1 概要
1.1 カイ二乗検定の目的
カイ二乗検定は、カテゴリ分類されたデータについて、観測された度数のパターンが偶然だけで生じたとみなせるかを評価するための手法である。主眼は「ズレ」の有無を統計的に判定する点にあり、カテゴリ間の関係や、あらかじめ想定した分布への適合の程度、複数集団の分布の同一性などを対象とする。
この検定は、確率分布の厳密な形を直接推定するのではなく、期待される頻度（仮説に基づく理論的な見込み）と観測度数（実測値）の乖離を集計して判断する。結果として得られるp値や棄却域は、仮説が成り立つ場合に、同程度またはそれ以上に大きなズレがどの程度起こりうるかという確率に対応する。
1.2 カイ二乗統計量の考え方
1.2.1 観測度数と期待度数
カテゴリごとに数え上げた観測度数を \(O_i\)、仮説に基づいて算出した期待度数を \(E_i\) とする。期待度数は、たとえば独立性仮説の下では周辺分布から導かれ、適合度の検定では想定分布の確率に総数を掛けて得られる。カイ二乗検定では、これらの差をカテゴリ単位で見て、全体としてどれほど偏っているかを合算する。
期待度数は仮説に依存するため、検定の設計では「何が正しいと仮定しているのか」を明確にすることが重要となる。たとえば独立性なら行と列の独立、適合度なら特定の理論分布、同一性なら集団間の同じ分布といった前提が期待度数に反映される。
1.2.2 差の大きさを数値化する仕組み
ズレの大きさを数値化する代表的なカイ二乗統計量は次の形で表される。 \[ \chi^2=\sum_i \frac{(O_i-E_i)^2}{E_i} \] 分子は観測と期待の差の二乗で、負のズレも正の量として扱われる。分母に期待度数 \(E_i\) が入ることで、同じ程度の差でも期待が小さいカテゴリほど相対的に大きな影響を与える設計になっている。結果として、カテゴリ全体で「どれだけ仮説から外れているか」が単一の統計量に集約される。
この統計量は、（検定対象や前提が満たされる範囲で）帰無仮説が成り立つときに近い確率特性を持つ。そのため、自由度を決めることでカイ二乗分布に照らした判断が可能になる。
1.3 自由度と分布
カイ二乗検定では、統計量 \(\chi^2\) が帰無仮説のもとで概ねカイ二乗分布に従うとされる。その分布を用いるために必要なのが自由度であり、検定の種類（適合度か独立性か同一性か）と制約条件の数によって決まる。
自由度の設定は重要である。自由度が適切でない場合、棄却域やp値の評価がズレ、誤った結論につながりうる。したがって、カテゴリ数や推定により使われるパラメータの数、固定している周辺情報の有無などを反映させて自由度を算出する必要がある。
2 種類と用途
2.1 適合度の検定
2.1.1 事前に想定した分布との比較
適合度の検定は、観測度数がある理論分布（あるいは比率）に従うかどうかを調べる。カテゴリのそれぞれに対して想定確率 \(p_i\) を与え、期待度数 \(E_i = N p_i\) を計算して観測 \(O_i\) と比較する。
用途としては、たとえば複数カテゴリに分かれた結果が特定のモデルの予測と整合するか、製造工程の出力割合が規格の想定と一致するか、などが挙げられる。想定分布がパラメータを含む場合、その推定方法に応じて自由度が調整されることがある。
2.2 独立性の検定
2.2.1 2変数の関連の有無の評価
独立性の検定は、2つのカテゴリ変数（行と列に対応）に関連があるかどうかを判定する。たとえば行変数が「属性区分」、列変数が「別の分類区分」である場合、独立であればある行の条件下での列の分布は全体と同じになるはずである。このとき期待度数は周辺度数から \(E_{ij} = \frac{(\text{行合計})_i (\text{列合計})_j}{N}\) の形で求められる。
この検定は、関連の存在を示す統計的証拠を提供するが、因果関係を直接結論づけるものではない。観測された関連の有無を示す目的に適しており、交差表（クロス表）を用いた分析と相性が良い。
2.3 同一性（分布比較）の検定
2.3.1 複数サンプルの度数分布の比較
同一性の検定は、複数の集団においてカテゴリ分布が同じであるかを評価する。たとえば集団Aと集団B、あるいはそれ以上の複数集団に対して、それぞれのカテゴリ度数を並べる。帰無仮説では、どの集団でもカテゴリ確率の形が一致するとされるため、期待度数は全体の分布（プールした比率）から導かれる。
独立性の検定と似た交差表の枠組みで扱えるが、仮説の意味が異なる。独立性では「行と列の独立」を対象とし、同一性では「集団間の分布が同一」を対象とする。実務では目的に応じて区別して用いることが重要である。
3 手順と計算
3.1 仮説の設定
最初に、帰無仮説と対立仮説を明確に定める。帰無仮説は「観測度数が期待度数に一致する」（あるいは「差が偶然の範囲内」）といった形で表され、対立仮説は不一致が存在することを示す。
検定の種類により、帰無仮説の具体化が異なる。適合度なら想定分布への一致、独立性なら2変数の無関係、同一性なら集団間分布の一致が帰無仮説になる。対立仮説は「一致しない」ことを包含し、方向性（増える／減る）のような特定の主張は通常この枠組みには含めない。
3.2 分割表（クロス表）の作成
3.2.1 2×2表と多カテゴリ表
交差表は、カテゴリ変数の組み合わせごとに観測度数を配置した表である。2×2表は最も単純な場合で、各セルに4種類の組み合わせのカウントが入る。多カテゴリ表では行や列のカテゴリ数が増え、セル数が拡大する。
独立性の検定ではこの表が直接期待度数の算出に用いられる。適合度の検定でも、想定カテゴリに対応する単純な表（1列の形）で整理して計算できることが多い。どの形式であっても、カテゴリ境界がデータ生成の意味と整合しているかが前提になる。
3.3 検定統計量の算出
3.3.1 棄却の判断に至る計算過程
計算は概ね次の流れになる。期待度数 \(E_i\) を算出し、観測度数 \(O_i\) と比較して \((O_i-E_i)^2/E_i\) を各カテゴリ（または各セル）で求める。次にそれらを合算して \(\chi^2\) を得る。
その後、自由度に対応するカイ二乗分布を用いて、検定統計量がどれほど極端かを評価する。棄却域の設定が先にある場合は、臨界値と比較して棄却可否を決める。p値を用いる場合は、観測された \(\chi^2\) 以上が得られる確率を計算し、あらかじめ定めた有意水準と比較する。
3.4 p値と棄却域
p値は、帰無仮説が正しいと仮定したときに、観測された統計量と同程度以上の偏りが現れる確率である。小さいほど、帰無仮説はデータに合いにくいことを意味する。棄却域は、有意水準に対応して統計量がとりうる範囲のうち、一定の確率を持つ極端な部分を指す。
p値と棄却域は同じ判断を別の表現で示すものであり、どちらを採用しても結論は整合する。ただしp値は「帰無仮説が真である確率」ではないため、その点を取り違えると解釈が誤る。実務では、p値の大きさだけでなく、どのセルにどの程度ズレがあるかという観測構造もあわせて確認するのが一般的である。
4 前提条件と注意点
4.1 期待度数の条件
カイ二乗近似の妥当性は、期待度数の大きさに左右される。期待度数が極端に小さいカテゴリが多いと、理論分布との対応が崩れ、p値の精度が落ちる可能性がある。そのため、実施前に期待度数を確認し、条件に合わない場合はカテゴリをまとめる、別手法を検討する、といった対応を行う。
ただし一律の基準だけで機械的に判断するより、表の構造、カテゴリの数、サンプルサイズ、期待度数の最小値や分布の偏りなどを総合して判断することが望ましい。
4.2 観測の独立性
検定の前提には、観測が互いに独立であることが含まれる。たとえば同一個体から複数回得た測定が、セル計数に同じ影響を与える場合や、クラスター化したデータで群内相関が強い場合は、独立性が崩れうる。独立性が満たされないと、カイ二乗統計量の分布が想定からずれることがある。
調査設計上、単位が何であるか（個体、世帯、施設など）をはっきりさせ、それが解析単位として扱われているかを確認する必要がある。
4.3 カテゴリの集約と解釈
4.3.1 期待度数が小さい場合の扱い
期待度数が小さいセルがあると、近似精度が下がるため、カテゴリを集約して表の次元を縮めることがある。集約は期待度数を押し上げ、統計量の評価を安定させる効果がある。一方で、集約すると詳細な差の検出力が低下し、意味の解釈が粗くなる。
集約の判断は恣意的になりやすいので注意が必要である。事前の設計段階で「どのカテゴリが実質的に同種か」を根拠づけられる場合は妥当性が高まる。逆に事後的に都合のよい形に組み替えると、結果の信頼性が損なわれる。
4.4 効果量と実務的解釈
4.4.1 検定の有意性と実質的な関連度の違い
統計的有意性は、データが帰無仮説とどれほど整合しないかを示す指標であるが、実務上の重要度は別途評価する必要がある。有意でも効果が小さい場合は、意思決定に与える影響が限定的であることがある。また有意でなくても、サンプル不足やカテゴリ数の多さで検出力が不足している可能性がある。
効果量や関連度を示す指標、あるいはどのセルが主にズレているかを読み解くことで、現場に即した解釈が可能になる。たとえば確率差の方向性、カテゴリ間の偏りの大きさなどを、検定結果と組み合わせて検討することが有用である。
5 代表的な解釈の例
5.1 例：製品不良の要因探索
製造ラインで不良が「原因カテゴリ」と「部門」など複数の属性にまたがっている場合、交差表を作り独立性の検定で関連の有無を確認できる。例えば「不良タイプ（カテゴリ）」と「検査工程（カテゴリ）」が無関係なら、各工程での不良タイプの割合は全体比に沿うはずである。
検定で有意な偏りが見つかった場合、関連が疑われる工程や不良タイプのセルがどこかを観察することで、改善の優先順位をつける手がかりになる。ただし、検定は相関レベルの証拠であり、原因特定には工程条件の変更実験や追加の検証が必要になる。
5.2 例：アンケート結果の関連性確認
アンケートで得られた回答をカテゴリに整理すると、「居住地域」や「年代」と「満足度」などの関係を検討できる。独立性の検定により、属性区分と回答カテゴリの関連が統計的に検出されるかを評価できる。
ただし設問の意図や選択肢の並び、未回答の扱い（除外か別カテゴリ化か）によって解釈が変わりうる。さらに、回答者の偏りや調査方法の違いがあると、関連は観測されても対象集団全体への一般化に注意が必要である。
5.3 例：モデルの適合度チェック
機械学習や統計モデルの予測が、カテゴリ分布としてどれだけ現実の度数に近いかを検討したい場合、適合度の検定が利用されることがある。たとえば予測確率に基づく期待度数を作り、実測のカテゴリ度数との一致度合いを評価する。
ただし予測確率がモデルから出てくる場合、期待度数の算出に使った推定や学習の過程が検定の自由度調整に影響することがある。そのため、実装では検定の設定が「どの段階で未知量を推定したのか」を反映しているかを確認することが望ましい。
6 よくある誤り
6.1 検定結果を因果に結びつける誤解
カイ二乗検定は「ズレの大きさ」を用いているため、有意であってもそれは帰無仮説の下での偶然の説明が難しいことを意味するにとどまる。原因と結果の向きは直接示されないため、関連が見えたからといって介入や因果の結論を出すのは早い。
因果推論には、比較設計、ランダム化、交絡の制御など別の枠組みが必要になる。検定は仮説生成や追加検証の優先度付けには役立つが、因果の確定手段ではない。
6.2 カテゴリ化の恣意性による問題
カテゴリの切り方が解析の前提になるにもかかわらず、結果を都合よく見せるために事後的に閾値や区分を変えることがある。すると、期待度数と観測度数の比較が本来の意味からずれ、解釈の妥当性が損なわれる。
カテゴリ設計は、測定の性質、意思決定に必要な粒度、理論上の意味づけに基づくべきである。可能なら事前に区分基準を定め、変更点は分析記録として残すことが望ましい。
6.3 サンプルサイズと有意性の関係の誤読
サンプルが大きいほど、小さなズレでも統計量が大きくなりやすく、有意になりやすい傾向がある。逆にサンプルが小さいと、実際には差があっても検出されない場合がある。このため、有意かどうかのみで差の実質的な大きさを判断するのは誤りになりやすい。
実務では、関連度指標や効果量、信頼区間、あるいはズレの大きいカテゴリの特定を組み合わせて読むことで、統計的な結論を現場の意味へ落とし込める。
7 関連する統計手法
7.1 フィッシャーの正確確率検定との使い分け
2×2表の独立性などでは、フィッシャーの正確確率検定が代替として用いられることがある。これは小標本でも計算に近似誤差が入りにくい特徴を持ち、期待度数が小さい状況で有用になりうる。
一方、カイ二乗検定は計算が簡便で拡張性が高いが、前提条件に依存する。表の次元や期待度数の状態を見て、正確性を優先するならフィッシャー、検証の簡便性を優先しつつ条件を満たすならカイ二乗という観点で選択するのが一般的である。
7.2 尤度比検定との比較
尤度比検定は、モデルの当てはまりを比べる枠組みで、カテゴリデータに対しても適用されることがある。カイ二乗検定と同じ名前の「カイ二乗」的な分布を用いる場合があっても、背後の推定や仮説の表現が異なることがあるため、単純な同一視は避けるべきである。
実務では、どのモデルを帰無・対立としているか、推定したパラメータをどう扱うかが重要になる。尤度比検定のほうが柔軟なモデリングに向く場面もあるため、目的とデータの構造に応じた比較が必要となる。
7.3 連関指標・残差分析へのつなぎ方
カイ二乗検定で「差がある」ことが示された後には、どこでズレが起きているかを具体化するための補助分析が求められる。残差分析では、観測と期待の差がどのセルで大きいかを相対化して把握できる。また、連関指標（たとえば関連の強さを表す指標）を併用することで、検定の有意性を効果の大きさへと橋渡ししやすくなる。
これらの分析は、単なる統計量の読み替えにとどまらず、意思決定に必要な解像度を提供する役割を持つ。ただし残差の解釈では多重比較や解釈の飛躍が起こり得るため、注目セルの選び方や評価枠組みを意識することが望ましい。