1 平均差の定義
1.1 平均差の基本概念
平均差は、2つの集団（あるいは同一集団の2条件）における代表値としての平均の差を表す指標である。測定値の中心傾向がどれだけずれているかを、単一の数として要約することが目的となる。たとえば、ある介入の前後で平均値が上昇しているかどうかを確認する場面では、「介入後の平均」と「介入前の平均」の差として把握できる。
平均差は直感的で比較に使いやすい一方、ばらつきの大きさやサンプル数の違いによって、同じ大きさの差でも信頼できる度合いは変わり得る。そのため推定や検定の枠組みとセットで解釈されることが多い。
1.2 平均差の数式表現
平均差は、2つの平均の差として定義される。対象が「集団」か「標本」か、また「真の平均」か「観測から得た平均」かで記号の扱いが変わる。
1.2.1 集団平均と標本平均の関係
真の（母集団の）平均をそれぞれ \(\mu_1\)、\(\mu_2\) とすると、平均差の概念上の値は \[ \Delta = \mu_1 - \mu_2 \] で表される。実際の分析では母平均そのものは観測できないため、各集団から得た標本平均 \(\bar{x}_1\)、\(\bar{x}_2\) を用いて \[ \hat{\Delta} = \bar{x}_1 - \bar{x}_2 \] を推定量として用いる。
標本平均はデータ点の平均であり、標本サイズが大きいほど母平均に近づく性質を持つことが多い。このため推定の精度はサンプル数の影響を受ける。
1.2.2 差の向き（符号）の解釈
平均差 \(\hat{\Delta}=\bar{x}_1-\bar{x}_2\) の符号は、どちらの平均が高いかを示す。正なら集団1（または条件1）の平均が集団2（条件2）より大きいことを意味する。負なら逆である。ゼロは平均が同程度である可能性を示すが、統計的には「差がない」と断定できるとは限らない。
符号の解釈は分析設計（どちらを引き算しているか）に依存する。報告時には、差の定義順を明確にすることが重要である。
1.3 平均差が示す意味
平均差が示すのは、2条件間における平均水準のズレである。これは効果の方向性（上がったのか下がったのか）と、その大きさ（単位あたりのどれだけの差か）を同時に与える点で有用である。
ただし、平均差は「データの分布形状」を直接反映しない。たとえば外れ値によって平均が引っ張られる場合、中央値の変化とは異なる意味を持つことがある。また、同じ平均との差が得られても分散が大きければ結果は不安定になり、再現性や統計的確からしさは低下しやすい。
2 平均差の算出方法
2.1 データ準備と前処理
平均差を計算する前に、比較可能な形に整える必要がある。まず、2つの集団や条件が同じ測定尺度で評価されていること、単位が一致していることを確認する。異なる単位が混ざる場合は換算が必要となる。
次に、欠損値や異常値への方針を決める。欠損を無視する方法、推定で補う方法、対象から除外する方法などがあり、どれを選んだかによって平均差の値や解釈が変化し得る。外れ値についても、測定エラーの可能性があるのか、自然な変動として妥当なのかを区別することが望ましい。
2.2 計算手順
平均差の基本操作は、各群の平均を求め、その差をとることである。以下では概念的な手順を示す。
2.2.1 平均の計算
集団1の標本データが \(x_{1,1},x_{1,2},\dots,x_{1,n_1}\) のとき、標本平均は \[ \bar{x}_1=\frac{1}{n_1}\sum_{i=1}^{n_1} x_{1,i} \] で計算される。同様に集団2の標本平均は \[ \bar{x}_2=\frac{1}{n_2}\sum_{j=1}^{n_2} x_{2,j} \] で表される。
平均は全データ点を同じ重みで扱うため、分布が歪んでいる場合や極端な値が多い場合は影響を受けやすい。
2.2.2 平均差の算出と単位
標本平均差は \[ \hat{\Delta}=\bar{x}_1-\bar{x}_2 \] で求める。結果の単位は元の測定値と同じである。たとえば身長（cm）なら平均差もcmとして表現される。
記号の取り扱いとして、報告書では「集団1から集団2を引いた値」あるいは「条件Aから条件Bを引いた値」という形で定義順を明記すると誤解を防げる。
2.3 欠損値や外れ値への対応
欠損値への対応は、分析の信頼性に直結する。単純な欠損除外（ケースリストワイズ）は実装が容易だが、欠損の理由が結果と関連している場合にはバイアスが生じうる。推定による補完（平均代入、回帰補完、複数代入など）は欠損メカニズムを仮定するため、選択根拠の説明が必要になる。
外れ値は、測定ミスである場合は除去の妥当性が高い一方、対象の自然な個体差であるなら除去は情報を失わせる。平均差の文脈では平均が外れ値に敏感である点を踏まえ、頑健な指標（中央値差など）との併用や感度分析がしばしば有効である。
3 平均差の不確実性と評価
3.1 分散・標準偏差との関係
平均差は点推定としては単一値だが、その信頼性は各群のばらつき（分散）と標本サイズに依存する。一般に、各群のばらつきが大きいほど平均推定の誤差は増え、平均差の不確実性も高まる。
さらに、同じ分散でもサンプル数が少なければ推定は安定しない。したがって平均差の解釈では、見かけの差の大きさだけでなく分散構造を同時に考慮する必要がある。
3.2 信頼区間の考え方
信頼区間は、平均差が取り得る値の範囲を確率的に要約するものである。たとえば95%信頼区間が \( [L,U] \) であるなら、同じ手順を繰り返したときに区間が真の平均差を含む割合が長期的に95%程度になるという解釈を行う。
信頼区間の幅は、不確実性の大きさを反映する。幅が狭いほど推定が精密であり、広いほどデータが平均差を確定させにくいことを意味する。
3.2.1 母分散既知の場合の考察
母分散が既知である状況では、平均の分散（標準誤差）を厳密に導けるため、平均差の分散も扱いやすい。独立な2群からの標本平均を使う場合、平均差の分散は各平均の分散の和として表されることが多い。
この場合、平均差の推定分布が正規分布として近似できるなら、標準誤差と分位点を用いて信頼区間が作れる。信頼区間の中心は点推定 \(\hat{\Delta}\) で、端点は不確実性（標準誤差）によって決まる。
3.2.2 母分散未知の場合の考察
母分散が未知である現実の多くのデータでは、標本分散を使って不確実性を見積もる。すると平均差の標準誤差も標本情報に基づく推定になるため、分布は通常の正規分布からずれて t 分布に従う形になることがある。
その結果、信頼区間は自由度に依存し、サンプル数が小さいほど区間が広がりやすい。群の分散が等しいと仮定するかどうかでも計算式や自由度が変わるため、分析方針を明確にすることが重要である。
3.3 仮説検定との関連
平均差は検定の対象になり得る。典型的には「平均差がゼロである」という帰無仮説を設定し、観測された差が偶然による変動として説明できる程度かを評価する。
3.3.1 検定の基本枠組み
帰無仮説は \(\Delta=0\)（平均が同じ）と置かれることが多い。対立仮説は、片側または両側で設定される。片側は差の方向が事前に想定される場合、両側は方向を問わず差の存在を評価する場合に用いられる。
検定では、平均差の標準誤差を使って統計量（例：t 値）を作り、その値がどれほど観測されにくいかを計算する。これに基づき p 値や棄却判定が得られる。
3.3.2 有意性と効果の大きさの見方
有意性（p 値が小さいこと）は「観測された差がゼロとの差として説明しにくい」ことを示すが、差の実務的な重要性は別問題である。標本数が大きいとごく小さな差でも有意になりやすい。
そのため、効果量（標準化された指標）や信頼区間の範囲、さらに現場の閾値と照らし合わせることが推奨される。平均差が同じでも不確実性の程度が異なるため、統計的結論と実用的判断を分けて読む必要がある。
4 平均差の応用と注意点
4.1 実験・比較研究での用法
平均差は実験研究や比較研究で広く使われる。介入群と対照群のアウトカム平均を比較する場合、差は介入の影響として解釈されることが多い。ただし因果として主張するには、ランダム化、交絡制御、前提の妥当性など追加条件が必要になる。
観測研究でも、対応付けや層別化、調整変数の導入などを行ったうえで、平均差の推定を比較的解釈しやすい形にすることがある。いずれにせよ、単純な算術としての平均差と、研究設計が担保する解釈の範囲は一致しない点に留意する。
4.2 前後比較（介入前後など）
前後比較では、同一対象に対する測定の繰り返しが含まれる場合がある。独立な2群として扱うと誤りになることがあるため、対応ありデータ（ペア）としての分析設計を検討する必要がある。
ただし平均差という枠組み自体は、前後の平均を別々に計算して差を取るという意味で適用可能である。推定の正確さや検定の妥当性は、データの独立性や相関構造を適切に扱えるかに依存する。
4.3 集団特性の違いによる解釈の注意
比較対象の集団が本来異なる性質を持つ場合、平均差は「集団差」や「選択効果」を反映する可能性がある。たとえば年齢構成、経験、測定環境の違いなどが原因となり得る。
このため、平均差の解釈は単純な比較に留めず、背景特性の整理、層別分析、調整の検討と組み合わせることが望ましい。特に、比較の前に一致させるべき条件（適格基準、同一プロトコルなど）を満たしているかが重要になる。
4.4 平均差の限界と代替指標
平均差は直感的だが、分布のスケールや分散の違いを直接は表さない。異なる尺度の研究成果を統合したい場合にも、単位が異なるためそのままでは比較しづらい。さらに外れ値や歪みの影響を強く受ける場合、中心の変化を捉える能力が低下することがある。
そのようなときには、補助的に別の指標を併用することで解釈を補える。
4.4.1 標準化された効果量
標準化された効果量は、平均差をばらつきで割るなどして無次元化した指標である。典型的には標準偏差を用いた比として定義され、研究や集団間での比較可能性を高める働きがある。
標準化により、スケールの違いを吸収できる一方で、選ぶ基準（全体の分散を使うのか、各群の分散をどう扱うのか）によって値が変わる。平均差の方向性を保ちながら、効果の相対的な大きさを示す点で有用である。
4.4.2 場合によって適する指標の選択
分布が大きく歪んでいる場合や外れ値が多い場合には、中央値の差や順位に基づく指標が適切なことがある。また、測定のばらつきが異質であったり、共変量の影響を受ける場合には回帰モデルなどの枠組みで効果を評価する方が情報を活かせる。
指標の選択は「データの性質」「研究目的」「解釈したい対象」を基準に行うのが基本である。平均差はそのままでも理解しやすいが、状況に応じて他の指標と整合する形で結論を組み立てることが望ましい。