ANOVA計算機：一元配置分散分析（One-Way ANOVA）のステップ解説ガイド
ANOVA計算機は、3つ以上のグループの平均が偶然によるばらつきだけでは説明できないほど異なっているかどうかを判定するツールで、本来なら何度も繰り返すことになる対応のないt検定を、1つの共通した誤り率をもつ1回の検定にまとめてくれます。AとB、次にAとC、さらにBとC……と個別に比較し、比較を追加するたびに偽陽性の確率を膨らませる代わりに、一元配置分散分析は全体のばらつきを2つに分解します。すなわち、グループ平均どうしの間のばらつきと、各グループ内部のばらつきです。本ガイドでは、平方和・自由度・平均平方・F比という完全なANOVA表を、実際の数値を使った1つの計算例で手計算しながら組み立てます。そのうえで、結果の読み方、事後検定、ANOVAが前提とする仮定、よくある間違い、そして答え合わせつきの練習問題までを解説します。
目次
- 01ANOVA計算機とは何か、どんなときに必要になるのか？
- 02ANOVA計算機はステップごとにどう動くのか？
- 03SS_between と SS_within は実際に何を測っているのか？
- 04一元配置ANOVA表はどう作るのか？
- 05F比の解釈とANOVA表の読み方は？
- 06事後検定とは何か、ANOVAが有意だった後になぜ必要なのか？
- 07ANOVA対t検定：t検定を複数回やればいいのでは？
- 08ANOVAはどんな仮定を必要とするのか？
- 09手計算でANOVAを行うとき避けるべき間違いは？
- 10練習問題：これらの一元配置ANOVAの設定を解けますか？
- 11SolvifyはANOVAの問題の確認をどう助けてくれるのか？
ANOVA計算機とは何か、どんなときに必要になるのか？
ANOVA（分散分析／Analysis of Variance）計算機は、3つ以上の独立したグループの平均が統計的に異なるかどうかを、個別の比較を何度も繰り返す代わりに1回の検定で判定します。「一元配置（One-way）」とは、グループが1つのカテゴリ要因——たとえば指導方法、肥料の種類、クラスの区分など——によって定義されていることを意味します。これに対して二元配置分散分析は2つの要因を同時に組み合わせ、要因間の交互作用も検定できます。 一元配置分散分析が必要になるのは、連続量の結果変数を3つ以上のグループで測定し、その平均が偶然以上に異なるかどうかを知りたい場合です。よくある例としては、指導方法ごとの試験点数の比較、肥料ブランドごとの植物の成長の比較、年齢層ごとの反応時間の比較などがあります。グループが2つしかないなら単純なt検定で十分です。ANOVAが本領を発揮するのは3つ目のグループが比較に加わった瞬間で、まさにそこからt検定の繰り返しが不適切になり始めるからです。
一元配置分散分析は「3つ以上のグループ平均は異なるか？」という単一の問いを、グループ間のばらつきとグループ内のばらつきを比較することで、1つの共通した誤差項を使って検定します。
ANOVA計算機はステップごとにどう動くのか？
このガイド全体を通して使う計算例では、20点満点の小テストで3つの指導方法を比較します。12人の生徒を3つの方法のいずれかにランダムに割り当て（各グループ n = 4、全体 N = 12）、小テストの点数を記録しました。 方法A：8, 9, 11, 12 — 方法B：13, 14, 14, 15 — 方法C：17, 18, 18, 19
1. ステップ1 — 各グループの合計と総合計を求める
グループAの合計 = 8+9+11+12 = 40、平均 = 40÷4 = 10。グループBの合計 = 13+14+14+15 = 56、平均 = 56÷4 = 14。グループCの合計 = 17+18+18+19 = 72、平均 = 72÷4 = 18。総合計 = 40+56+72 = 168、全体平均 = 168÷12 = 14。
2. ステップ2 — SS_total を計算する
SS_total = Σ(各データ値 − 全体平均)²。全体平均14からのグループAの偏差：(8−14)²=36、(9−14)²=25、(11−14)²=9、(12−14)²=4、小計 = 74。グループBの偏差：(13−14)²=1、(14−14)²=0、(14−14)²=0、(15−14)²=1、小計 = 2。グループCの偏差：(17−14)²=9、(18−14)²=16、(18−14)²=16、(19−14)²=25、小計 = 66。SS_total = 74+2+66 = 142。
3. ステップ3 — SS_between（グループ所属で説明されるばらつき）を計算する
SS_between = Σ n_i(グループ平均 − 全体平均)² = 4(10−14)² + 4(14−14)² + 4(18−14)² = 4(16) + 4(0) + 4(16) = 64+0+64 = 128。
4. ステップ4 — SS_within（各グループ内部に残るばらつき）を計算する
SS_within = Σ(各データ値 − そのグループ自身の平均)²。グループA（平均10）：(8−10)²=4、(9−10)²=1、(11−10)²=1、(12−10)²=4、小計 = 10。グループB（平均14）：(13−14)²=1、(14−14)²=0、(14−14)²=0、(15−14)²=1、小計 = 2。グループC（平均18）：(17−18)²=1、(18−18)²=0、(18−18)²=0、(19−18)²=1、小計 = 2。SS_within = 10+2+2 = 14。
5. ステップ5 — 恒等式で検算する
SS_between + SS_within は SS_total と一致するはずです：128 + 14 = 142 となり、ステップ2で計算した SS_total とぴったり合致します。この恒等式は、表の残りを作り始める前に計算ミスを見つけるいちばん速い方法です。
一元配置分散分析では、SS_total は必ずちょうど2つに分解されます。SS_between（グループ平均どうしの差）と SS_within（各グループ内部のノイズ）です。今回は 128 + 14 = 142 で、きちんと一致しています。
SS_between と SS_within は実際に何を測っているのか？
SS_between は、各グループの平均が全体平均からどれだけ離れているかを、グループのサイズで重み付けして測ります。グループどうしが本当に異なっているほど大きな値になります。SS_within は、他のグループを一切考慮せず、個々のスコアが自分のグループ内でどれだけばらついているかを測ります。これは、生徒がどの指導方法を使ったかとは無関係な自然なばらつきを反映しています。 この計算例では SS_between（128）が SS_within（14）のおよそ9倍あり、F比を計算する前の段階ですでに、3つの指導方法が単なるノイズではなく本当に異なる結果を生んでいるという強いサインになっています。もし逆に SS_within が SS_between を大きく上回っていたなら、グループどうしが大きく重なり合っており、平均の差はおそらく偶然によるものだと示唆されます。
SS_within に対して SS_between が大きいことは、本物の効果が存在することの視覚的なサインです。逆に SS_between に対して SS_within が大きい場合は、たいていグループが重なりすぎていて区別できないことを意味します。
一元配置ANOVA表はどう作るのか？
SS_between、SS_within、SS_total が計算できたら、あとは自由度（df）、平均平方（MS = SS ÷ df）、そしてF比（F = MS_between ÷ MS_within）から表が組み上がります。グループ数 k = 3、全観測数 N = 12 の場合は次のとおりです。
1. ステップ1 — 自由度
df_between = k − 1 = 3 − 1 = 2。df_within = N − k = 12 − 3 = 9。df_total = N − 1 = 11。検算：2 + 9 = 11。✓
2. ステップ2 — 平均平方
MS_between = SS_between ÷ df_between = 128 ÷ 2 = 64。MS_within = SS_within ÷ df_within = 14 ÷ 9 ≈ 1.56。MS_within は平均平方誤差（MSE）とも呼ばれ、純粋なランダムばらつきについて得られる最良の推定値です。
3. ステップ3 — F比
F = MS_between ÷ MS_within = 64 ÷ 1.56 ≈ 41.1。この比は、グループ所属によって説明されるばらつきの大きさを、偶然だけで期待されるばらつきの大きさと比較しています。
4. ステップ4 — 臨界F値と比較する
α = 0.05 のとき、臨界値は F(2, 9) ≈ 4.26（F分布表より）です。F ≈ 41.1 は 4.26 を大きく上回るため、結果は統計的に有意です——3つの指導方法は等しい平均点をもたらしてはいません。
変動要因 | SS | df | MS | F 群間 | 128 | 2 | 64 | 41.1 群内 | 14 | 9 | 1.56 | — 全体 | 142 | 11 | — | —
F比の解釈とANOVA表の読み方は？
F比が1.0に近いということは、グループ間のばらつきがグループ内の自然なノイズとほぼ同じ大きさであることを意味し、本物の効果の証拠はありません。ここで得られた41.1のように1.0を大きく上回るF比は、グループ平均どうしの差がランダムなばらつきだけで生じる範囲をはるかに超えていることを意味し、だからこそ臨界値をやすやすと超えるのです。 p値は同じ内容を別の単位で語ります。すなわち、3つの母平均が本当に等しいと仮定したときに、これほど大きい（またはそれ以上の）F比が観測される確率です。F(2,9) = 41.1 では p値は 0.001 をはるかに下回るため、「方法A、B、Cはすべて同じ平均点をもたらす」という帰無仮説は棄却されます。ただし有意なF比が教えてくれるのは、少なくとも1つのグループが少なくとも他の1つと異なるということだけです。どのグループが異なるのかは分からず、それこそ次に扱う事後検定が答える問いです。
有意なF比が答えるのは「グループ間に差があるか？」だけで、「どのグループに差があるか？」には決して答えません。2つ目の問いは事後検定の担当です。
事後検定とは何か、ANOVAが有意だった後になぜ必要なのか？
全体のF検定が有意になったら、事後検定によってすべてのグループのペアを比較しつつ、全体としての誤り率を制御します。もっともよく使われるのはテューキーのHSD（Honestly Significant Difference）検定です。補正なしに3回の個別t検定（A対B、A対C、B対C）を実施すると、比較を追加するたびに偽陽性の可能性が加わるため、本当の第一種の過誤率は意図した5%をかなり上回ってしまいます。 この計算例では、3つのグループ平均——10、14、18——はちょうど4点ずつ等間隔に離れており、MS_within がこれほど小さい（1.56）ため、テューキーのHSDによる比較では3つのペアの差（A対B、B対C、A対C）すべてが有意と判定される可能性がきわめて高いでしょう。正確なHSD臨界値はステューデント化された範囲の表に依存しますが、ここでのパターン——グループ内ノイズがごくわずかな中で3つの平均が大きく離れている——は、すべてのペアに差が出る教科書的なケースです。
ANOVA表からペアごとのグループ差を直接解釈してはいけません。F検定だけでは、どの具体的なペアに差があるかは分かりません。それには専用の事後検定が必要です。
ANOVA対t検定：t検定を複数回やればいいのでは？
2標本t検定は一度に厳密に2つの平均を比較します。グループが3つあるとき、3回の個別t検定（A-B、A-C、B-C）を実施するのは近道に見えますが、それぞれの検定が独自に5%の偽陽性の可能性を抱えています。α = 0.05 で独立した検定を3回行うと、純粋に偶然によって少なくとも1つが「有意」と出る確率は 1 − (0.95)³ ≈ 14.3% まで上昇し、意図した誤り率の約3倍になります。グループが5つ、ペア比較が10通りになれば、この膨らんだ誤り率はさらに上がります。 ANOVAはすべてのグループ平均を1回のF検定で検定することでこの問題を解決し、グループ数がいくつであっても全体の第一種の過誤率を設定したα水準に保ちます。その単一の検定が有意になって初めて事後比較に進み、そこではファミリーワイズの誤り率を抑えるために専用に設計された補正済みの臨界値を使います。この余分な手間に見合う価値はあるのでしょうか？3つ以上のグループを比較するどんな場面でも、答えはイエスです。そうしなければ、気づかないまま偽陽性率が膨らんでしまいます。
1回のANOVAの代わりに k(k−1)/2 回の個別t検定を行うと、実際の誤り率は5%を大きく超えます。比較するグループが増えるほど、この膨張は悪化します。
ANOVAはどんな仮定を必要とするのか？
一元配置分散分析は3つの仮定の上に成り立っており、これらが破られると、p値が本来主張しているはずの意味を持たなくなることがあります。
1. 観測値の独立性
各データ点は、それぞれ異なる無関係な対象や測定から得られたものでなければなりません。たとえば同じ生徒に複数の方法を試して繰り返し測定した場合は独立性に反し、代わりに反復測定分散分析が必要になります。
2. 各グループ内での正規性
各グループ内のスコアはおおむね正規分布に従っているべきで、ここで使った n = 4 のような小標本では特に重要です。実務ではヒストグラム、Q-Qプロット、シャピロ・ウィルク検定で確認できます。
3. 分散の等質性
すべてのグループのばらつき（分散）がおおよそ等しい必要があります。標準的な確認方法はルビーン検定（Levene's test）です。グループ間で分散が大きく異なる場合は、等分散を仮定しないウェルチのANOVAを選ぶほうが安全です。
グループのサイズが等しい場合、ANOVAは正規性の軽度な逸脱にはかなり頑健です。しかし、分散の不均一とグループサイズの不揃いが組み合わさると、誤解を招くF比がもっとも生じやすくなります。
手計算でANOVAを行うとき避けるべき間違いは？
手計算であれANOVA計算機での確認であれ、一元配置分散分析の誤った結果の大半は、ごく限られた種類のミスによって生じます。
1. 間違い1 — F比で SS_between と SS_within を取り違える
Fは常に MS_between ÷ MS_within であり、その逆ではありません。比を逆にすると、本物の効果を示す大きなF比ではなく、なんの変哲もなく見える1.0未満の数値が出てしまいます。
2. 間違い2 — 誤った自由度を使う
df_between はグループ数（k − 1）を使い、df_within は全標本サイズからグループ数を引いた値（N − k）を使います。これらを入れ替えると、臨界値の参照もその後の結論もすべて変わってしまいます。
3. 間違い3 — 有意なF比を「すべてのグループが互いに異なる」と解釈する
全体のFが有意であることが保証するのは、少なくとも1組のグループに差があるということだけです。事後検定を行わずに3つの指導方法すべてが互いに異なると結論づけるのは、必要な手順を飛ばしています。
4. 間違い4 — SS_total の恒等式による検算を省く
SS_between + SS_within は SS_total と一致しなければなりません。一致しない場合は、どこか手前で平方和の計算を誤っているということであり、そのミスが誤ったF比へと膨らむ前に見つけられます。
どんなF比でも信用する前に、SS_between + SS_within = SS_total を確認しましょう。この恒等式が成り立たないなら、自由度や平均平方に手をつける前に平方和を直してください。
練習問題：これらの一元配置ANOVAの設定を解けますか？
答えを見る前に、それぞれの場面を自分で解いてみてください。3問とも上の計算例と同じ公式を使います。
1. 問題1 — 欠けている平方和を求める
SS_total = 200、SS_between = 150 のとき、SS_within を求めなさい。答え：SS_within = SS_total − SS_between = 200 − 150 = 50。
2. 問題2 — 自由度と平均平方を計算する
ある研究で、各グループ5人ずつ（N = 20）の生徒を使って4つの指導方法（k = 4）を比較します。SS_between = 60、SS_within = 40 のとき、df_between、df_within、MS_between、MS_within を求めなさい。答え：df_between = k−1 = 3、df_within = N−k = 16、MS_between = 60÷3 = 20、MS_within = 40÷16 = 2.5。
3. 問題3 — 有意性を判定する
問題2の値を使い、臨界値 F(3,16) ≈ 3.24 のもとで α = 0.05 における F を計算し、有意性を判定しなさい。答え：F = MS_between ÷ MS_within = 20 ÷ 2.5 = 8.0 で、3.24 を上回るため、4つの指導方法には統計的に有意な差があります。
指導方法の比較のような小さな3グループの例でも、一度は一元配置分散分析を手計算しておくと、その後に得られる計算機の出力を、ブラックボックスとして鵜呑みにするのではなく簡単に妥当性チェックできるようになります。
SolvifyはANOVAの問題の確認をどう助けてくれるのか？
このガイドの平方和のロジックを理解したうえで、SolvifyのAI搭載ソルバーにデータセットや途中まで埋めたANOVA表の写真を渡せば、同じ SS_between、SS_within、F比の計算をステップごとにたどってくれます。自分の手計算の結果と突き合わせることで、実験レポートや宿題として提出する前に計算ミスを見つけられます。
統計に自信をつけるいちばんの近道は、まず1問を手で解き、計算機は検算のためだけに使うことです。その逆ではありません。
関連記事
関連する数学ソルバー
スマートスキャン・ソルバー
データセットやANOVA表の写真を撮るだけで、ステップごとの解説がすぐに得られます。
ステップ式の解答
最終的な有意性の結果だけでなく、すべての平方和とF比について詳しい説明が得られます。
AI数学チューター
事後検定、仮定、ANOVA表のどのステップについても、納得できるまで追加質問ができます。