データ分析を行ったり論文を読んだりしているとき、以下のような状況で混乱した経験はないだろうか。
「$2\times2$ のカイ二乗検定はわかるが、コクラン・アーミテージやマンテル・ヘンツェルなど、名前が長すぎて頭に入らない」
「手元のデータを分析したいが、結局どの検定のボタンを押せばよいのかわからない」
これらの検定は、統計ソフトのメニューにバラバラに並んでいるため、個別に覚えようとすると迷宮に入り込んでしまう。
しかし、これらはすべて「$2\times2$ のカイ二乗検定」という基本形から、縦・横・奥へと形を広げていった「親戚」のような関係にある。
この記事では、難しい数式は一切使わず、「表のカタチがどう変わるか」だけに焦点を当て、これら6つの検定のつながりをスッキリと整理する。読み終える頃には、迷わず正しい検定を選択できるようになるはずだ。
脳内に地図を作ろう！3つの「拡張ルール」
本格的な解説に入る前に、まずは全体マップ（スキルツリーのようなもの）を頭に思い浮かべてほしい。
すべての出発点は「カイ二乗検定（$2\times2$）」である。ここから、データの複雑さに合わせて次の3つの方向に進化していく。
- 横に広げる（$k$）： カテゴリに「順番（トレンド）」の意味を持たせる
- 縦×横に広げる（$k\times m$）： 選択肢やグループの数を純粋に増やす
- 奥に広げる（多層）： データの背景にある「歪み（施設差など）」をスライスして重ねる
この3つの軸さえ理解しておけば、これから紹介する6つの検定はすべて一本の線でつながる。
【基本形】すべての始まり
① カイ二乗検定（$2\times2$）
すべての基準となる、最もシンプルな2マス×2マスの世界である。
- どんなときに使う？2つのグループにおいて、あるイベントが「起きた・起きない」の割合に差があるかを見たいとき。
- 例：【新薬グループ vs 偽薬グループ】で、【治った・治らない】の割合を比べる。
- 初心者のためのイメージ「新薬を飲んだ人の方が治った割合が高いが、これは偶然（誤差）なのか、それとも意味のある差（有意差）なのか」を判定する、カテゴリカルデータ分析の王道である。
【拡張ルート1】「順序（トレンド）」を味方につける
基本の $2\times2$ から、片方の軸が「なし・軽度・重度」のように順番に意味がある形へと進化する。
② コクラン・アーミテージ（Cochran-Armitage）検定（$2\times k$）
- どんなときに使う？2つのグループを比べる際、片方のデータが「段階（$k$ 個）」になっているとき。
- 例：【生存・死亡】の2グループ間で、【喫煙量：吸わない・ときどき・毎日】の割合を比べる。
- 基本形（$2\times2$）からの進化ポイント普通のカイ二乗検定では、「吸わない」「ときどき」「毎日」をただの独立したバラバラなグループとして扱ってしまう。しかし、コクラン・アーミテージ検定は「右にいくほど（喫煙量が増えるほど）、死亡の割合が右肩上がりに上がっていくか？」という『トレンド（傾向）』を賢くキャッチすることが可能である。
【拡張ルート2】縦にも横にも「サイズ」を広げる
今度は「順序」は関係なく、純粋に $2\times2$ の枠組みを、制限なしの「何行×何列（$k\times m$）」にまで引き延ばす。
③ カイ二乗検定（$k\times m$）
- どんなときに使う？3つ以上のグループ（$k$）で、3つ以上の選択肢（$m$）の割合を比べたいとき。
- 例：【A県・B県・C県】の在住者で、【支持する政党：第1党・第2党・その他の党】の割合に地域差があるかを調べる。
- 基本形（$2\times2$）からの進化ポイント$2\times2$ の計算の仕組みを、そのまま縦・横に大きく広げたものである。ただし、この検定は「どこかの県で、どこかの政党の支持率が異なる」ということしかわからない。②のような「右肩上がりのトレンド」を見抜く力はないため、順序のないバラバラなカテゴリを比較する際に用いる。
【最難関ルート】「第3の変数（層）」という3次元の世界へ
ここからが、多くの人が混乱するポイントである。
例えば、新薬の効果を調べたいとき、「A病院（大病院・重症者が多い）」と「B病院（クリニック・軽症者が多い）」のデータをそのまま一緒に混ぜてしまうと、正しい結果が見えなくなる（これを統計学で交絡と呼ぶ）。
そこで、データを「A病院の表」「B病院の表」とスライスして奥に重ね、3次元の箱（キューブ）にするイメージを持ってほしい。この「病院ごと」というスライスを「層（ストラータ）」と呼ぶ。
④ コクラン・マンテル・ヘンツェル（CMH）検定（$2\times2\times\text{多層}$）
- どんなときに使う？基本の $2\times2$ の解析を行いたいが、施設ごと、あるいは年齢層ごとにデータを分けて（層別化して）正しく評価したいとき。
- 例：【新薬 vs 偽薬】で【治った vs 治らない】を比べたいが、【施設A・施設B・施設C……】という病院ごとの偏りを取り除き、純粋な薬の効果を合算して評価したいとき。
- 進化ポイント各病院の「$2\times2$」の表を、病院ごとの偏りを帳消しにしながら、ギュッと1つに統合して検定を行う。
⑤ 拡張マンテル（Extended Mantel）検定（$2\times k\times\text{多層}$）
- どんなときに使う？層別化（多層）しつつ、さらに片方のデータに「なし・軽度・重度」のような順序（$k$）があるとき。
- 例：前述の【喫煙量（3段階）と生存率（2択）】の関係を見たいが、【20代・30代・40代……】という年齢による影響を無視できないとき。
- 進化ポイントこれは「②コクラン・アーミテージ（順序）」に「層（3次元）」の概念を追加したものである。年齢の歪みを取り除きつつ、「タバコの量が増えるほど死亡率が上がる」というトレンドを見抜く。
⑥ コクラン・マンテル・ヘンツェル（CMH）検定（$k\times m\times\text{多層}$）
- どんなときに使う？縦も横も大きく（$k\times m$）、さらにそれを層別化（多層）して分析したいとき。
- 例：【3つの県】×【3つの支持政党】の地域差を見たいが、【男性・女性】で分けて、性別の偏りの影響を排除した上で全体の傾向を評価したいとき。
- 進化ポイント「③カイ二乗（$k\times m$）」に「層（3次元）」の概念を追加したものである。カテゴリカルデータ検定における、文字通りの「最終形態」と言える。
まとめ：もう迷わない！YES/NO選択フローチャート
最後に、手元にあるデータから、一瞬で使うべき検定がわかるフローチャートを示す。
Plaintext
[スタート] 背景を揃えるための「層（施設や年齢など）」はある？
│
├─【NO（1枚の表でOK）】──＞ Q1.データに「順序（なし・軽度・重度など）」はある？
│ │
│ ├─【NO】─＞ 表のサイズは？
│ │ ├─ 2 × 2 ⇒ ① カイ二乗検定（2×2）
│ │ └─ 拡大版 ⇒ ③ カイ二乗検定（k×m）
│ │
│ └─【YES（2×k）】 ──────＞ ② コクラン・アーミテージ検定
│
└─【YES（多層のキューブ）】─＞ Q2.データに「順序」はある？
│
├─【NO】─＞ 表のサイズは？
│ ├─ 2 × 2 ⇒ ④ コクラン・マンテル・ヘンツェル検定
│ └─ 拡大版 ⇒ ⑥ コクラン・マンテル・ヘンツェル検定（k×m×多層）
│
└─【YES（2×k）】 ──────＞ ⑤ 拡張マンテル検定
一見、名称が難解で複雑そうに思える検定群であるが、「いま自分は、表のサイズを広げているのか？ 順序を気にしているのか？ それとも層に分けているのか？」を意識するだけで、驚くほど明快に整理できる。
次に統計ソフトを使用する際は、ぜひこの「3つの軸」を思い出し、自信を持って適切な検定を選択してほしい。
コメント