統計学におけるクラスカル・ウォリス検定
クラスカル・ウォリス検定は、3つ以上のグループ間の差を比較するために使用されるノンパラメトリック統計手法です。多くの研究において、研究者は特定の変数に関して複数のグループ間で有意な差があるかどうかを判断したいと考えます。データが正規性と等分散性の仮定を満たしている場合、通常は一元配置分散分析（ANOVA）が第一選択となります。しかし、これらの仮定が満たされない場合（例えば、データが正規分布に従わない、極端な外れ値が存在する、または測定尺度が順序尺度である場合）、クラスカル・ウォリス検定は強力で広く使用されている代替手法です。
定義と基本概念
クルスカル・ウォリス検定（クルスカル・ウォリスH検定とも表記される）は、マン・ホイットニーU検定を拡張したもので、3つ以上のグループを比較対象としています。その基本原理は、データの実際の値ではなく、「順位」を比較することです。順位に基づく検定であるため、正規分布を必要とせず、外れ値の影響を受けにくいという特徴があります。
直感的に言えば、複数のグループが同じ分布を持つ場合、グループ間のデータ順位はランダムに混ざり合います。逆に、一部のグループが高い値または低い値を示す傾向がある場合、順位は集中し、より大きな検定統計量が得られます。
クルスカル・ウォリス検定はどのような場合に使用されますか？
クラスカル・ウォリス検定は、次のような場合に使用されます。
1. グループの数が3以上で、研究者がグループ間の中心位置（通常は中央値）の違いを比較したい場合。
2. データはANOVAの前提条件、特に残差の正規性を満たしていません。
3. 順序尺度データ（例：満足度スコア：非常に不満～非常に満足）または非正規間隔/比率データ。
4. 独立したサンプル。つまり、あるグループのメンバーは他のグループのメンバーとペアになったり、関連付けられたりすることはない。
例えば、ある研究者が、1～5の5段階リッカート尺度を用いて、3つの異なる病院のサービスに対する患者満足度を比較したいと考えているとします。データは順序尺度であるため、クラスカル・ウォリス検定が適切な選択肢となります。
クラスカル・ウォリス検定の前提条件
クルスカル・ウォリス検定はノンパラメトリック検定ではあるものの、いくつかの重要な前提条件がある。
1. 観察の独立性：各グループのデータは異なる個人から得られたものでなければならない。
2. 応答変数は少なくとも順序尺度でなければなりません。データは並べ替え可能でなければなりません。
3. グループ間の分布形状は類似している必要があります。分布形状が大きく異なる場合、差異の解釈はより複雑になる可能性があります。この検定はしばしば中央値の差として解釈されますが、分布形状が類似している場合は中央値の解釈が最も適切です。
クラスカル・ウォリス検定における仮説
クルスカル・ウォリス検定において検証される仮説は次のとおりです。
– H0（帰無仮説）：すべてのグループの分布（または中央値）は同じである。
– H1（対立仮説）：分布（または中央値）が異なるグループが少なくとも1つ存在する。
帰無仮説H0が棄却された場合、クルスカル・ウォリス検定は単に「差がある」と述べるだけで、どのグループに差があるかは特定しない点に注意が必要である。そのため、事後検定（ポストホック検定）が必要となる。
計算手順
要約すると、クルスカル・ウォリス検定の手順は以下のとおりです。
1. すべてのグループのデータを統合する。
2. 値の小さい順から大きい順に並べます。同順位の場合は、平均順位を使用します。
3. 各グループの順位を合計する。
4. 検定統計量 H を計算します。
一般的なH統計式は次のとおりです。
\[
H = \frac{12}{N(N+1)} \sum_{i=1}^{k} \frac{R_i^2}{n_i} – 3(N+1)
\]
ケテランガン：
– \(N\) = 全観測値の合計
– \(k\) = グループ数
– \(n_i\) = i 番目のグループの観測数
– \(R_i\) = i 番目のグループの順位数
次に、H値を自由度k-1のカイ二乗分布（\(\chi^2\)）と比較します。p値が有意水準（例えば0,05）より小さい場合、H0は棄却されます。
具体例
ある講師が、3つの学習方法（A、B、C）間で統計テストの得点に差があるかどうかを知りたいとします。データを収集した結果、いくつかの極端な値が存在するため、得点は正規分布に従わないことがわかりました。そこで講師はクラスカル・ウォリス検定を用います。
テスト結果でp値が0,01（0,05未満）であれば、少なくとも2つの学習方法の間には有意差があると結論付けられます。しかし、講師は方法Aが方法Bや方法Cよりも優れているかどうかはまだ分かりません。このような場合に事後分析が必要となります。
クラスカル・ウォリス検定後の事後検定
クルスカル・ウォリス検定で有意差が認められた場合、次のステップはペアワイズ比較を行うことです。一般的な方法としては、以下のようなものがあります。
1. ダンの検定：事後クルスカル・ウォリス検定で最もよく使用されます。
2. 繰り返し検定による誤差を制御するために、補正（ボンフェローニ、ホルム、またはベンジャミニ・ホッホベルグ）を施したペアワイズ・マン・ホイットニー検定。
この修正の目的は、多くの比較を行うことによって、第一種過誤（実際には差がないのに差があると判断してしまうこと）の可能性が高まるのを防ぐことです。
効果量
有意性に加えて、多くの現代の研究では、読者が差の大きさを理解しやすいように効果量を強調しています。クルスカル・ウォリス検定でよく用いられる効果量には、以下のようなものがあります。
– Hベースのイータ二乗（η²）：
\[
\eta^2 = \frac{H – k + 1}{N – k}
\]
― より保守的な代替案として、イプシロン二乗（ε²）を用いる。
効果量は、単に「有意か否か」だけでなく、その差が小さいか、中程度か、大きいかを解釈するのに役立ちます。
利点と限界
ケレビハン
1. 正規性の仮定を必要としない。
2. 順序データに適しています。
3. パラメトリック法よりも外れ値に対して頑健である。
制限事項
1. 事後検定なしでは、どのグループに違いがあるのかが分からない。
2. 中央値の差として解釈することは、グループの分布形状が類似している場合に最も妥当です。
3. 実際のデータが正規分布かつ均質である場合、ANOVAはより強力（検出力が高い）になります。
閉鎖
クルスカル・ウォリス検定は、推論統計学において重要なツールであり、特に研究者がパラメトリック法の前提条件を満たさないデータを扱う場合に有効です。順位に基づくこの検定は、特に順序尺度データや非正規分布データにおいて、3つ以上のグループ間のより柔軟な比較を可能にします。しかしながら、その使用には前提条件の理解、結果の解釈、そして真に異なるグループペアを特定するための事後分析の必要性が依然として求められます。p値、効果量、および適切な追加分析を組み合わせることで、クルスカル・ウォリス検定は、健康や教育からビジネスや社会科学に至るまで、さまざまな研究分野において、確固たる妥当な結論を提供することができます。
