カイ二乗検定・p値計算

カイ二乗検定・p値計算

2×2〜10×10の分割表や適合度検定データから、カイ二乗値（χ²）、p値、期待度数、クラメールの連関係数（V）を瞬時に算出します。

クイックプリセット
有意水準（α）
分割表クロス集計マトリクス
行数
2
列数
2
行ラベル合計
1000
1000
合計28517152000
総サンプル数2000
コクランの基準：適合
棄却限界値・p値逆算ソルバー
逆算エンジン

目標とする有意水準（p値）や効果量から、必要な度数・サンプルサイズを逆算します。

標本拡大倍率1.0x
0.2x1.0x (現在の標本規模)5.0x
予測カイ二乗値8.29
予測P値0.0040
必要サンプル数 0.05:928 名現在の比率に基づく試算
検出力80%に必要なサンプル数1846 名統計的検出力の標準目安（一般的に80%以上）
Cohen's w0.064(効果量：微小)
推定検出力82.1%
カイ二乗値8.2860棄却限界値 3.841
P値0.0040しきい値 0.05
自由度1(r-1)×(c-1)
クラメールのV0.0644弱い関連
統計的に有意な差あり
算出されたp値が有意水準を下回っているため、単なる偶然の偏りではなく統計的に有意な差（関連性）が認められます。
カイ二乗分布曲線と棄却域
棄却域観測度数
χ²_crit = 3.84χ² = 8.290471114
標準化残差ヒートマップ
オッズ比0.690信頼区間: [0.54 - 0.89]
相対リスク0.727信頼区間: [0.58 - 0.90]
絶対リスク減少率4.5%治療必要数: ~22
フィッシャーの直接確率検定0.0048期待度数5未満のセルが含まれる場合はフィッシャーの直接確率検定を推奨
コホート区分ConvertedBounced
Control Page (A)
観測度数:120
期待度数:142.5
Zスコア:-2.88
寄与度:43%
観測度数:880
期待度数:857.5
Zスコア:2.88
寄与度:7%
Variant Page (B)
観測度数:165
期待度数:142.5
Zスコア:2.88
寄与度:43%
観測度数:835
期待度数:857.5
Zスコア:-2.88
寄与度:7%
期待度数超過下段：期待度数中立
カイ二乗値（χ²）

観測度数と期待度数の乖離度を示す検定統計量です。自由度と照らし合わせてp値を算出します。

前提条件（コクラン基準）

すべてのセルの期待度数が基準（5以上、または5未満が20%以下）を満たしており、検定の信頼性が保たれています。

効果量（クラメールのV）

サンプルサイズに依存しない変数間の連関の強さを示します（0: 連関なし 〜 1: 完全連関）。

免責事項

本ツールの計算結果は学術研究および統計分析の補助を目的としています。医療上の判断、臨床試験、またはビジネス上の重大な意思決定には、専門の統計ソフトウェアおよび有資格者による確認を行ってください。

ブラウザ内高速処理

高度な統計計算をすべてブラウザのメモリ上で完結させ、瞬時に結果を出力します。

サーバー送信ゼロの安心設計

すべてのデータは端末ローカル内のみで処理され、外部サーバーへの送信は一切行われません。

実務・論文対応エクスポート

学術論文や統計レポート、分析業務にそのまま活用できる最適化フォーマットで出力します。

技術リファレンス・アーキテクチャガイド

カイ二乗検定・p値計算ガイド — 技術リファレンス

2×2から10×10の分割表や適合度検定データから、カイ二乗統計量、p値、期待度数、クラメールの連関係数（V）を瞬時に算出・検定します。

カイ二乗検定・p値計算ガイド — 技術リファレンス — クライアントサイド完全ローカル実行アーキテクチャ図
カイ二乗検定・p値計算ガイド — 技術リファレンス — クライアントサイド完全ローカル実行アーキテクチャ図

主要パラメータと設定項目

観測度数（O_ij）実測度数（0以上の整数）

各カテゴリに集計された実測の観察度数です。統計的妥当性を担保するため、重み付けのない0以上の整数（カウント数）を入力してください。割合（%）、比率、標本平均などを入力すると統計量が人為的に歪み、標準誤差の算出が無効になります。

初期値: 非負の整数（例：25、40）
有意水準（α）判定しきい値確率（0〜1）

独立性の帰無仮説を棄却する際の許容誤警報確率（第1種の過誤率）です。一般的な科学研究ではα = 0.05（誤警報リスク5%）が基準ですが、厳格な医療・臨床試験ではα = 0.01（同1%）、探索的スクリーニングではα = 0.10が設定されます。

初期値: 0.05
自由度（df）独立変動次元数（正の整数）

行および列の周辺合計を固定した条件下で、自由に変量できるセルの数です。r × c 分割表では (r - 1) × (c - 1)、1 × k の適合度検定では (k - 1) として算出されます。自由度が高くなるほど、カイ二乗値の有意判定臨界値もしきい値が上がります。

初期値: (r - 1) × (c - 1)
期待度数（E_ij）理論参照度数（0より大きい実数）

統計的独立が成り立つと仮定した場合の理論上の度数です：E_ij =（行合計 × 列合計）/ 全標本サイズ（N）。コクランの基準（Cochran's rule）では、全セルの80%以上で E_ij ≥ 5 であり、かつすべてのセルで E_ij ≥ 1 であることが求められます。

初期値: コクランの基準により ≥ 5

現場のベストプラクティス・実践Tips

大規模データ（N > 10,000）における偽陽性の防止

標本サイズが肥大化するとカイ二乗検定のp値はゼロへ極限収束します。1万人規模のデータでは、実務上無意味なわずか0.2%の嗜好差であっても p < 0.001 の極めて有意な結果が出ます。p値だけでなく必ずクラメールの連関係数（V）を併せて確認してください。Vが0.10未満であれば、名目上の統計的有意性にかかわらず実務的な関連性は無視できるレベルです。

実測カウントの絶対原則：割合（%）や比率は入力不可

正確な観測度数の代わりに丸めた割合（45%や55%など）を入力すると、カイ二乗計算式の分母が根本から破綻します。カイ二乗統計量は全標本サイズNの大きさに直接依存します。割合を度数として代入すると標本数Nが強制的に100に縮小され、実際には数千人を調査しているにもかかわらず『有意差なし』という偽陰性を人為的に引き起こします。

調整済み残差による特異セルの特定

全体検定でp値が有意（p < 0.05）であっても、それは『独立ではない』ことを示すだけで、どのカテゴリが乖離を生んでいるかは示しません。ハーバーマンの調整済み標準化残差（z_adj）を確認してください。絶対値 |z| > 1.96（有意水準1%では |z| > 2.58）を示すセルが、検定全体を有意に導いている統計学的に有意な過剰または不足セルの本体です。

ピアソン法を回避しフィッシャーの正確確率検定を用いる基準

2×2分割表において全標本サイズ N < 40、またはいずれかのセルの期待度数が5未満に落ち込む場合、通常のピアソンのカイ二乗検定およびイェーツ補正はいずれも数学的近似精度を失います。連続分布近似に頼らず超幾何分布から直接確率を計算する『フィッシャーの正確確率検定』を使用してください。

よくある落とし穴とトラブルシューティング

⚠️コクランの基準違反警告：期待度数が5未満のセルが全体の20%を超えている

期待度数が小さすぎるとカイ二乗値が過大評価され、見せかけの有意差（偽陽性）が生じます。2×2分割表の場合は、迷わずフィッシャーの正確確率検定を実施してください。3×3や4×4などの多元分割表の場合は、論理的または臨床的に近しいカテゴリ（例：『めったにない』と『全くない』）を統合・縮約して度数を合算し、全セルの80%以上で E_ij ≥ 5 を満たすように再編成してください。

⚠️ゼロ除算または統計量未定義：行または列の周辺合計がゼロ

すべてのセルが0である行や列が存在すると、その周辺合計が0となり、期待度数 E_ij = 0 となって数式上でゼロ除算が発生します。データが全く存在しない不要な行または列を分割表から削除するか、観測データの入力ミスがないか再確認してください。

⚠️通常のピアソンχ²検定とイェーツ補正p値の間で判定に乖離がある

イェーツの連続性補正は、2×2分割表において離散値である度数と連続曲線であるカイ二乗分布の誤差を埋めるため、偏差絶対値から0.5を減算（|O - E| - 0.5）します。これによりχ²値が意図的に縮小され、より保守的な（大きめの）p値が算出されます。小標本（N < 100）ではイェーツ補正またはフィッシャーの正確確率検定を信頼し、大規模な臨床登録や調査（N > 200）では補正なしのピアソンχ²検定を採用するのが標準的です。

よくある質問 (FAQ)

分割表からカイ二乗統計量とp値を計算する手順は？▼

カイ二乗統計量およびp値は次の手順で算出します：1) 各行・各列の観測度数を合計して周辺合計および全標本サイズ（N）を求めます。2) 各セルの期待度数を E_ij =（行合計 × 列合計）/ N によって算出します。3) 各セルについて (O_ij - E_ij)² / E_ij を計算し、それらをすべて合算してカイ二乗値（χ²）を求めます。4) 自由度 df =（行数 - 1）×（列数 - 1）を決定します。5) 自由度dfにおけるカイ二乗分布の上側確率（生存関数）を計算します：p = P(X² ≥ χ² | df)。p ≤ 0.05 であれば、2変数間に統計学的に有意な関連性があると判断されます。

実務的な効果量を測るクラメールの連関係数（V）の目安は？▼

クラメールの連関係数（V）の基準値は、有効自由度 df* = min(行数 - 1, 列数 - 1) によって異なります。標準的な2×2分割表（df* = 1）の場合、V = 0.10で小さい効果、V = 0.30で中程度の関連、V ≥ 0.50で強い実務的関連を示します。3×3分割表などの多元表（df* = 2）では、カテゴリが増えるにつれて分散が分散されるため基準値は下がり、0.07（小）、0.21（中）、0.35（大）が判断の目安となります。

カイ二乗の『独立性の検定』と『適合度検定』の違いは何ですか？▼

独立性の検定は、2次元の分割表（r × c）を用いて2つのカテゴリ変数間に相互の関連性があるかを検証する検定であり、自由度は df = (r - 1) × (c - 1) を使用します。これに対し、適合度検定は単一の変数（1 × k）を対象とし、観測度数が理論的な期待比率や既知の母集団分布（例：曜日ごとの均等分布やメンデルの遺伝法則比など）に適合しているかを検証する検定で、自由度は df = k - 1 を使用します。

2×2分割表でイェーツの連続性補正を適用すべきケースは？▼

イェーツの連続性補正は、離散的な二項度数を連続的なカイ二乗分布で近似する中規模標本（Nが40〜200程度）の2×2分割表に適用されます。|O - E| から0.5を差し引くことで、有意性を過大評価（第1種の過誤）するリスクを抑制します。ただし、極小標本（N < 40 または E_ij < 5）ではフィッシャーの正確確率検定が推奨され、大規模標本（N > 200）では過度な補正となり有意差を検出しにくくなるため適用不要です。

期待度数が5未満になった場合の対処法は？▼

分割表のセルの20%以上で期待度数が5未満になった場合（コクランの基準違反）、通常の漸近的カイ二乗近似は信頼性を失います。2×2分割表であれば直ちに超幾何確率を直接算出するフィッシャーの正確確率検定に切り替えてください。3×4などの多分割表の場合は、概念的に近い隣接カテゴリ（例：『強く反対』と『反対』など）を統合して度数を合算し、期待度数を5以上に底上げして再検定を行います。

調整済み標準化残差はどのように有意差の要因セルを特定しますか？▼

調整済み標準化残差（ハーバーマンのz値）は、(O_ij - E_ij) を漸近標準誤差で除算することで算出されます：z = (O_ij - E_ij) / √[E_ij(1 - R_i/N)(1 - C_j/N)]。ハーバーマンのz値は標準正規分布 N(0,1) に従うため、絶対値 |z| > 1.96 のセルは有意水準5%（α = 0.05）で有意な乖離を示し、|z| > 2.58 のセルは有意水準1%（α = 0.01）で有意な偏りを示していると判定でき、カイ二乗検定全体を有意たらしめた要因セルを明確に特定できます。

関連開発者ツール

全ツール一覧 →
カテナリー弛度・張力計算engineering

架空線の弛度（たるみ）と張力をリアルタイムに解析・可視化するカテナリー計算シミュレーターです。

ツールを開く→
デュレーション・コンベキシティ計算finance

固定利付債のマコーレー・デュレーション、修正デュレーション、コンベキシティ、DV01を精密に計算。テイラー展開による厳密な価格再評価を用いて、イールドカーブの金利ショックをシミュレーションします。

ツールを開く→
ベーカーズパーセント計算機culinary

パン生地のベーカーズパーセント算出と配合スケーリングを、ブラウザ上でリアルタイムに解析・可視化する計算ツールです。

ツールを開く→
容積重量・請求重量計算converter

荷物の寸法と実重量から容積重量・請求重量をリアルタイムに自動算出し、梱包最適化や配送コスト削減をブラウザ上で即座に分析・可視化します。

ツールを開く→
コンテナ積載・CBM計算ユーティリティ

20ft・40ft・40HQコンテナの容積（CBM）と積載効率を瞬時に計算。段ボール箱の配置、パレット積載数、最大積載重量、バンニング計画を最適化します。

ツールを開く→
CBM計算（容積重量・CFT）converter

航空貨物・海上LCL・国際エクスプレスのCBM（立方メートル）、CFT（立方フィート）、容積換算重量（チャージャブルウェイト）を高精度に計算。20ft/40ftコンテナの積載効率（バンニング）を最適化します。

ツールを開く→