間のデータの推移を調べたり、データ間の比較をしたりする時に用いられます。

エラーバーとしてデータのばらつきもセットで示すことも多いですよね。

今回は、以下のようなデータを使います。

こちらに対して、「性別ごとに体重の平均値を棒グラフで示し、標準偏差をエラーバーとして表示させたい」ということを実施していきます。

SPSSで棒グラフを作成！

では早速SPSSで棒グラフを作成していきましょう。

まず下図のようにメニューから[グラフ(G)]→[レガシーダイアログ(L)]→[棒]を選びます。

すると下記のようなパネルが表示されますので、まずは「単純」を選択して「定義」をクリックします。

今回は縦軸に体重の平均値を表示させたいので、縦の表現内容は「その他の統計量（例：平均値）」を選択します。

その上で、体重を変数に入れます。

すると変数には「MEAN（[体重]）」と表示されていますので、縦軸に体重の平均値を表示させます、となっていることがわかります。

もし平均値以外の要約統計量を示したい場合には、「統計量の変更」から変更してください。

そして横軸（カテゴリ軸）には、性別を入れます。

そして、エラーバーとして標準偏差を示したい、ということでしたので「オプション」をクリックします。

「エラーバーの表示」にチェックを入れ、標準偏差をクリックします。

乗数はとりあえずデフォルトの2でOKです。

乗数とは何かというと、エラーバーの長さのことです。

2に設定しているということは、標準偏差の2倍の長さのエラーバーを表示させてください、ということになります。

この設定で「続行」そして「OK」を押すと、このような棒グラフが完成しました。

SPSSでグラフ作成まとめ

今回はＳＰＳＳを使ってヒストグラム・箱ひげ図・折れ線グラフ・棒グラフを作成してみました。

ＳＰＳＳでは棒グラフ、折れ線グラフ、散布図など様々なグラフを簡単に作成する事が出来ます。

収集したデータに見合ったグラフを作成する事が重要です。

色々なデータを当てはめて視覚的に分かりやすいグラフを作成してみましょう！！

お疲れさまでした。

＞＞SPSSでT検定を実施する方法

＞＞SPSSでカイ二乗検定を実施する方法

＞＞SPSSで分散分析を実施する方法

＞＞SPSSの講習会や効率的な勉強方法は？

統計解析ソフトとして、かなり評判の高いSPSS。

せっかく高いお金を出したのでSPSSを購入したので、できれば基本操作からちゃんと使いこなせるようになりたい！

研修やセミナーなど、効率の良い勉強方法があれば嬉しいんだけど。。

と思いますよね。

ということで、この記事ではSPSSの基本操作を学べる研修やセミナーがあるのかをまとめました。

SPSSの基本操作や使い方を学べる勉強方法にはどんなのがある？

SPSSは、世界的にスタンダードな統計ソフトです。

特別な知識は必要ありませんが、統計解析についての基本的な知識はある程度必要となりますね。

SPSSの勉強方法には、SPSSの使用ガイドなどの書籍・テキストによるものと、SPSSの講習会などに参加するという2通りがあります。

SPSSの基本操作を書籍で勉強してみる方法

書籍によるものは、統計に関する基本的な知識について詳しく記述されているものが多く、SPSSの使い方だけではなく、どうしてこの手法を用いるのかという統計的理論についても学ぶことができます。

始めは難しいと感じる方も多いようですが、極めてスタンダードな勉強方法と言えます。

また、写真による手順解説もされていて1人で勉強する際には適しています。

例えば、この書籍であれば医療統計に特化してSPSSを学ぶことができますね。

イチから使う医薬統計教室ーSPSS-

posted with ヨメレバ

五所正彦 メジカルビュー社 2017年10月

楽天ブックス

Amazon

SPSSの勉強方法：研修やセミナーへの参加

「研修やセミナーへの参加」は、SPSSの解析手順をしっかりと身に付けたい人（詳しい解析理論はあまり必要ない人）には近道となる勉強方法です。

SPSS専門講師による講座での学習、その後の実践によりSPSSの解析を効率的に身に付けることができます。

初歩的なものから応用編まで自分のレベルに合った指導を受けられ、講師からのアドバイスをもらえるのも講習会参加のメリットです。

2つの方法に共通しているように、SPSSでは解析したいデータに関する統計知識、SPSSの操作方法・手順を学習する必要があります。

これらの知識を身に付けるのに自分に最も適した方法を選択するのが大事です。

SPSSの勉強方法：無料メルマガに登録して質問をする

弊社のメルマガに登録していただければ、代表取締役の吉田に気軽に質問をすることができます。

SPSSの結果解釈や、やり方などのご質問もお気軽にどうぞ。

まずは無料で気軽にSPSSを質問できる環境を作るには、とても適した選択かなと思います。

SPSSの使い方を学べる研修やセミナーはある？

SPSSの講習会というと、SPSS製品を販売している多くの統計分析企業や大学の情報センターによる特別講習会などがあります。

研修の会場規模や学習方法、希望者のレベルに応じていろいろな研修形態が用意されています。

代表的なものとして次の３つがあります。

SPSSの研修やセミナー①：出張・集合研修

希望者が希望する会場や教室にSPSS講師が出向き授業形式の講座を行います。

講座での説明後、講師の指導の下1人1台のパソコンを使いながら、実際に操作も行うような形をとっている場合もあります。

スケジュールやレベルも集団の希望に合わせて調整できるという利点があります。

費用はほかの2つに比べると少し高くなっていますが、企業のSPSS対策講座など集団での学習に向いています。

SPSSの研修やセミナー②：テキストブック・自習教材による個人学習

研修で使用するテキストブックなどによる自習教材を用いて個人で学習します。

E-LearningによるWebコンテンツがなくてもある程度の知識を持ち、テキストブックのみで学習が進められる人に適しています。

また、勉強場所が限定されないというメリットがあります。

SPSSの研修やセミナー③：E-Learning・遠隔学習

IBM SPSS Statisticsによる統計解析の方法や手順を学習できるWebコンテンツです。

疑似的に操作を試すことができるコンテンツを体験することで理解が深まります。

受講期間内は何度でも自分のペースで学習できるため、徹底的に復習することができます。

専用教材が付属する場合も多く、受講期間が終了した後も有効活用できます。

個人で黙々と学習したい人には最適な方法かもしれません。

SPSSの研修やセミナー④：その他

この他にも、会社や自宅からインターネットを通じて講師による説明動画を見聞きしながら学習できるものや、最短でSPSS技術を身に付ける集中講習などもあります。

また学生の場合は、大学内で開催される講習会に参加するという方法もあります。

大学で開催される講習会は、通常の講習会と比べて費用も安く、会場も大学内であるため手軽に受講できます。

SPSSの研修やセミナーの開催場所は？

これらの講習会は東京、大阪、名古屋、北海道、福岡、広島など各地域の大都市では通常開催されており、その他の地域では、依頼に応じて不定期開催されています。

日常開催されている講習会は、企業のビルの1室で行われていることが多く、不定期開催の場合は希望する会場に講師が出向くというケースが多いようです。

講習会の開催頻度に差はありますが、現在では、講師とインターネットを通じて質問することが可能なサービスもあり、大都市とその他の都市の間で受講しやすさに大きな差はないといえます。

出張・集合講習が難しい場合には、E-learningや講義動画によるインターネット学習がおすすめです。

様々な大学では講師を招いた講習会が開催されており地域差はありませんが、対象は学生または職員となっているため社会人は受講できない場合が多くなっています。

SPSSの研修やセミナーでE-learningはある？

多くのSPSSの講習会では、E-learningが取り入れられています。

E-learningは実際の操作方法を動画で確認できるため、1つ1つの手順を具体的に確認しながら、学習を進めることができます。

このE-learningのシステムには主に、動画で分析手順を学習するものと実際にSPSSを動かす演習システムの2つがあります。

動画での手順学習システムでは、分析の手順や方法、結果の解析について学習します。

E-learningに申し込むとついてくることがあるテキストに詳細の説明があり、これと併用して学習するとより効果的です。

演習システムでは、操作を間違えた場合、正しい手順が表示されるものや、間違えた箇所を復習できるようになっています。

自分の苦手に合わせてとことん学習できるというのがE-learningの特徴です。

また、実際に手順を確認できるという点もE-learningの利点であり、SPSSを使いこなすための近道となります。

SPSSの研修やセミナーに関するまとめ

SPSSの講習会は頻繁に開催されており、それぞれのレベルに応じて気軽に参加することができます。

講習会に参加する以外にも、E-learningなどパソコンを使った勉強方法もありSPSSの技術を身に付けることができます。

SPSSによる解析は一度身に付けさえすれば非常に手軽な方法であり、こうした機会を有効活用して統計分析を行って下さい！

＞＞SPSSでT検定を実施する方法

＞＞SPSSでカイ二乗検定を実施する方法

＞＞SPSSで分散分析を実施する方法

＞＞SPSSで回帰分析を実施する方法！