1 順位検定の概要
順位検定は、数値の絶対的な大きさではなく、観測値同士の大小関係を「順位（ランク）」として扱うノンパラメトリックな検定である。統計モデルに厳密な分布仮定を置かずとも、順序情報から有意性を評価できる点が特徴で、分布の形状や外れ値の影響に対して比較的頑健とされる。
多くの順位検定では、各標本を結合して全体の順序を作り、その順位が仮説に照らして偏っているかを検討する。結果は「群の中心の差」や「分布のずれ」を間接的に反映する形で解釈されるため、研究目的に応じた選択と、前提条件の確認が重要になる。
1.1 順位検定が扱うデータと情報
順位検定が利用するのは、観測値の順序関係である。具体的には、値の大小を比較できる尺度（順序尺度、連続尺度でも単調変換で順序が保たれる場合など）に適している。
1.1.1 順序（ランク）の定義
順位は、観測値を小さい順に並べたときの位置で定義される。全体を基準にした相対順位として与える方法が一般的であり、順位和や順位差といった統計量が構成される。連続値で重なりがなければ、最小値から最大値まで一意に順位が割り当てられる。
1.1.2 同順位（タイ）の扱い
同一値が複数存在する場合、順位が重複するいわゆるタイが生じる。このときは通常、同順位に属する観測に対して平均順位を割り当てる。平均順位の採用により統計量の計算は定義されるが、分散などの理論的性質が理想状況からずれるため、タイ補正が必要になることがある。
1.2 ノンパラメトリック検定としての位置づけ
順位検定はノンパラメトリック検定の代表的な系統であり、分布の厳密なパラメトリック形に依存しないことを目指す。とはいえ、手法が要求する構造（独立性、対応関係の正確な指定、対称性など）は別途存在する。
1.2.1 パラメトリック手法との違い
パラメトリック検定では、母集団が正規分布など特定の形を持つといった仮定や、その下で統計量の分布が導かれることが多い。順位検定は、値を順位に写像することで外れ値の極端さが順位の範囲に抑え込まれ、分布形への依存を弱める方向に設計されている。
1.2.2 ロバスト性の考え方
ロバスト性は、モデル化のずれや極端観測に対して結論が大きく変わりにくい性質を指す場合が多い。順位検定では、測定値の線形なスケール変化や単調変換に対して順位が不変であるため、分布の裾や外れ値に起因する影響が順位の段階へ圧縮される。結果として、頑健性が得られることがある一方、順位が持つ情報の量は元の数値より少ないため、条件が整えばパラメトリック手法より検出力が劣る場面もあり得る。
1.3 よくある研究目的
順位検定は、平均や分散の正確な推定が難しい状況や、極端値の存在が懸念される状況で利用されることが多い。研究目的は「中心の違い」を直接または間接に評価する形に整理される。
1.3.1 中心傾向の比較
中心傾向の比較は、中央値や分布の中心位置のずれを検討する目的に対応する。たとえば単一標本の中央値が理論値と等しいか、2群の中央値（あるいは中心位置）が異なるかといった問題が代表である。順位検定では、中心に関する仮説が順位の偏りとして表現される。
1.3.2 分布形の差の検出（間接的な評価）
順位検定は厳密には「分布形」そのものを直接分解して比較するわけではないが、順位の分布が偏ることは分布全体の位置や形の差を反映する。特に、中心以外の形状が変化しても順位のパターンに影響が及び、有意性が現れることがある。したがって解釈では、何を比較しているのかを仮説設定と対応づけて明確にする必要がある。
2 理論的基礎
順位検定の理論的枠組みは、仮説設定、検定統計量の構成、そして独立性などの前提から成る。検定の成否は、順位の扱いが何を意味し、帰無仮説の下で統計量がどのように分布するかに依存する。
2.1 検定仮説と指標
検定仮説は、順位情報に関する確率的な関係として書き下される。これにより、順位の偏りを有意性として測定できる。
2.1.1 帰無仮説の設定
帰無仮説では、群間差がない、あるいは対応関係における差が系統的でないといった形で順位の振る舞いを規定する。
2.1.1.1 対称性・同分布と順位の関係
2群比較の多くでは、帰無仮説として2群が同分布（または同じ中心傾向を持つ）とみなされることがある。連続分布を想定すると、順位の割当がランダムになるため、順位和などの統計量は期待値付近に集まる。タイが存在する場合には、同分布性の仮定の下で順位の割当が一様に扱えないため、理論分布の導出に補正が関係する。
2.1.2 対立仮説の種類
対立仮説は片側・両側の形を取り得る。片側では一方の群がより大きい（または小さい）方向の偏りを想定し、両側ではどちらの方向でも差があることを許容する。対応のある設計では「差の中央値」や「差の分布の偏り」として対立仮説が表現されることがある。
2.2 検定統計量の構成原理
順位検定の要は、順位から作られる統計量が帰無仮説の下でどのような分布を持つか、またはどの値が稀かを評価する点にある。
2.2.1 順位和・順位差の考え方
2群の比較では、ある群に属する観測の順位を合計し、その大きさが帰無の下で期待される範囲から外れているかを見る。順位和が大きいことは、その群の観測が全体の上側に偏っていることを意味し、逆に小さければ下側に偏っていることを示す。対応のある場合には、差を取り、その差に基づく順位付け（符号付きの扱いを含む）が統計量の核となる。
2.2.2 統計量の分布と基準分布
帰無仮説の下で統計量の厳密分布を利用する方法もあるが、多くの場合、標本がある程度大きいと近似分布（漸近分布）に基づく計算が行われる。どの近似が採用されるかは手法とデータ条件に依存し、タイの多さは分散の見積もりに影響し得る。
2.3 標本独立性と前提条件
順位検定でも独立性は重要な前提となる。特に「対応のある」設計か「独立」設計かの区別は、適切な検定選択に直結する。
2.3.1 観測単位の独立性
独立性が崩れると、順位の割当が帰無仮説下で想定するランダム性を失う。その結果、実際の誤検出率が設計値（有意水準）から乖離する可能性がある。クラスタ化したデータ、反復測定の相関、時系列依存などでは、独立性の仮定を満たしていない場合がある。
2.3.2 サンプルサイズと近似の影響
小標本では統計量の分布の形を厳密に扱う必要がある場合がある。標本が増えると近似が精度を上げることが多いが、タイの割合が高い場合には近似の前提が崩れやすくなる。したがって、検定の出力を解釈する際には標本規模とデータの離散度（同値の多さ）も考慮する。
3 代表的な順位検定
順位検定の代表例として、2群比較、k群比較、そして対応関係に応じた手法が挙げられる。手法選択は、群数、独立か対応ありか、対立仮説の方向などで決まる。
3.1 2群比較の検定
2群比較では、独立2群と対応のある2群で用いる検定が異なる。いずれも順位を基にした統計量で仮説を評価する。
3.1.1 ウィルコクソンの順位和検定
ウィルコクソンの順位和検定は、主に独立な2群の分布の差を検出する目的で用いられる。2群を結合して順位を作成し、各群の順位和の偏りを評価する。多くの状況で、群間の位置（中心）に差がある場合に検出力が高くなる。
3.1.2 マン・ホイットニーのU検定
マン・ホイットニーのU検定も独立2群の比較に用いられる代表的な手法であり、順位和と密接な関係を持つ形で定式化されることが多い。解釈としては、ある群の観測が他群の観測より大きくなる確率（順位に基づく優越確率）に関する偏りを反映する形で理解されることがある。
3.1.3 ウィルコクソンの符号付き順位検定
ウィルコクソンの符号付き順位検定は、同一対象に対する反復測定など、対応のある2条件の差を検討する用途に適する。各ペアで差を取り、その差の大きさに基づいて順位を割り当て、差の符号も考慮することで統計量が構成される。中央値に関する仮説との整合性が高い形で運用される。
3.2 k群比較の検定
3群以上の比較では、複数回の2群比較を単純に繰り返すと誤検出率が上昇するため、全体を同時に評価する枠組みが用いられる。
3.2.1 クラスカル＝ワリス検定
クラスカル＝ワリス検定は、独立なk群の分布の差を評価するための順位検定である。全データを結合して順位付けし、各群の順位のばらつき（あるいは順位和の偏り）を統計量としてまとめる。帰無仮説では群間で分布が等しいため、順位の偏りは偶然の範囲に収まると考える。
3.2.2 多重比較（事後検定）の考え方
クラスカル＝ワリス検定などの全体検定で有意になった後、どの群同士が異なるかを特定するために事後検定が行われる。ただし、多重比較では検定回数が増えるほど誤検出率が膨らむため、分散の調整や家族内誤差の制御（一般に手続きの種類に依存）を考慮する必要がある。事後検定の設計は研究計画書の時点で決めることが望ましい。
3.3 データの対応関係に応じた選択
同じ「順位検定」という言葉でも、独立性の構造が違えば適切な検定は変わる。ここでは対応関係で選び分ける観点を整理する。
3.3.1 独立2群と対応のある2群
独立2群では、各群の観測が互いに関係なく得られている前提に基づき、順位和系やU系の検定が中心になる。対応のある2群では、ペア構造を使って差の方向性と大きさを評価するため、符号付き順位検定が適する。ペアがあるのに独立用の検定を使うと、情報の使い方が不適切になり得る。
3.3.2 同一対象の反復測定
同一対象への反復測定では、対象内の相関が避けられないため、独立として扱うのは通常不適切である。符号付き順位検定の枠組みでは、各対象ごとの差に注目することで対応構造を取り込む。反復の回数が2回を超える場合には、別の枠組みが必要になることが多い。
4 実施・解釈・注意点
順位検定は実施自体は比較的簡便だが、設計・読み取り・前処理の小さな誤りが結論に影響し得る。以下では、出力の解釈と実務的な落とし穴を中心に整理する。
4.1 有意水準とp値の読み方
有意水準とp値は統計的判断の基準として用いられる。順位検定でも基本的な読み方は同様である。
4.1.1 両側検定・片側検定
両側検定は差の方向を問わずに有意性を評価するのに対し、片側検定は事前に想定した方向の偏りを対象にする。片側を選ぶ場合は仮説の事前性が重要で、後から都合よく片側に切り替えると解釈の整合性が崩れる。
4.1.2 効果量（順位に基づく指標）
効果量は統計的有意性だけでは捉えられない差の大きさを示す指標である。順位検定では、順位和や順位の偏りから派生する測度（例として順位に基づく相対効果に近い指標）が用いられることがある。効果量は実務上の重要性を議論する際の補助となる。
4.2 同順位の補正と影響
タイの存在は順位の割当方法や分散推定に影響するため、適切な補正が必要になることがある。
4.2.1 タイの発生と補正方法
タイが多い場合、平均順位の割当後に統計量の理論分布が理想条件からずれる。補正は多くの場合、タイの頻度分布に基づき分散や基準分布を調整する形で行われる。ソフトウェアは自動補正を行うことがあるが、出力やドキュメントで採用方式を確認するのが望ましい。
4.2.2 補正が結果に与える影響
補正により標準化された統計量やp値が変わり、境界付近の結論が反転する可能性がある。タイが少ない場合は影響が限定的なことも多いが、離散化された測定値（段階尺度や丸め処理）ではタイが増えやすく、注意が必要である。
4.3 パワーと検出力の観点
検出力は標本数、効果の大きさ、データ分布、そして手法の性質に依存する。順位検定は頑健性の代償として検出力が低下する場合もある。
4.3.1 分布が偏っている場合の挙動
分布が大きく歪んでいるとき、順位検定は極端値に強い一方で、差の表現が順位にどれほど現れるかは効果の性質に依存する。位置の差として現れるなら有利になり得るが、形の違いが順位に反映されにくい場合には検出が難しくなることがある。
4.3.2 標本数設計の基本
標本数設計では、期待する差（効果量）と許容する誤りの大きさ（有意水準、検出力目標）が必要となる。順位検定は手法ごとに仮定する効果の形が異なるため、設計時点では「どの種類の差を想定するか」を明確にしておくことが重要である。タイの多さも実効的な検出力に影響し得るため、可能ならパイロットデータで確認する。
4.4 実務上の落とし穴
実務ではデータ処理や設計の取り違えが問題となりやすい。順位検定はスケールに頑健でも、前提の誤りには影響されやすい。
4.4.1 データ前処理（尺度変換）の注意
順位は単調変換で保存されるため、尺度変換の多くは順位検定にとって致命的でないことがある。ただし、離散化や丸め、閾値処理のような情報の縮約はタイを増やし、統計量の性質やp値に影響し得る。前処理の目的と影響を記録しておくと、再現性の観点で有用である。
4.4.2 条件・対応関係の取り違えによる誤用
独立用の検定を対応ありデータに適用したり、逆に対応あり用の検定を独立データに適用したりすると、順位の取り扱いが仮説に合わなくなる。特に「同一対象の反復」を含むのにペア情報を無視すると、情報が浪費されるだけでなく誤った基準分布に基づく評価になり得る。データ構造の確認は実施前に必須である。
4.5 ソフトウェア実装の概観
順位検定は多くの統計ソフトで標準的に実装されている。出力の項目と、内部で採用されるオプション（タイ補正や近似など）を理解することが解釈精度に直結する。
4.5.1 一般的な出力項目（検定統計量・p値）
一般に、検定統計量の値とp値が提示される。加えて、推定に使われた方法（両側か片側か、近似か厳密か、タイ補正の有無など）が表示される場合がある。報告書では、どの手法名を選び、どの設定で計算したかを明記することで再現性が高まる。
4.5.2 手計算と検算の考え方
手計算では、順位付け、順位和（あるいは差の符号を含む順位付け）、統計量の計算までを確認し、理論式または簡易な照合で検算する。小規模データで実施すると誤りの検出に役立つ。実務では計算ミスを防ぐため、少なくともデータ数や順位の整合性（タイの平均順位付与など）を視覚的・機械的に確認する手順を組み込むことが望ましい。