【後編】分析ツールアドインを使ったt検定の使い分け（F検定、t検定） 

コメントありがとうございます！講師の平磯です。 お役に立てたのであれば、嬉しく思います。 他にもいろいろな動画をアップしているので、ぜひご覧ください！

コメントありがとうございます！　講師の平磯です。 まず、差の比較を行いたいときの帰無仮説は「等しい」という仮説を設定します。そして、対立仮説には「等しくない、一方が大きい/小さい」といった仮説を設定します。差の比較の検定では、主眼が「差があるかどうか」に置かれており、「差がない」ことを確かめることはできません。帰無仮説が棄却されたからと言って「差がない」とはならず、「差があるとは言いきれない」となるためです。 そもそもデータにはばらつきが生じ、完全一致することは稀なので、「等しくない」よりも「等しい」ことを示す方が難しかったりします。差がないことを確かめるための検定として同等性の検定などがあります。

コメントありがとうございます！講師の平磯です。 これからも皆さまのお役に立つような動画をアップしていけたらと思います。

コメントありがとうございます！ 講師の平磯です。 「仮説平均との差異」「二標本の平均値の差」はどちらも同じ考え方で、２群の平均値にある特定の差を仮定する際に設定します。何も入力されていなければ、「0」として計算されます。つまり、2群の平均値の差は0（＝平均値が等しい）と仮定して仮説検定を行います。これを「平均値に5の差がある」と仮定して仮説検定を行うならば、「仮説平均との差異」「二標本の平均値の差」に5を設定します。多くの場合は、平均値に差異がないかを確かめるので、数値を設定することはほとんどないと思います。

@@Odysseymedia 様 ありがとうございました。 勉強になりました。

コメントありがとうございます！講師の平磯です。 対応が取れない場合には、「対応のないデータ」としていずれかのt検定を実施する方向で良いと思います。どちらのt検定かは、動画で解説している通り、F検定を実施して判断します。この方法で、前後の集団を1つの塊と見て、「集団に変化があったのか」を確認できます。「研修によって個々人に変化があったのか」は対応のあるt検定を実施する必要があるので、結果の収集（データ分析のデザイン）時点での工夫が必要という話になってきます。

返信ありがとうございます。とても困っていたので、大変助かりました。 次からは匿名でも、データを対応できるように工夫します。

コメントありがとうございます！講師の平磯です。 お役に立てたのであれば、嬉しく思います。 他にもいろいろな動画をアップしているので、ぜひご覧ください！

コメントありがとうございます！ 講師の平磯です。 まず、対応のないt検定では2グループの平均値の差を見ており、2グループの分散が等しいかどうかで計算式が異なります。そのため、等分散性を検定する必要があります。 一方、対応のあるt検定では、実際は前後の2グループの平均値の比較というより、同じ対象の2データの「差が0になるか」を検定しています。つまり、対応のあるデータ（2つのデータ）について、「2つのデータの差」という1つのデータに計算しなおしてから、その値が0と等しいかを検定しています。1つのデータに変換されたことで、分散が等しいかどうかの比較は不要になります。

@@Odysseymedia 返信ありがとうございます！

コメントありがとうございます！講師の平磯です。 ①片側検定、両側検定について t検定は2標本の平均値の「差に意味があるかどうか」を調べる手法です。「差に意味がない」という場合は、「2つの平均値の差は0である」という前提で確率（P値）を求めています。つまり反対に、「差に意味はある」という結論になった場合には、2つの平均値に差があり、講師Aの方の平均値が大きいのか、小さいのか両方の可能性が考えられます。その両方の可能性を検証するために両側検定を行います。分析を行う前段階では講師Aの方が平均点が高いのかどうかは分かりえない情報のため、両側検定で分析するのです。ちなみに、得られたデータでは、講師Aの方が平均値が高くなっていますが、この大小はあくまでも今回得られたデータの話ですので、神のみぞ知る真実はどちらか分かりません。ですので、データの中の成績が上がっている人も下がっている人も両方を判断するためということとは少し異なります。 ②F検定の必要性について 動画内37:09～でも解説していますが、F検定を行わずはじめから分散が等しくないと仮定してt検定を行う考え方もあります。実務上はそれでも大きな問題は無いのではと思っています。学術論文などになると厳密に行う必要はあるかもしれません。

@@Odysseymedia とても丁寧な解説ありがとうございます。

コメントありがとうございます！講師の平磯です。ちょっと長くなりますが、ご容赦ください。 おっしゃるようにt検定には正規性の確認が必要ですが、サンプルサイズがある程度大きければ、正規性の確認の有無はあまり気にせず検定を進めても問題はないとされています。サンプルサイズは大きいほど精度としては良いですが、大体各グループ30以上の件数を確保できていれば、正規性を気にせずt検定を進めても良いのではないかと思います。（動画の事例だと30以上を確保できていませんね…。すみません…） また、サンプルデータと考えるのか、母集団データと考えるのかの話ですが、検定では、手元にあるデータをサンプルデータとして考えています。母集団データなのであれば、その平均値は真の平均値ということになりますので、検定を行わずに平均値の大小が比較できてしまうからです。真の平均値がわからず、比較が単純にできないことから、t検定という確率的な推定を行っているのです。逆を言えば、今回の事例で各クラスを母集団と見るならば単純に平均の大小を比較してもいいと思います。 ただ、それぞれのクラスの講師から、「今回の受講生だけの結果だけで判断されるはちょっと…」となる可能性もあるので、単純な平均値の差が「意味のある差」なのかを検定しています。つまり、母集団は、今回クラスA/Bに所属した人は別の人たちと考えることができます。クラスのメンバーが変われば結果も変わるかもしれません。あくまで今回手元にあるデータから推測をするとどうなるかという分析です。