1 基本概念
1.1 定義
共分散分析は、群間の平均差を比較しつつ、結果に影響しうる連続変数の効果を統計的に調整する手法である。分散分析の枠組みに回帰の考え方を取り入れ、背景の違いを補正したうえで処置や区分の差を評価する。
1.2 目的
主な目的は、群ごとの単純な平均比較では見えにくい差を、共変量の影響を除いた形で把握することである。これにより、初期値、年齢、環境条件などのばらつきがある状況でも、対象となる要因の効果をより適切に検討できる。
1.3 分散分析との関係
共分散分析は、分散分析を拡張した位置づけにある。通常の分散分析がカテゴリ要因による平均差に注目するのに対し、共分散分析はそこへ共変量を加えて誤差を小さくし、比較の精度を高める。
1.4 回帰分析との関係
回帰分析と同様に、共変量と応答変数の関係を線形に表す点が特徴である。ただし、回帰分析が変数間の関係そのものの推定を重視するのに対し、共分散分析は群効果の検定と調整後平均の比較に重点を置く。
2 数理的基礎
2.1 線形モデル
共分散分析は、応答変数を群効果、共変量、誤差項の和として表す線形モデルに基づく。一般には、カテゴリ要因と連続共変量を同時に説明変数として扱い、最小二乗法で係数を推定する。
2.2 共変量の役割
共変量は、応答に影響するが主要な関心対象ではない変数である。これをモデルに含めることで、群間差を比較する際に、共変量の違いによる混入を抑えられる。
2.3 調整平均
調整平均は、共変量を一定の基準値にそろえたと仮定したときの群平均である。実測平均とは異なり、条件を統一したうえでの比較値として解釈されるため、群の純粋な効果を見やすくする。
2.4 効果量
効果量は、群効果の大きさを示す指標である。共分散分析では、検定の有意性だけでなく、調整後にどの程度の差が残るかを示すために、部分平方和や説明率に基づく指標が用いられることがある。
3 前提条件
3.1 直線性
共変量と応答変数の関係は、モデル内でおおむね直線であることが求められる。強い曲線関係がある場合、単純な線形調整では十分に補正できない。
3.2 回帰傾きの平行性
群ごとに共変量の回帰傾きが等しいという仮定が重要である。群によって傾きが異なると、共変量の調整だけでは一律の比較が成立しにくく、交互作用の導入が必要になる。
3.3 独立性
各観測値は互いに独立であることが前提となる。関連した測定や同一対象からの反復データを無視すると、標準誤差や検定結果が歪むおそれがある。
3.4 分散の等質性
群ごとの誤差分散が大きく異ならないことが望ましい。分散の差が著しい場合、推定の安定性や有意性の判断に影響が及ぶ。
3.5 正規性
誤差項が概ね正規分布に従うと仮定する。標本数が十分に大きいと影響は緩和されることもあるが、著しい歪みや裾の重さは注意を要する。
4 モデルの構築
4.1 固定効果モデル
多くの共分散分析では、群要因を固定効果として扱う。これは、比較したい水準があらかじめ定まっている場合に適しており、特定の区分間の差を明確に評価しやすい。
4.2 共変量の選択
共変量は、理論的根拠や事前知識に基づいて選ぶのが基本である。結果に後から強く関連した変数を機械的に加えるだけでは、解釈が不安定になりやすい。
4.3 交互作用の検討
群と共変量の交互作用を調べることで、傾きの平行性が保たれているかを確認できる。交互作用が有意であれば、群ごとに共変量の効果が異なる可能性がある。
4.4 変数変換
直線性や分散の均一性が満たされにくい場合、対数変換や平方根変換などが検討される。変換は分布の歪みを和らげることがあるが、結果の解釈は変換尺度に依存する。
5 推定と検定
5.1 パラメータ推定
係数推定では、群効果と共変量効果を同時に求める。最小二乗推定が一般的で、誤差平方和を小さくするようにパラメータが決定される。
5.2 仮説検定
中心的な検定対象は、共変量で調整した後も群間差が残るかどうかである。通常は群効果の帰無仮説を設定し、F検定などで判断する。
5.3 調整後平均の比較
調整後平均の比較では、共変量を共通の基準に置いた群平均を並べて評価する。これにより、単純平均では不均衡だった比較が、条件をそろえた形で行える。
5.4 多重比較
複数群を比較する際は、多重比較による第一種の誤りの増加に注意する必要がある。必要に応じて補正手法を用い、どの群間差が有意かを慎重に判定する。
6 代表的な種類
6.1 一元配置共分散分析
一つの群要因と一つ以上の共変量を扱う基本形である。単純な処置比較や条件比較で広く用いられる。
6.2 二元配置共分散分析
二つのカテゴリ要因を同時に扱い、それぞれの主効果や交互作用を評価する形である。共変量を加えることで、複数要因の影響を整理しやすくなる。
6.3 繰り返し測定を含む場合
同一対象を複数回測定するデータでは、観測間の相関を考慮する必要がある。通常の独立観測の枠組みをそのまま使うのではなく、反復測定に対応した拡張が求められる。
6.4 共変量が複数ある場合
複数の連続変数を同時に調整することもできる。各共変量の影響を個別に見ながら、群比較をより精密に行う構成である。
7 応用分野
7.1 心理学
心理学では、事前得点や個人差を調整して介入効果を比較する際に使われる。実験条件のばらつきを抑え、介入の純粋な寄与を見やすくする。
7.2 医学
医学研究では、年齢、基礎状態、検査値などを調整して治療群を比較する場面が多い。臨床試験や観察研究の両方で有用である。
7.3 教育
教育分野では、入学時の学力や前年度成績を考慮しながら授業法の効果を検討する。初期条件の違いが大きいデータに向いている。
7.4 農学
農学では、土壌条件や初期生育の差を補正して品種や処理の効果を評価する。圃場試験の変動を抑える目的で用いられることがある。
7.5 社会科学
社会科学では、収入、年齢、経験年数などを調整しつつ群差を分析する。調査データの不均衡をある程度補い、比較の解釈を整える役割を持つ。
8 診断と注意点
8.1 仮定違反の検出
残差プロットや交互作用の確認を通じて、前提条件の破れを点検する。仮定が成り立たないまま解釈すると、推定結果の信頼性が下がる。
8.2 外れ値の影響
極端な観測値は回帰直線や群平均との差を大きく左右する。外れ値が単なる誤記か、重要な情報を含む値かを見極める必要がある。
8.3 過剰調整
本来は群効果の一部である変数を共変量として入れすぎると、差を不当に消してしまうことがある。調整は多いほどよいとは限らず、因果関係の筋道を踏まえた選択が重要である。
8.4 解釈上の限界
共分散分析は、共変量による調整後の関連を示すが、因果関係を自動的に保証するものではない。未測定の要因やモデル誤指定がある場合、結論は慎重に扱うべきである。
9 実務上の手順
9.1 データの確認
分析前に、欠測、分布、群ごとの人数、共変量の範囲を確認する。ここでの点検が不十分だと、後続のモデル選択に無理が生じやすい。
9.2 モデルの当てはめ
群要因、共変量、必要なら交互作用を含めてモデルを構築する。目的に応じて、最初は単純な形から始め、段階的に整える方法が実務的である。
9.3 診断図の確認
残差図、正規確率図、群別プロットなどを用いて、仮定の妥当性を確認する。数値だけでなく可視化を併用すると、偏りや非線形性を把握しやすい。
9.4 結果の報告
報告では、共変量、検定結果、調整後平均、効果量、前提条件の確認状況を明示する。分析の透明性を保つため、モデル設定の根拠も簡潔に記すことが望ましい。
10 関連手法
10.1 分散分析
分散分析は、カテゴリ要因による平均差を検討する基本手法である。共変量を含めない点で、共分散分析より単純な構成を持つ。
10.2 重回帰分析
重回帰分析は、複数の説明変数と応答変数の関係を推定する手法である。共分散分析はこの枠組みの中で、群効果の検定を重視する特殊な用法とみなせる。
10.3 反復測定分散分析
反復測定分散分析は、同一対象の複数時点データを扱う。共分散分析と組み合わせる場合は、個体内相関を考慮した設計が必要になる。
10.4 一般線形モデル
一般線形モデルは、線形予測子に基づいて応答を説明する包括的な枠組みである。共分散分析は、その一部分として理解でき、分散分析と回帰分析を統一的に扱える。