MENU

【無料プレゼント付き】学会発表・論文投稿に必要な統計を最短で学ぶことができる無料メルマガ

データの前後比較で迷わない!マクネマー・ボウカー検定の使い分けロードマップ

「アンケートの前後で結果が変わったか調べたいが、どの検定を使えばいいか分からない」

「カイ二乗検定、マクネマー検定、マクネマー・ボウカー検定の違いがわからない」

データ分析の実務や研究において、このような悩みに直面することは少なくない。統計の教科書には難解な数式が並ぶが、本質は非常にシンプルである。「データの構造(対応の有無)」と「選択肢(カテゴリ)の数」に注目するだけで、適用すべき正しい検定手法は一瞬で見分けることができる。

本記事では、数式をいっさい使わずに、どの検定を選択すべきかを明快に解説する。

>>もう統計で悩むのは終わりにしませんか? 

↑1万人以上の医療従事者が購読中

目次

結論:3つの検定の使い分けロードマップ

結論から述べる。手元にあるデータの性質を思い浮かべながら、次の2つのステップを順にたどってほしい。

  1. 「前と後」のように、同じ対象(人・物)を追跡したデータか?
    • No(まったく別々のグループを比較している) $\rightarrow$ 【カイ二乗検定】
    • Yes(同じ対象の前後変化を見ている) $\rightarrow$ 2へ進む
  2. 変化を見る選択肢(カテゴリ)は何個あるか?
    • 2カテゴリ(「合格/不合格」「はい/いいえ」など) $\rightarrow$ 【マクネマー検定】
    • 3カテゴリ以上(「上/中/下」「A党/B党/C党」など) $\rightarrow$ 【マクネマー・ボウカー検定】

整理すると、関係性は以下の通りとなる。

  • 前後がなければ $\rightarrow$ カイ二乗検定
  • 前後対応があり、2カテゴリなら $\rightarrow$ マクネマー検定
  • 前後対応があり、3カテゴリ以上なら $\rightarrow$ マクネマー・ボウカー検定

なぜ使い分けるのか?3つの検定の特徴

それぞれの検定がどのような場面で機能するのか、具体例とともに解説する。

① 前後がなければ:「カイ二乗($\chi^2$)検定」

前後比較ではなく、「独立した2つのグループ間で、回答の比率に違いがあるか」を調べる場合はカイ二乗検定の出番である。

  • 具体例: 男性100人と女性100人に「支持する政党(A党・B党・C党)」を尋ね、性別によって支持率に差があるかを調べる。
  • ポイント: 男性と女性は「別々の個体」であり、データの前後変化という繋がり(対応関係)は存在しない。

② 前後があって2カテゴリ:「マクネマー検定」

「同じ対象」に対して、何らかの介入(研修、治療、広告接触など)を挟み、2択の回答がどう変化したかを調べる場合に用いる。

  • 具体例: セミナー受講の前後で、同じ100人に「この商品を買いたいか(はい/いいえ)」を質問し、意識の変化を調べる。
  • ポイント: 「はい $\rightarrow$ いいえ」に変わった人と、「いいえ $\rightarrow$ はい」に変わった人の人数を直接比較し、変化の連動性を評価する。

③ 前後があって3カテゴリ以上:「マクネマー・ボウカー検定」

マクネマー検定を多カテゴリに拡張した手法である。「同じ対象の前後比較をしたいが、選択肢が3つ以上ある」という状況において、真価を発揮する。

  • 具体例: 新学習プログラムの導入前後で、同じ生徒100人の成績を「高い・中程度・低い」の3段階で評価し、成績が向上したと言えるかを調べる。
  • ポイント: 「低い $\rightarrow$ 中程度」「中程度 $\rightarrow$ 高い」など、3つ以上の選択肢間で発生したすべての移動パターンを網羅し、全体の対称性が崩れているか(変化があったか)を検定する。

>>もう統計で悩むのは終わりにしませんか? 

↑1万人以上の医療従事者が購読中

マクネマー・ボウカー検定の結果の解釈

実際にデータを解析すると、最終的に「P値(p-value)」と呼ばれる指標が出力される。統計的な判断は、この数値を確認するだけで完了する。

  • P値が 0.05 未満の場合(例:p = 0.01)
    • 変化は偶然の産物ではないと判断する。つまり、「前後で、統計的に意味のある明確な変化があった」と結論づけられる。
  • P値が 0.05 以上の場合(例:p = 0.35)
    • 見かけ上の変化はあっても、それはサンプリングの誤差(偶然の範囲内)である可能性を否定できない。したがって、「前後で変化があったとは言えない」と判断する。

まとめ:正しい検定の選択が分析の信頼性を生む

最後にもう一度、使い分けを整理する。

  • 前後なし $\rightarrow$ カイ二乗検定
  • 前後あり + 2カテゴリ $\rightarrow$ マクネマー検定
  • 前後あり + 3カテゴリ以上 $\rightarrow$ マクネマー・ボウカー検定

「同じ対象の変化」を追っているにもかかわらず、データの繋がりを無視してカイ二乗検定を適用してしまうと、個人の変化という貴重な情報が切り捨てられ、誤った結論を導くリスクが生じる。

手元のデータが「対応のあるデータ」であり、かつ「選択肢が3つ以上」あるならば、迷わずマクネマー・ボウカー検定を選択してほしい。正しい手法の選択こそが、分析結果の信頼性を担保する基盤となる。

おすすめ書籍

いちばんやさしい、医療統計 改訂版〜図解ですんなりわかる統計の基本

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!

リサーチクエスチョン探し?データ分析?論文投稿?、、、で、もう悩まない!

第1章臨床研究ではなぜ統計が必要なのか?計画することの重要性
  • 推定ってどんなことをしているの?
  • 臨床研究を計画するってどういうこと?
  • どうにかして標本平均を母平均に近づけられないか?
第2章:研究目的をどれだけ明確にできるのかが重要
  • データさえあれば解析でどうにかなる、という考え方は間違い
  • 何を明らかにしたいのか? という研究目的が重要
  • 研究目的は4種類に分けられる
  • 統計専門家に相談する上でも研究目的とPICOを明確化しておく
第3章:p値で結果が左右される時代は終わりました
  • アメリカ統計協会(ASA)のp値に関する声明で指摘されていること
  • そうは言っても、本当に有意差がなくてもいいの…?
  • なぜ統計専門家はp値を重要視していないのか
  • 有意差がない時に「有意な傾向があった」といってもいい?
  • 統計を放置してしまうと非常にまずい
第4章:多くの人が統計を苦手にする理由
  • 残念ながら、セミナー受講だけで統計は使えません。
  • インプットだけで統計が使えない理由
  • どうやったら統計の判断力が鍛えられるか?
  • 統計は手段なので正解がないため、最適解を判断する力が必要
第5章:統計を使えるようになるために今日から何をすれば良いか?
  • 論文を読んで統計が使えるようになるための5ステップ
第6章:統計を学ぶために重要な環境
  • 統計の3つの力をバランスよく構築する環境

以下のボタンをクリックして、画面に出てくる指示に従って、必要事項を記入してください。

この記事を書いた人

統計 ER ブログ執筆者

元疫学研究者

コメント

コメントする

目次