カイ二乗検定 計算ツール｜2×2分割表の独立性検定でχ²値・有意性を判定

計算式と自由度

基本式(独立性検定・2×2)

χ² = Σ (Oᵢⱼ − Eᵢⱼ)² / Eᵢⱼ

2×2: χ² = N × (ad − bc)² / ((a+b)(c+d)(a+c)(b+d))

自由度 df = (行数 − 1) × (列数 − 1)

Oᵢⱼ は観測度数、Eᵢⱼ は「行合計×列合計÷総計」で計算する期待度数。2×2表なら df=1、3×3表なら df=4 となります。

χ²値の意味

χ²=0 なら観測度数と期待度数が完全一致(独立性が成り立つ)、χ² が大きいほど独立性から乖離が大きいことを示します。統計的判定では自由度別の臨界値と比較し、χ²が臨界値を超えれば「独立性の帰無仮説を棄却」つまり「関連あり」と結論します。

期待度数の計算

Eᵢⱼ = (行 i の合計) × (列 j の合計) / N

2×2表 [a, b; c, d] で N=a+b+c+d のとき、E₁₁ = (a+b)(a+c)/N、E₁₂ = (a+b)(b+d)/N、E₂₁ = (c+d)(a+c)/N、E₂₂ = (c+d)(b+d)/N です。すべての期待度数が5以上ならχ²検定、5未満のセルがあればフィッシャー正確検定に切り替えます。

χ²検定・オッズ比・リスク比の関係

2×2分割表 [a,b;c,d] からは、χ²検定(独立性)・オッズ比(OR = ad/bc)・相対リスク(RR = (a/(a+b))/(c/(c+d)))・絶対差(RD = a/(a+b) − c/(c+d))・φ係数(φ = √(χ²/N))という5つの主要指標が同時算出できます。χ²は「有意性判定」、φは「効果量」、OR/RR/RDは「実務解釈」を担当し、医学・疫学・マーケティングでは3-5指標を並列報告するのが標準です。ORはロジスティック回帰のパラメータと直接一致し、多変量解析への橋渡し指標となる点で特に重要。SPSS・R(epitools)・Python(statsmodels.stats.contingency_tables)では2×2表からこれら指標がワンライナーで得られます。

カール・ピアソンとχ²検定の歴史

χ²検定はカール・ピアソン(Karl Pearson, 1857-1936)が1900年に "On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling" と題した論文で導入した、統計学史上の重要な検定手法です。ピアソンは相関係数(Pearson's r)、モーメント法、確率密度関数の一族(Pearson distribution)等でも知られる近代統計学の父と呼ばれる人物で、ロンドン大学ゴルトン研究所の初代所長を務めました。χ²検定はロナルド・フィッシャーがフィッシャー正確検定(1922)、イェーツが連続性補正(1934)を提案するなど、その後20世紀の統計学発展の基盤となりました。カテゴリカルデータ解析の第一手法として、今日でも医学・社会科学・工学の実証研究で最も広く使われています。

3つのカイ二乗検定(用途別)

本ツールは独立性検定(2×2分割表)を扱います。3×3以上、複数変量、名義尺度以外(順序・連続)では別の検定(順序ロジスティック回帰・Mann-Whitney U・t検定等)が適切です。

自由度別 χ² 臨界値表

自由度別の χ² 分布臨界値(片側)。統計ソフトの p 値と手計算チェックに便利です。

2×2表(df=1)の場合、χ² > 3.841 なら 5%水準有意、6.635 なら 1%水準有意、10.828 なら 0.1%水準有意です。実務では 5%水準を目安に判定し、多重検定時は Bonferroni・Benjamini-Hochberg 等の補正を適用します。

フィッシャー正確検定との使い分け

期待度数が5未満のセルがある場合、χ²分布による近似の精度が下がるため、Fisher の正確確率検定(Fisher's Exact Test)を使うのが標準です。

SPSS・R・Python(scipy)では、2×2表のχ²検定実行時に期待度数警告と共に Fisher の正確確率も同時出力されるのが一般的です。

イェーツ連続性補正

2×2表で n が小さい(20〜40程度)場合、離散的度数を連続分布のχ²で近似する誤差を減らすため、Yates の連続性補正(Yates' continuity correction)を適用します。

χ²_Yates = N × (|ad − bc| − N/2)² / ((a+b)(c+d)(a+c)(b+d))

補正なしのχ²より小さい値になるため、有意判定が保守的になります。n > 40 では補正しないことが多く、教科書・ソフトの初期設定も割れています。医療統計(BMJ・Lancet系)では補正あり、心理統計(APA)では補正なしが慣例。

業界での使い方

SPSS/R/Python 実装

R (chisq.test)

tbl <- matrix(c(30,20,15,35), nrow=2); chisq.test(tbl, correct=FALSE)

correct=FALSE でイェーツ補正なし、TRUE(既定)で補正あり。小サンプル時は fisher.test(tbl) を推奨。

Python (scipy.stats)

from scipy.stats import chi2_contingency
chi2, p, dof, expected = chi2_contingency([[30,20],[15,35]], correction=False)

correction=False でイェーツ補正なし。fisher_exact() で Fisher の正確確率も提供されています。

SPSS

「分析→記述統計→クロス集計表→統計量→カイ2乗」でχ²・尤度比・線形連関・Fisher・φ係数・Cramer's V を同時計算可能。医学・社会科学分野の学位論文で標準的に使われます。

Excel

CHISQ.TEST(実測範囲, 期待範囲) 関数で p 値のみ、CHISQ.INV.RT(確率, 自由度) で臨界値を計算。ピボット+期待度数手計算+関数の組み合わせで実務対応可能です。

よくある間違い・注意点

• 期待度数5未満で強行 — χ² 分布近似の精度が下がり、p 値が信用できなくなります。Fisher の正確確率検定に切り替えるのが正しい対応。Cochran 準則(3×3以上では20%以下のセルで期待度数5未満まで許容)も参考に。
• 連続変数を無理にカテゴリ化 — 年齢・売上等の連続変数を「20-30歳/30-40歳」等でカテゴリ化してχ²すると情報損失。t検定・回帰分析・Mann-Whitney U 等が本来適切です。
• 有意=因果関係と解釈 — χ²検定は「独立でない=関連ある」を示すのみで、因果方向は判定できません。共変量調整はロジスティック回帰・傾向スコアマッチング等が必要です。
• 多重検定の補正忘れ — 3変数以上の総当たり χ² を無補正で実施すると、偽陽性(第一種の過誤)が急増。Bonferroni(α/検定数)、Benjamini-Hochberg FDR で調整が必須です。
• 対応ありデータに χ² — 同一被験者の前後比較(治療前後の症状有無)は McNemar 検定が正解。χ²検定は独立標本前提です。
• 効果量を報告しない — p 値だけでなく、φ係数(2×2用)・Cramer's V(一般化)・オッズ比などの効果量を必ず併記するのが現代統計の標準(APA 7版・STROBE・CONSORT等)。
• サンプル巨大でp値だけを信頼 — n=10万を超えると微小な差でも p<0.001 になります。統計的有意と実質的有意(practical significance)は別問題。効果量で判断すべきです。

論文・レポートでの報告フォーマット

APA 7版準拠(心理学系)

「性別と購入行動の間に有意な関連が認められた、χ²(1, N = 200) = 5.42, p = .020, φ = .16(小効果量)」のように、自由度・総サンプル数・χ²値・p値・効果量を1文で報告するのが標準です。

CONSORT・STROBE(医学系)

治療群と対照群の副作用発現率比較なら、「Treatment group: 15/200 (7.5%); Placebo group: 5/200 (2.5%); OR = 3.16, 95% CI [1.13, 8.84]; χ²(1) = 5.26, p = .022」のように、絶対度数・パーセント・オッズ比+95%CI・χ²・p値の順で列挙します。

マーケティング・SEO レポート

「バリアントBはコントロールAより CVR が有意に高い(A: 3.0%, B: 3.5%, χ² = 10.42, p < .001, Cohen's h = 0.028)」のようにビジネス指標(絶対値)と統計的判定(p値)と効果量(h)を1行で。上級レポートでは 95%信頼区間と検出力も併記。

関連する規格・教科書

• APA Publication Manual (7th) ― 米国心理学会の論文執筆ガイドライン。統計報告の標準形式。
• STROBE声明 ― 観察研究(コホート・症例対照・横断)の報告ガイドライン。χ²検定の報告要件を規定。
• CONSORT声明 ― RCT(ランダム化比較試験)の報告ガイドライン。カテゴリカルアウトカムのχ²とORの報告例示。
• ICH E9 統計原則 ― 医薬品臨床試験の統計解析原則。多重比較・欠測値対応の国際ガイドライン。
• JIS Z 9020 ― 管理図の一般指針。品質管理でカテゴリカルデータを扱う実務標準。
• JIS Z 9041 ― データの統計的な解析方法。適合度検定・独立性検定の JIS 規格。
• ISO 5479 ― Statistical interpretation of data — Tests for departure from the normal distribution。

参考文献・公的資料

詳細な検定理論・臨界値表・実装例は以下の一次資料を参照してください。

• 総務省統計局 統計質問室 ― 日本の公式統計と統計学の解説。統計調査の設計・解析の入門情報。
• 日本学術振興会(JSPS) ― 学術研究の公式支援機関。研究倫理・統計解析の指針を発信。
• J-STAGE(科学技術振興機構) ― 日本の学術論文検索プラットフォーム。χ²検定を用いた実証研究の閲覧。
• 総務省 なるほど統計学園 ― 統計学の教育コンテンツ。カイ二乗検定を含む推測統計の入門。
• EQUATOR Network / STROBE声明 ― 医学・公衆衛生分野の観察研究報告ガイドラインの一次資料。
• CONSORT声明 ― RCT報告ガイドラインの公式サイト。
• CRAN vcd パッケージ ― R言語のカテゴリカルデータ可視化・χ²検定の実装マニュアル。
• SciPy stats公式ドキュメント ― Python の chi2_contingency・fisher_exact・chi2 分布関数のリファレンス。
• APA Publication Manual ― 米国心理学会の論文執筆ガイド。χ²結果の報告フォーマット。
• ICH E9 臨床試験統計原則 ― 医薬品規制調和国際会議の統計ガイドライン。

実践シナリオ別 計算例

ケース1: Webサイト A/B テスト(EC決済ボタン色変更)

コントロール(青ボタン): 5,000セッション中 CV 150件(3.0%)、バリアント(赤ボタン): 5,000セッション中 CV 175件(3.5%)。2×2表 [150,4850; 175,4825]。χ² = 10000×(150×4825−4850×175)²/(325×9675×5000×5000) ≈ 2.02。臨界値3.841未満で 5%水準では有意差なし。次のテスト設計ではサンプル倍増または効果量再検討が必要です。

ケース2: 医療統計(降圧薬の副作用発現率)

薬剤群 200人中 副作用あり15人(7.5%)、プラセボ群 200人中 副作用あり5人(2.5%)。2×2表 [15,185; 5,195]。χ² = 400×(15×195−185×5)²/(20×380×200×200) ≈ 5.26。臨界値3.841超で5%水準有意。ただし多重比較(複数エンドポイント)の場合はBonferroni補正が必要。

ケース3: 教育研究(教材A vs Bの合格率)

教材A: 80人中 合格60人(75%)、教材B: 80人中 合格50人(62.5%)。χ² ≈ 2.82。臨界値3.841未満で有意差なし。効果量 φ = √(χ²/N) = √(2.82/160) = 0.13(小)。「A の方が合格率が高い傾向」だが統計的には決定的でない、と報告します。

ケース4: 期待度数5未満 → Fisher へ切替

小規模パイロット試験(n=20): [8,2; 3,7]。期待度数計算: E₁₁=(10×11)/20=5.5、E₁₂=(10×9)/20=4.5、E₂₁=(10×11)/20=5.5、E₂₂=(10×9)/20=4.5。E₁₂ と E₂₂ が5未満なので Fisher の正確確率検定に切替が推奨。p ≈ 0.070 で 5%水準では有意差なしとなります。

よくある質問（FAQ）

関連計算ツール