- Two-Way ANOVA(分散分析): 2 つの要因が結果にどう影響しているかを、要因どうしの交互作用も含めて調べます。
- ANCOVA(共分散分析): 連続変数(共変量)の影響を調整したうえで、グループ間の差を調べます。
Two-Way ANOVA
Two-Way ANOVA(二元配置分散分析)は、2 つの要因(説明変数)が 1 つの結果(目的変数)にどう影響しているかを調べる手法です。各要因の主効果に加えて、2 つの要因の組み合わせによる交互作用も検証できます。 たとえば、年齢層と性別が購入金額にどう影響しているかを調べるとき、年齢層による影響、性別による影響、2 つの組み合わせによる影響(交互作用)を同時に評価できます。「年齢層が上がるほど購入金額が増えるが、その増え方が性別で違う」といった関係も見つけられます。必要なデータ
- 数値型の目的変数 1 つ(分析する変数)
- カテゴリ型の変数 2 つ(要因)
- カテゴリの組み合わせごとに十分なサンプル数
- 極端な外れ値が含まれていないこと

使い方
-
データフレームからアナリティクス・ビューを開きます。

-
タイプに「統計的検定」を選び、「Two-Way ANOVA(分散分析)」を選びます。

-
目的変数に「購入金額」を割り当てます。

-
説明変数 1 に「年齢層」、説明変数 2 に「性別」を割り当てます。

-
「実行」ボタンをクリックして、結果を確認します。結果はレポートとして表示されます。上部の「サマリ」「有意性」「多重比較 - 変数」「多重比較 - 交互作用」「記述統計情報」のリンクから、それぞれの節に移動できます。

結果の見方
サマリ
年齢層の主効果と、年齢層と性別の交互作用は、P 値が 0.1% 未満(0.001 未満)で、有意水準 5%(0.05)より低いため、統計的に有意です。性別の主効果は P 値が 19.8%(0.198)で、有意とは言えません。交互作用が有意な場合は、主効果の解釈を慎重に行う必要があります。 効果量(Eta2 乗)は、年齢層が 47% と大きく、年齢層と性別の組み合わせは 1% と小さい結果です。有意性
年齢層の主効果、性別の主効果、年齢層と性別の交互作用のそれぞれについて、帰無仮説と P 値、F 値が説明されます。年齢層の F 値は 303.66、性別の F 値は 1.66 です。
多重比較 - 変数
年齢層の間、性別の間で、購入金額の平均の差を比べる表です。多重比較を何度も行うとタイプ 1 エラーの確率が上がるため、Bonferroni 補正をかけています。P 値が有意水準の 5% 以下である組み合わせでは、購入金額の平均の差が統計的に有意です。年齢層の差が最も大きいのは「20 代」と「40 代」の組み合わせで、約 -13,981 です。
多重比較 - 交互作用
年齢層と性別の組み合わせ(例: 20 代:女性)どうしを比べる表です。Bonferroni 補正をかけていることと、有意かどうかの見方は、「多重比較 - 変数」と同じです。
平均値の交互作用(ライン)
「記述統計情報」にある「平均値の交互作用(ライン)」では、年齢層ごとの購入金額の平均を、性別の線で比べられます。「信頼区間 (95%)」のチェックを入れると、信頼区間も表示されます。この例では、男女とも 40 代でほぼ同じ水準になり、20 代と 30 代は女性の平均が高く、50 代は男性の平均が女性より高くなっています。
ANCOVA(共分散分析)
ANCOVA は共分散分析(Analysis of Covariance)の略で、分散分析を拡張した手法です。ANOVA が、カテゴリ変数(要因)が目的変数に与える影響を調べるのに対して、ANCOVA は連続変数(共変量)の影響も同時に考慮します。そのため、カテゴリ変数の「純粋な効果」を見きわめられます。 たとえば社員研修の効果を調べるとき、部署間で研修後のスコアを比べるだけでなく、研修前のスコアの影響を調整したうえで、部署による違いを検証できます。共変量を調整したあとの「調整済み平均値」も求められます。必要なデータ
- 目的変数が連続変数(例: 研修後スコア)
- 説明変数がカテゴリ変数(例: 部署)
- 共変量が連続変数(例: 研修前スコア)

使い方
-
データフレームからアナリティクス・ビューを開きます。

-
タイプに「統計的検定」を選び、「ANCOVA(共分散分析)」を選びます。

-
目的変数に「研修後スコア」、説明変数に「部署」、共変量に「研修前スコア」を割り当てます。

-
「実行」ボタンをクリックして、結果を確認します。
結果はレポートとして表示されます。上部の「サマリ」「調整済み平均」「グループ間の比較(多重比較)」「共変量と目的変数」のリンクから、それぞれの節に移動できます。
結果の見方
サマリ
共変量の研修前スコアを調整したうえで、部署によって研修後スコアの平均に差があるかを確認できます。この例では、研修前スコアを調整したあとでも、部署による研修後スコアの差は統計的に有意です(F(2, 996) = 135.57、P 値は 0.001 未満)。部署の効果量(偏 Eta2 乗)は 0.214 で、設定された基準では大きい効果に相当します。 部署間の比較では、マーケティング部の調整済み平均が、カスタマーサポート部より 6.7、営業部より 5.93 高く、どちらも補正後 P 値は 0.001 未満で統計的に有意でした。ほかの組み合わせでは、有意な差は検出されませんでした。
調整済み平均
「調整済み平均の可視化」では、研修前スコアを同じ値(この例では 74.86)にそろえたときの、部署ごとの調整済み平均と 95% 信頼区間が表示されます。信頼区間が重なっているかどうかだけで、統計的な有意性は判断できません。グループ間の差は、「グループ間の比較」で確認します。
共変量と目的変数の関係
部署ごとに、研修前スコアと研修後スコアの関係を散布図で表します。点は各観測値、線は部署ごとに推定した回帰直線、帯は 95% 信頼区間です。各部署の回帰直線が概ね平行であれば、ANCOVA が仮定する「回帰傾きの等質性」と整合的です。
ANCOVA の前提の確認
ANCOVA の結果を適切に解釈するために、レポートでは、回帰傾きの等質性、残差と予測値の関係、残差の分布を確認します。 「回帰傾きの等質性」では、研修前スコアと研修後スコアの関係の傾きが、部署によって異なるかどうかを、部署と研修前スコアの交互作用を使って検定します。この例では、F 値が 0.66、P 値が 0.516 で、傾きが異なるという証拠は検出されませんでした。


