1 対応のあるt検定の概要
1.1 用語と基本概念
対応のあるt検定（対応ありのt検定、paired t-test）は、同一の対象に対して得られた2種類の測定値の平均を比較するための検定である。ここでの「対応」とは、単なる別サンプル同士の比較ではなく、各測定値が同じ個体・同じ被験者・同じ実験単位に結び付けられていることを意味する。通常は各対象の2時点（あるいは2条件）における差を計算し、その差の平均が0からどれほど離れているかを、t分布に基づいて評価する。
対応のあるt検定では、比較の単位を「被験者（実験単位）」として設計する点が特徴である。これにより、被験者ごとの個体差や、測定環境の共通要因によるばらつきが、差の作成によって相殺されやすくなる。その結果、対応のない2標本t検定よりも検出力が高くなることが多い。
1.2 比較対象の構造（対応の意味）
1.2.1 同一被験者・対応づけの例
対応があるケースでは、たとえば同じ被験者に対して介入前後を測定し、前後の得点や血液指標などを取得する。別の例として、同一の顧客に対してA/Bの提示を順番に行う、同一装置で条件Aと条件Bを順に測定する、といった設計が挙げられる。いずれも、各ペア（被験者iの条件Aの値と条件Bの値）が結び付いている。
重要なのは、対応づけが理論上・記録上の対応により一対一に成立しているかである。対応が崩れる（ある条件のデータだけ欠測して対応が欠ける、ペアの紐付けが誤るなど）と、検定の前提や計算対象が変わり、解釈が不正確になる。
1.2.2 差（ペア差）の定義
対応のあるt検定の中心となるのは、各対象ごとの差（ペア差）の定義である。対象iについて、条件Aの値を \(x_i\)、条件Bの値を \(y_i\) とすると、差は通常 \(d_i = x_i - y_i\) のように定義される。差の定義の符号は分析者が選べるが、以後の解釈（どちらが増加したのか）に一貫性を持たせる必要がある。
差を定義した後は、個体ごとの差 \(d_1, d_2, \dots, d_n\) の1標本として平均が0かどうかを検定する形に帰着する。つまり、比較対象の複雑さは差に要約され、検定問題は「差の平均が0に一致するか」という単純な問いになる。
2 仮説と統計量
2.1 帰無仮説・対立仮説
対応のあるt検定では、差の平均に関する仮説を設定する。差を \(d_i\) とし、その母平均を \(\mu_d\) とすると、帰無仮説は一般に
- \(H_0: \mu_d = 0\)
である。これは「条件Aと条件Bの平均差がない」ことを意味する。
対立仮説は片側または両側で定める。差の方向を想定する場合は
- \(H_1: \mu_d \neq 0\)（両側）
- \(H_1: \mu_d > 0\) または \(H_1: \mu_d < 0\)（片側）
のいずれかを選ぶ。研究目的に合わせて方向性を事前に定めることが望ましい。
2.2 t統計量の導出
2.2.1 平均差と差の標準偏差
差の標本平均を \(\bar{d}\)、差の標本標準偏差を \(s_d\) とする。差の標本平均は \[ \bar{d} = \frac{1}{n}\sum_{i=1}^{n} d_i \] であり、標準偏差は \[ s_d = \sqrt{\frac{1}{n-1}\sum_{i=1}^{n}(d_i-\bar{d})^2} \] で与えられる。
t統計量の分母には、\(\bar{d}\) の標準誤差 \[ \mathrm{SE} = \frac{s_d}{\sqrt{n}} \] が用いられる。これにより、観測された平均差 \(\bar{d}\) が、差のばらつきの大きさに比べてどれだけ大きいかを標準化できる。
2.2.2 自由度の考え方
対応のあるt検定のt統計量は次の形になる。 \[ t=\frac{\bar{d}-0}{s_d/\sqrt{n}}=\frac{\bar{d}}{s_d/\sqrt{n}} \] このとき自由度は \(n-1\) である。これは、標準偏差の推定において1つのパラメータ（平均）が標本から見積もられており、その分だけ自由度が減るためである。
このt統計量が従う分布を用いて、帰無仮説のもとで観測された値以上が得られる確率（p値）を計算する。
3 前提条件と検討事項
3.1 正規性（差の分布）
対応のあるt検定の理論的な厳密さは、差 \(d_i\) の分布が（母集団として）概ね正規であることに依存する。通常は正規性を差の分布に対して検討し、元データ（介入前や介入後それぞれ）の正規性そのものは必須ではないとされることが多い。
実務上は、標本数が十分大きければt検定は頑健になりやすい。一方で小標本で差の分布が強く歪む場合、p値の信頼性が低下し得る。ヒストグラム、Q-Qプロット、歪度や外れ値の存在などを手掛かりに、差の分布を確認することが重要である。
3.2 外れ値の影響
外れ値は標準偏差 \(s_d\) を大きくしたり、平均 \(\bar{d}\) を引きずったりして、検定結果に影響する。対応のある設計では、差の計算後の値に外れが現れるため、元の測定に外れがなくても差に極端値が出ることがある。
外れ値の扱いは慎重さが求められる。解析のためにデータ点を恣意的に除外するのは避け、欠測の扱い、測定ミスの確認、前処理基準の明文化など、外れ値の発生理由を説明可能にする必要がある。
3.3 独立性の解釈（ペア差間の独立性）
t検定の基本仮定には「差の間の独立性」が含まれる。これは、対象iの差 \(d_i\) が他の対象jの差に影響しないことを意味する。たとえば、被験者集団内で強い相互影響がある場合、独立性が崩れる可能性がある。
また、同じ個体が複数回測定されるような拡張設計（反復測定の複数時点など）では、対応のあるt検定をそのまま適用すると独立性の前提を満たさないことがある。この場合は別の枠組み（分散分析や混合効果モデルなど）が検討される。
4 実施手順と結果の読み方
4.1 検定の手順
実施の流れは次の通りである。まず、対応づけされたデータをペア単位で整理し、各対象について差 \(d_i\) を作る。欠測がある場合は、差が計算できないペアは通常除外され、その結果の有効ペア数が \(n\) となる。
次に、差の標本平均 \(\bar{d}\) と標本標準偏差 \(s_d\) を算出し、t統計量を計算する。続いて自由度 \(n-1\) に対応するt分布を用いてp値を求める。最後に、選んだ有意水準と比較し、帰無仮説の棄却可否を判断する。
4.2 p値と有意水準
p値は、帰無仮説が正しいと仮定したときに、観測されたt値（またはそれ以上に極端な値）が得られる確率である。両側検定なら絶対値の大きさで極端さを評価する。
有意水準 \(\alpha\) は、棄却域を決める基準である。p値が \(\alpha\) 未満なら、帰無仮説を棄却し「平均差が0から有意に異なる」と結論づける。ただしp値が大きいことは「差がないことの証明」ではなく、データと仮定のもとで検出できるだけの証拠が弱いことを意味する。
4.3 信頼区間の解釈
信頼区間は、母平均 \(\mu_d\) が取り得る範囲を示す。通常、両側の信頼係数 \(1-\alpha\) に対応する形で、\(\bar{d}\) と標準誤差、t分布の臨界値を組み合わせて作る。
信頼区間に0が含まれるかどうかは、両側検定におけるp値判断と整合することが多い。含まれない場合は0からのずれが示唆され、含まれる場合は方向や大きさの不確実性が大きいと解釈するのが自然である。
4.4 効果量の考え方
効果量は「差がどの程度大きいか」を標準化して表す概念である。対応のあるt検定では、差の標準偏差を用いた指標がよく用いられ、たとえば \(d\) 的な標準化平均差（コーエンのdに類する定義）や、t値から変換されるrなどがある。
効果量の利点は、サンプル数の影響を相対化しやすい点にある。統計的有意性は検出力やばらつきに左右されるが、効果量は実務上の重要性（たとえば介入の実用的な差の大きさ）を評価する材料になる。
5 実データでの応用例
5.1 事前—事後比較
事前—事後比較は、介入の有無や処置の効果を検討する典型例である。被験者に対して介入前に測定値を取得し、その後に同じ変数を測定することで、差は介入による変化量として解釈できる。
ただし、時間経過に伴う自然変化（学習効果、疲労、環境の季節性）も差に混入する。もし対照群がない場合、t検定は「介入を含む全要因による変化」が0から異なるかを検査しているにとどまる点に留意する必要がある。
5.2 条件比較（A/Bテストの反復版）
A/Bテストの考え方を反復測定として実装する場合、同一の対象が条件Aと条件Bを受け、その差を比較する。たとえば同一ユーザーに対して表示の切替を行うが、順序効果（最初に見た方が有利など）があるなら、測定順の割付（カウンターバランス）を設計に組み込むことが望ましい。
差の計算はユーザー単位で行い、平均差が正負いずれかに偏っているかをt検定で評価する。実務ではユーザー離脱や欠測が起きやすく、ペアが欠けないようにデータ処理規則を整えることが重要となる。
5.3 実験計画における設計の工夫
対応のある解析を行うなら、対応づけの質を高める設計が効果的である。第一に、同一個体の追跡が確実であること、第二に、測定条件の違いが差の原因として合理的に解釈できることが求められる。
また、順序効果への配慮として、条件の提示順をランダム化する、または半数ずつ逆順にするなどの工夫がある。さらに、介入が強い場合には学習や慣れにより測定の意味が変わることがあり、その点を事前に検討しておくと解釈が安定する。
6 付随する検定・代替手法
6.1 確率モデルの観点での違い
対応のあるt検定は、差 \(d_i\) が正規分布に従うという確率モデルを暗に利用する。ここで検定対象は差の母平均であり、元の2変量の分散や共分散を詳細にモデル化する枠組みとは異なる。
一方で、より一般的な枠組みとして、反復測定や階層構造を持つデータでは、個体効果を含む確率モデル（混合効果モデルなど）が採用されることがある。これは独立性や同一分散の仮定が揺らぐ状況にも対応しやすい。
6.2 ノンパラメトリックな代替（符号検定など）
差の分布が大きく非正規、あるいは外れの影響が強い場合には、ノンパラメトリックな代替が検討される。符号検定（sign test）は、差の符号だけを用いて中央値が0かどうかを評価する。具体的には正の差と負の差の数の偏りを見て検定する。
符号検定は分布形の仮定が弱い反面、情報量が少なくなりがちで、正規性が成り立つ場合はt検定より検出力が低いことがある。状況に応じて選択するのが一般的である。
6.3 分散が複雑な場合の考え方（反復測定との関連）
複数時点の測定や、分散が時間や条件によって大きく変わる状況では、対応のあるt検定を単純に繰り返して行うと解釈が難しくなる。特に、同じ個体から得た複数の差が互いに相関する可能性があるため、独立性の前提が崩れやすい。
このような場合には、反復測定に対応した分散分析や、個体ごとのばらつきを扱う混合効果モデルが適切になることが多い。検定の目的（特定の時点差のみか、全時点での傾向か）に合わせて枠組みを選ぶことが重要である。
7 よくある誤り
7.1 「対応のない」扱いによる誤検定
最も典型的な誤りは、対応のあるデータを対応のない2標本として扱うことである。本来ペアで相殺できる個体差を無視すると標準誤差の見積もりが変わり、過小または過大な有意性判断につながり得る。データ構造がペアであるかを最初に明確化し、対応の有無に応じた検定を選ぶことが重要である。
逆に、独立な2集団なのに対応のある検定を適用することも誤りである。対応づけが意味を持たない場合、差の解釈が成立しない。
7.2 前提違反の見落とし
差の正規性や外れ値、差の独立性といった前提を確認せずに計算だけ進めると、p値の解釈が危うくなる。特に小標本での分布の歪みや、極端な差を持つ対象の存在は影響が大きい。
前提検討は「必ずしも統計的に合格点を取ること」ではなく、「どの程度信頼してよいか」を判断するための手がかりである。必要に応じて可視化や頑健手法、ノンパラメトリック手法へ切り替える判断が求められる。
7.3 多重比較と解釈の混同
複数の指標や複数の条件ペアに対して同様のt検定を多数回行うと、多重比較により偶然の有意が増える。個々の検定のp値だけを見て「全体として効果がある」と解釈すると誤りにつながる。
補正（例：手続きの選択に基づく制御）や、事前に主要評価項目を決めるなどの設計上の工夫が必要である。効果の有無を判断する単位を、研究計画と整合させることが重要になる。
7.4 要約統計量のみでの過信
平均差やp値だけを報告し、分布の形やばらつきの状況を提示しないと、誤解が生じやすい。特に平均が0付近でも、正負の差が大きく分かれている場合や、外れ値が平均に強く寄与している場合、単一の要約値は実態を覆い隠す。
差のヒストグラム、散布の要約、信頼区間、効果量などを併せて示すことで、読者は不確実性の程度や実務上の大きさをより適切に判断できる。
8 ソフトウェアによる計算
8.1 代表的な出力項目（t値・自由度・p値）
統計ソフトの出力では、通常t値、自由度、p値が示される。t値は平均差を標準誤差で割った値であり、方向性も（差の定義に依存して）反映される。
自由度は有効ペア数に基づいて \(n-1\) として計算される。p値は片側・両側設定や代替仮説の指定に依存するため、出力の前提（両側かどうか、分布の扱い）を確認してから解釈する必要がある。
8.2 信頼区間の算出
多くのソフトは、差の母平均に関する信頼区間を併記する。信頼係数は通常出力設定により指定され、既定値（たとえば95%）が使われることが多い。
信頼区間の中心は \(\bar{d}\) に一致し、幅は標準誤差とt分布の臨界値で決まる。したがって、有効ペア数が多いほど、差のばらつきが小さいほど、区間幅は狭くなる傾向がある。
8.3 データ整形（ペアデータの作り方）
ソフトの計算には、ペアとして対応づけされた形のデータ整形が必要である。典型的には「同じ行が同一対象の条件Aと条件Bに対応する」形式に整える。たとえば2列（前、後）を用意し、行ごとに差を計算できるようにする。
欠測への対応も重要である。どの時点の欠測がある場合にペアを除外するのか、また欠測を補完するのかは、統計的妥当性と分析目的に依存する。欠測処理方針を明確にし、その結果として実効サンプル数がどれだけ減ったかを記録することが求められる。