
カテゴリを比べる ―― カイ二乗検定と比率の検定
連載**「手を動かす統計学 ―― 実データとPythonで学ぶ」** 第11回
← 前 第10回 平均を比べる / 次 → 第12回 回帰分析
連載トップ(全16回の目次)
この回で持ち帰ってほしいこと
分割表から期待度数を計算し、カイ二乗統計量の意味を説明できる
独立性の検定を Python で実行し、標準化残差で「どのセルが効いたか」を読める
効果量(Cramér's V)を計算し、p値と併記できる
期待度数が小さいときに Fisher の正確確率検定へ切り替えられる
1. 分割表と期待度数
カテゴリ変数が2つあるとき、クロス集計した表を分割表と呼びます。
知りたいのは「2つの変数は独立か、それとも関連があるか」です。
第5回で使った中国8都市の症例対照研究を、2×2 にまとめます。
import statsmodels.api as sm
import numpy as np
from scipy import stats
d = sm.datasets.china_smoking.load_pandas().data
tot = d.sum()
obs = np.array([
[tot["smoking_yes_cancer_yes"], tot["smoking_yes_cancer_no"]],
[tot["smoking_no_cancer_yes"], tot["smoking_no_cancer_no"]],
], float)
print("観測度数")
print(f" がん 対照 計")
print(f"喫煙あり {obs[0,0]:7.0f} {obs[0,1]:6.0f} {obs[0].sum():6.0f}")
print(f"喫煙なし {obs[1,0]:7.0f} {obs[1,1]:6.0f} {obs[1].sum():6.0f}")
print(f"計 {obs[:,0].sum():7.0f} {obs[:,1].sum():6.0f} "
f"{obs.sum():6.0f}")観測度数
がん 対照 計
喫煙あり 2930 2359 5289
喫煙なし 1151 1979 3130
計 4081 4338 8419期待度数は「もし独立だったら、各セルはいくつになるはずか」です。
chi2, p, dof, exp = stats.chi2_contingency(obs, correction=False)
print("期待度数(独立だった場合)")
print(np.round(exp, 2))
print(f"\nχ² = {chi2:.4f}, 自由度 = {dof}, p = {p:.4e}")期待度数(独立だった場合)
[[2563.77 2725.23]
[1517.23 1612.77]]
χ² = 273.0908, 自由度 = 1, p = 2.4060e-61カイ二乗統計量は「観測と期待のずれ」を集めたものです。
ずれを で割っているのがポイントです。
同じ 100 のずれでも、期待度数が 20 のセルと 2000 のセルでは重みが違うからです。
2. どのセルが効いたのか ―― 標準化残差
カイ二乗検定は「どこかにずれがある」としか言いません。
どのセルが効いたかを知るには標準化残差を見ます。
resid = (obs - exp) / np.sqrt(exp)
print("標準化残差")
print(np.round(resid, 2))標準化残差
[[ 7.23 -7.02]
[-9.4 9.12]]▼図1▼

図1:左:行ごとの割合 右:観測・期待・標準化残差
喫煙ありでがんが期待より多く(+7.23)、喫煙なしでがんが期待より少ない(−9.40)。
目安として なら「そのセルが有意に寄与している」と読みます。
残差を見ない分割表の分析は、中身が空です。
「χ² = 273、p < 0.001 で有意でした」だけでは、
どの組み合わせが多かったのかが分かりません。
3. 効果量 ―― n が大きければ必ず有意になる
ここでも第9回の教訓が効きます。カイ二乗統計量は n に比例して大きくなります。
そこで効果量 Cramér's V を使います。
n = obs.sum()
V = np.sqrt(chi2 / (n * min(obs.shape[0]-1, obs.shape[1]-1)))
print(f"n = {n:.0f}")
print(f"Cramér's V = {V:.4f}")n = 8419
Cramér's V = 0.1801▼表1▼

表1:V・目安(df=1 のとき)、Cramér's V の目安(自由度1の場合)
p = 2.4×10⁻⁶¹ という天文学的な有意性に対して、V = 0.18 は「小〜中」程度です。
これは矛盾ではありません。
**「関連があることは極めて確か。ただし関連の強さは中程度」**ということです。
n=8,419 もあれば、小さな関連でも確実に検出できます。
p値は「あるか」を、効果量は「どれくらいか」を答える。
両方を書いて初めて、読み手は意思決定できます。
4. カイ二乗分布と自由度
from scipy import stats
for df in (1, 2, 5, 10):
print(f"自由度 {df:2d}: 95%点 = {stats.chi2.ppf(0.95, df):.4f}")自由度 1: 95%点 = 3.8415
自由度 2: 95%点 = 5.9915
自由度 5: 95%点 = 11.0705
自由度 10: 95%点 = 18.3070▼図2▼

図2:自由度が増えると分布は右へ広がる
の分割表の自由度は です。
2×2 なら 1、3×4 なら 6 になります。

5. 期待度数が小さいとき ―― Fisher の正確確率検定
カイ二乗検定は近似です。期待度数が小さいと近似が壊れます。
経験則:すべてのセルで期待度数が 5 以上。
それを下回るセルがあるなら、Fisher の正確確率検定を使う。
small = np.array([[8., 2.],
[3., 7.]])
c2, p2, dof2, exp2 = stats.chi2_contingency(small, correction=False)
_, pf = stats.fisher_exact(small)
print(f"期待度数:\n{np.round(exp2, 2)}")
print(f"\nカイ二乗検定 p = {p2:.4f}")
print(f"Fisher の検定 p = {pf:.4f}")期待度数:
[[5.5 4.5]
[5.5 4.5]]
カイ二乗検定 p = 0.0246
Fisher の検定 p = 0.0698カイ二乗なら有意(0.0246)、Fisher なら有意でない(0.0698)。
結論がひっくり返ります。
このデータは期待度数が 4.5 のセルを含むので、Fisher が正しい選択です。
カイ二乗を使っていたら、存在しない差を報告するところでした。
scipy の chi2_contingency は 2×2 のとき既定で
Yates の連続性補正(correction=True)を適用します。
この記事では比較のため correction=False にしていますが、
2×2 で n が小さいときは補正ありか Fisher を使ってください。
6. 比率の差の検定
2×2 の分割表は、「2つの比率が等しいか」と言い換えられます。
from statsmodels.stats.proportion import proportions_ztest, proportion_confint
count = np.array([2930, 1151]) # がんの人数
nobs = np.array([5289, 3130]) # 各群の人数
z, pz = proportions_ztest(count, nobs)
print(f"喫煙あり のがん割合 = {count[0]/nobs[0]:.4f}")
print(f"喫煙なし のがん割合 = {count[1]/nobs[1]:.4f}")
print(f"差 = {count[0]/nobs[0] - count[1]/nobs[1]:.4f}")
print(f"z = {z:.4f}, p = {pz:.4e}")喫煙あり のがん割合 = 0.5540
喫煙なし のがん割合 = 0.3677
差 = 0.1863
z = 16.5255, p = 2.4060e-61p値はカイ二乗検定とまったく同じ(2.406×10⁻⁶¹)です。
実は 2×2 のカイ二乗検定と比率の差の z検定は、数学的に等価()です。
print(f"z² = {z**2:.4f} χ² = {chi2:.4f}")z² = 273.0908 χ² = 273.0908比率の信頼区間も忘れずに(第8回のとおり Wilson 法で)。
▼図3▼

図3:小標本では正規近似(赤)が0を割り込む。Wilson(青)が安全
7. 【AIプロンプト】生成AIで深める
あなたは統計の指導者です。答えを先に言わず、私に考えさせてください。
次の分析について、適切な検定を選ぶための「確認すべきこと」を3つ、
私に挙げさせてください。私が答えたあとで、抜けだけを補ってください。
状況:
「新しい研修を受けた社員40人と、受けていない社員35人について、
1年後に昇進したかどうかを調べた。
昇進した人は研修群で6人、非研修群で2人だった。
研修に効果があったと言えるか。」Python で、カイ二乗検定の「期待度数が小さいときの危うさ」を
シミュレーションで示すコードを書いてください。
- 真に独立な2×2 分割表を、総数 n = 20, 40, 100, 400 で10,000回生成
- 各 n で「カイ二乗検定(補正なし)」「カイ二乗検定(Yates補正)」
「Fisher の正確確率検定」の3つが p<0.05 になった割合を比べる
- 本来は5%になるべきなので、どれが5%から外れるかを表にする
乱数シードを固定し、各行に日本語コメントを付けてください。8. AI・データサイエンスとのつながり
分類器の評価:混同行列はまさに分割表です(第13回)。「予測と正解が独立でない」ことを示すのがカイ二乗検定にあたります。
特徴量選択:sklearn.feature_selection.chi2 はカテゴリ特徴量の選択にカイ二乗統計量を使います。n が大きいと全部が有意になる点に注意。
A/Bテスト:コンバージョン率の比較は、まさに比率の差の検定です。
公平性の監査:モデルの出力が属性(性別、地域など)と独立かを調べるとき、分割表と標準化残差が基本の道具になります。
9. 演習問題
★ 問1 2×3 の分割表の自由度はいくつですか。4×5 なら?
★★ 問2 第1節の 2×2 表について、Yates の連続性補正を適用した場合の
カイ二乗値とp値を求め、補正なしと比べてください。
★★★ 問3 第5節の小さな表 [[8,2],[3,7]] について、
オッズ比とその95%信頼区間を求めてください。
信頼区間は1をまたぎますか。Fisher の検定の結論と一致しますか。
解答と解説
問1
2×3 は 。4×5 は 。
問2
c_no, p_no, _, _ = stats.chi2_contingency(obs, correction=False)
c_ye, p_ye, _, _ = stats.chi2_contingency(obs, correction=True)
print(f"補正なし: χ² = {c_no:.4f}, p = {p_no:.3e}")
print(f"補正あり: χ² = {c_ye:.4f}, p = {p_ye:.3e}")補正なし: χ² = 273.0908, p = 2.406e-61
補正あり: χ² = 272.3456, p = 3.497e-61n = 8,419 と大きいので、補正の有無でほとんど変わりません(χ² が 0.75 下がるだけ)。
連続性補正が効くのは n が小さいときだけです。
大標本ではどちらでも同じ結論になります。
問3
import numpy as np
from scipy import stats
a, b, c, d_ = 8, 2, 3, 7
or_ = (a * d_) / (b * c)
# log オッズ比の標準誤差
se_log = np.sqrt(1/a + 1/b + 1/c + 1/d_)
lo = np.exp(np.log(or_) - 1.96 * se_log)
hi = np.exp(np.log(or_) + 1.96 * se_log)
print(f"オッズ比 = {or_:.4f}")
print(f"95%信頼区間 = [{lo:.4f}, {hi:.4f}]")
print(f"1 を含むか: {lo <= 1 <= hi}")オッズ比 = 9.3333
95%信頼区間 = [1.1934, 72.9934]
1 を含むか: Falseオッズ比は 9.33 と大きいものの、信頼区間は [1.19, 72.99] と極端に広い。
n=20 しかないので、ほとんど何も分かっていないに等しい状態です。
区間が1をまたがないので「有意」と読めますが、
Fisher の正確確率検定では p = 0.0698 で有意ではありませんでした。
小標本では、近似に基づく方法どうしでも結論が食い違います。
この場合、報告すべきは「オッズ比 9.3(95%CI 1.2–73.0、Fisher の p = 0.070、n=20)」
という全部込みの形です。そして正直に
「サンプルが小さすぎて結論は出せない」と書くべきです。
まとめ
分割表では期待度数(独立ならこうなるはず)とのずれを測る
標準化残差で「どのセルが効いたか」を読む。 が目安
Cramér's V で効果量を併記。n が大きければ小さな関連でも有意になる
期待度数 5 未満のセルがあれば Fisher の正確確率検定へ
2×2 のカイ二乗検定と比率の差の z検定は等価()
小標本では方法によって結論が食い違う。「結論が出せない」と書く勇気
次回は、関係を式でモデル化します。回帰分析に入ります。