効果量の概要
定義
効果量とは、統計的な比較や関連の強さを、数値として表す指標である。実験研究や観測研究で得られた差（例：平均の差）や関係（例：相関）を、分析対象の単位に依存しにくい形で捉え、結果の大きさを説明することを目的とする。効果量は「どれだけ違う（強い）か」を扱う指標であり、統計的有意性の有無とは別の観点を提供する。
役割
効果量は、研究結果の解釈を具体化するために用いられる。例えば、標本が大きい場合には小さな差でも有意になり得るが、効果量はその差の実体を数量化して示す。また、研究間の比較や再現性の評価にも役立つ。さらに、同じ結果でも効果量の定義や尺度が異なると意味が変わるため、適切な種類の選択と報告が重要になる。
有意差との違い
有意差は、観測されたデータが帰無仮説からどれほど食い違っているかを、あらかじめ定めた有意水準に基づいて判定する枠組みである。一方、効果量は、その食い違いの大きさそのものを表す。両者は関連することが多いものの、同じ効果量でも標本サイズやばらつきによって有意性は変わる。したがって、効果量は「重要性」を、検定は「偶然による説明の可能性」を主に担うと整理できる。
効果量の種類
平均差に基づく効果量
一標本の差
一標本の差にもとづく効果量は、観測された平均と基準値（あるいは理論値）との隔たりを表す。基準との平均差を、そのデータのばらつきで割る形（標準化）にすると、単位の影響を抑えやすい。例として、平均差を標準偏差で標準化した指標が考えられ、効果の大きさを解釈しやすくする。
二群間の差
二群間の差にもとづく効果量は、独立した2つの集団の平均の差を数量化する。代表的には、群ごとのばらつき（しばしば統合分散）を用いて標準化した指標が用いられる。研究デザインが介入群と対照群などであり、群間比較を行う場合に適している。
対応のある差
対応のある差は、同一個体への反復測定やマッチングにより、ペア構造を持つデータで差を扱う。単純に独立群の指標を流用すると、ばらつきの見方が異なるため不適切になり得る。対応における効果量は、差分（事前と事後など）を基に標準化することで、個体内変動を考慮した強さを表す。
相関に基づく効果量
相関係数
相関係数にもとづく効果量は、変数間の共変動の強さを表す。一般に相関係数そのものは、線形関係の方向と強さを示すが、比較のためには尺度に応じた扱いが必要になる。相関は測定尺度や分布の影響も受けるため、指標としての前提（線形性や外れ値の影響など）を意識することが望ましい。
決定係数
決定係数は、回帰や関連の文脈で「説明される割合」という形で解釈されることが多い。相関や回帰に基づく効果の一部を、分散の観点から捉え直した指標であり、モデルが示す適合の程度を直感的に伝える役割を持つ。完全な因果を意味するわけではないため、解釈の範囲を明確にする必要がある。
比率に基づく効果量
オッズ比
オッズ比は、2群間で事象が起きる相対的な傾向を表す比率系の指標である。ログスケールで対称性を持ちやすく、回帰モデル（ロジスティック回帰など）と結びつきが強い。オッズ比は「オッズ」の比であり、リスク比とは概念が一致しない点に注意が必要である。
リスク比
リスク比は、一定期間における事象の発生確率の比として定義される。介入や曝露により、どの程度の割合で事象が起きやすくなるかを直感的に表しやすい。発生割合が高い状況では、オッズ比と異なる解釈が必要になることがある。
リスク差
リスク差は、2群間での発生確率の差そのものを示す指標である。絶対的な増減の大きさとして解釈でき、実務的な意味（どれだけの割合が余計に/減って）を伝えやすい。割合の差として表されるため、状況に応じた尺度理解が重要になる。
分散説明に基づく効果量
平方和に基づく指標
平方和にもとづく効果量は、データのばらつきに対して、モデルがどれだけ説明しているかを平方和の分解として捉える。説明の度合いを算出する際に、帰無モデルと比較する枠組みが使われることが多い。モデルの複雑さや比較の設計によって意味が変化するため、どの平方和を基準にしているかを確認することが望ましい。
分散分析での指標
分散分析の枠組みにおける効果量は、群間差が総変動の中でどれだけ占めるかを示す。代表例として、分散比に関連する指標や説明割合に関連する指標が挙げられる。因子の数やモデルの扱い（調整の有無）により数値の解釈が変わるため、分析設計と対応づけて報告することが重要である。
代表的な指標
コーエンの指標
一標本用の指標
コーエンの枠組みでよく用いられる指標は、標準化された平均差として理解できる。一般に、平均の隔たりを標準偏差で割って得られる形が採用され、基準値との差の大きさを単位に依存しない尺度で示す。解釈の際には、研究分野の慣行としての目安（小・中・大など）を参照することが多いが、万能な基準ではないため注意が必要である。
独立群用の指標
独立群におけるコーエンの指標では、2群の平均差を、群のばらつきにより標準化することで効果量を定める。典型的にはプールした分散を用いた標準化が行われる。これにより、異なる尺度の研究でも比較可能性を高める狙いがある。
対応群用の指標
対応データでは、差分のばらつきに基づく標準化が考えられる。対応による相関構造を反映できるように設計された指標が用いられ、介入前後の変化や条件間差を、個体内の変動と対比して評価する。
ヘッジスの指標
ヘッジスの指標は、コーエン型の標準化指標を推定する際の偏りを抑えることを目的とする。サンプルサイズが小さい場合やばらつきの推定が不安定な場合に、修正が効くように設計されることが多い。平均差に基づく効果量の計算では、状況に応じてコーエン型かヘッジス型を選択する意義がある。
ピアソンの相関係数
ピアソンの相関係数は、2変数の線形関係の強さを表す指標である。-1から1の範囲を取り、正負は関係の方向を示し、絶対値は強さを意味する。効果量としては「どの程度同じ方向に動くか」を伝える役割を担うが、非線形性や外れ値に敏感である点が解釈上の制約となる。
オッズ比
オッズ比は、2値事象の発生状況を比較する際に用いられる。介入と対照での「事象が起きる確率のオッズ」を比較し、1より大きい場合は起きやすさの増加、1未満は減少を示すと整理される。臨床や疫学では汎用性が高い一方、直感的な確率差とは一致しないため、報告では前提を明確にすることが求められる。
計算と解釈
算出に必要な情報
効果量の算出には、比較の対象となる量（平均、分散、群別の人数、相関データなど）に加えて、どの定義の効果量を選ぶかという方針が必要である。さらに、対応ありか独立か、群の割り付けがどうなっているか、事象の定義（何を「起きた」とみなすか）など、分析設計に依存する情報が要る。手計算よりも、統計ソフトの出力を用いる場合でも、入力に含まれる前提を確認することが重要になる。
標準化の考え方
多くの効果量は、尺度の単位に左右されないように、ばらつきや分散で割る形（標準化）を採用する。これにより、異なる研究で測定尺度が異なる場合でも比較可能性が高まる。標準化の基準となるばらつき（統合か、差分かなど）が異なると意味も変わるため、選択した式が何を基準にしているかを確認する必要がある。
値の方向と大きさ
効果量の符号や方向は、指標によって解釈が異なる。平均差系では、正負が「どちらの群が高いか」「方向性」を反映することが多い。相関系では、正は正の関連、負は逆方向の関連を示す。比率系（リスク比やオッズ比）では、1が基準で、それより大きいか小さいかが相対的変化を表す。大きさは一般に「強い効果」を示唆するが、実務上の重要性は分野の文脈やコスト、リスク、介入可能性に左右される。
解釈の注意点
効果量は「因果」を自動的に保証するものではない。観測研究では交絡の影響を受け、介入研究でも測定の偏りや設計上の制約があれば解釈は限定される。さらに、効果量の種類が異なると比較できない、あるいは比較の前提が揃っていない可能性がある。報告時には、定義・計算式・前提条件・解釈の方向を併記し、誤読を防ぐことが望ましい。
推定と不確実性
信頼区間
効果量の推定値にはばらつきがあるため、信頼区間（あるいは同等の不確実性指標）を示すことが重要である。信頼区間は、真の効果量がどの程度の範囲にある可能性があるかを示唆し、単一点の解釈を補正する。指標によって区間の算出方法が異なる場合があるため、報告の方法を確認する必要がある。
標本サイズの影響
標本サイズが小さいほど推定は不安定になり、効果量のばらつきが大きくなる傾向がある。標本が大きいと推定の精度が上がり、区間が狭くなることが多い。したがって、効果量の大きさだけでなく、区間幅や推定の確実性をセットで評価するのが一般的である。
抽出誤差
抽出誤差とは、有限の標本から得られる推定値が、母集団の真値と一致しないことに起因する誤差である。効果量は統計量であるため必ず抽出誤差を含み、特に分散の推定が難しい状況では影響が増す。抽出誤差の存在は信頼区間や標準誤差の形で反映される。
推定の精度
推定の精度は、誤差の大きさや区間の狭さに現れる。効果量の推定精度を高めるには、測定の安定化、データ品質の改善、適切な研究デザイン、十分な標本数などが寄与する。指標選択においても、偏りに対する配慮（修正版など）が精度に影響する場合がある。
研究での利用
仮説検定との併用
仮説検定は有意性の判定を行うが、効果量は結果の大きさを示す。両者を併用することで、偶然の可能性と実質的な差の程度を同時に評価できる。実務では、検定の結論に加えて効果量と不確実性を示し、意思決定の根拠を厚くすることが多い。
メタ分析での利用
メタ分析では、複数研究の結果を統合する際に、効果量を共通の尺度で扱う必要がある。そのため、研究ごとに異なる設計に対しても比較可能な定義へ統一する工夫が行われる。統合の際には、ばらつき（異質性）や推定誤差の重み付けが重要になる。効果量は統合の中心的な投入変数となる。
報告基準
効果量の報告では、少なくとも種類（どの尺度か）、推定値、信頼区間または標準誤差、不確実性の算出方法などが求められることが多い。さらに、計算に使った定義（差の向き、基準値、標準化の基準）が明確であるほど再現が容易になる。書式統一は比較可能性を高める。
再現性との関係
効果量は再現性の評価に結びつく。仮に同じ方向の効果が報告されても、効果量の推定が極端にばらつく場合は再現性が揺らぐ可能性がある。逆に、効果量が一定の範囲に収束しており、不確実性が妥当であれば、再現の見込みを論じやすい。再現性は一つの指標で決まるわけではないが、効果量は重要な手がかりになる。
分野別の応用
心理学
心理学では実験や質問紙調査により平均差や相関が頻繁に扱われるため、標準化した平均差指標や相関係数、分散説明型の指標が広く利用される。介入効果の大きさを示すことが重視され、単なる有意性よりも、効果の実質的な意味を伝える報告が求められることが多い。
医学
医学では二値事象の有無が多く、リスク比やオッズ比など比率系の指標がよく使われる。臨床的には効果量の大きさが意思決定に直結するため、絶対リスクの変化（リスク差など）と併せて示す工夫が行われる場合もある。併せて信頼区間を添えることで、患者集団への適用可能性を評価しやすくする。
教育学
教育学では学習成果やテスト成績の差が扱われ、平均差系の効果量が中心となることが多い。標準化指標により、教科や教材の違いを踏まえた比較がしやすくなる。授業介入の前後比較では対応ありの考え方が重要になり、差分にもとづく指標の選択が意味を持つ。
社会科学
社会科学では、態度や意図など多様な変数が扱われ、相関や回帰に基づく指標、あるいは分散説明に基づく指標が利用される。因果推論の難しさがあるため、効果量は関連の強さの指標として位置づけられ、研究デザイン（調整変数、設計上の比較）とセットで解釈されることが多い。
関連項目
統計学
統計学は、効果量の計算方法、推定、検定との関係、分布仮定や推定理論の背景を与える領域である。効果量は統計学的な枠組みの中で定義されるため、推定の基礎知識や統計量の性質を理解しておくと解釈が安定する。
検定力
検定力は、真の効果が存在するときに検定がそれを検出する確率を表す概念である。効果量は検定力の計算において必要な入力になり得る。したがって、目標とする効果量を仮定し、必要な標本サイズを設計する際に検定力が利用される。
標準偏差
標準偏差はデータのばらつきを表し、平均差系の効果量において標準化の基準として登場することが多い。標準化が成立するためには、このばらつきの推定が適切である必要がある。分散の扱いが効果量の意味を左右する場面があるため、標準偏差の理解は重要である。
標準化指標
標準化指標は、尺度の単位や分散の違いを調整し、比較可能な形に変換した指標の総称である。効果量の多くはこの考え方に依拠しており、基準となる分散や差分の定義を確認することが適切な運用につながる。標準化の方法が異なると数値の比較可能性にも影響が及ぶ。