カイ二乗自由度

計算式と考え方

カイ二乗統計量は「Σ（観測度数 − 期待度数）² ÷ 期待度数」で求めます。期待度数は、行の合計と列の合計を掛けて全体の合計で割った値です。2×2のクロス表なら自由度は（行数−1）×（列数−1）＝1となり、5%水準の臨界値は3.841です。統計量がこれを超えれば、行と列の変数の間に関連があると判断されます。あわせて効果量としてφ係数（カイ二乗を全体数で割った平方根）も算出しており、0.1が小、0.3が中、0.5が大の目安とされます。

検定の前提条件

カイ二乗自由度の詳しい解説

カイ二乗検定は、カテゴリーデータの間に関連があるかを調べる代表的な手法です。クロス集計表の各セルについて、関連がないと仮定した場合に期待される度数（期待度数）と、実際に観測された度数を比較し、そのずれの大きさを統計量として表します。統計量が大きいほど、偶然では説明しにくいずれがあることを示します。適用にあたって最も重要な前提が期待度数の大きさです。すべてのセルで期待度数が5以上あることが望ましく、1未満のセルがある場合はこの検定を使うべきではありません。標本数が少ない場合はFisherの正確確率検定を用います。また2×2の表ではイェーツの連続性補正を適用する考え方もありますが、補正すると検出力が下がるため、標本数が十分なら補正しないという立場も一般的です。もう一つの前提が観測の独立性で、同じ対象を複数回数えている場合や、同一人物に繰り返し回答してもらったデータには適用できません。この場合は対応のあるデータ向けの手法を使います。検定結果の解釈では、有意差の有無と関連の強さを区別することが必要です。標本数が非常に多い場合、ごくわずかなずれでも統計的に有意になります。このため効果量（φ係数やクラメールのV）を併せて報告し、実質的な意味の大きさを示す必要があります。3×3以上の表で有意となった場合、どのセルがずれの原因かは検定結果からは分からないため、調整済み残差を見てセルごとに検討する方法が使われます。ただしセルの数だけ判断を繰り返すと偶然の有意が出やすくなるため、有意水準の扱いには注意が必要です。カテゴリーに順序がある場合は、順序を無視するこの検定より、傾向性を検定する手法のほうが検出力が高くなります。また検定が示すのは関連の有無であって、因果関係ではありません。2つの変数に関連があっても、どちらが原因かは分からず、第三の要因が両方に影響している可能性もあります。この点は基本的な注意事項ですが、実務では混同されることが少なくありません。検定を行う前に、必要な標本数を見積もっておくことも実務では有効です。想定する効果量に対して標本が少なければ、実際に差があっても有意にならず、結論を出せません。逆に大量のデータがある場合は、有意になることを前提として、効果量とその幅から意味の大きさを議論するほうが建設的です。

業界・現場での使い方

よくある間違い・注意点

• 期待度数が小さいまま適用する — すべてのセルで5以上が望ましい前提です。小さい場合はFisherの正確確率検定を使ってください。
• 有意差を関連の強さと混同する — 標本数が多いとわずかな差でも有意になります。効果量を併せて報告してください。
• 因果関係と解釈する — 検定が示すのは関連の有無です。因果の方向や第三の要因は判断できません。

関連する規格・法規

• 日本統計学会
• ISO統計基準

※本ツールは公的基準に基づく参考計算です。実際の設計・施工・法令適用は最新の告示・規格および所轄官庁の判断に従ってください。

よくある質問（FAQ）

関連計算ツール