ロジスティック回帰分析の結果の見方｜オッズ比・95%CI・p値をやさしく解説

「論文の表にOR=2.34（95%CI: 1.12–4.89）と書いてあるけど、何を意味するのか分からない」

医学・公衆衛生・疫学・社会科学など、様々な分野の論文でロジスティック回帰分析の結果が登場します。しかし、統計を専門的に学んでいない方にとって、オッズ比・95%信頼区間・p値という3つの数値の意味を正確に理解するのは、決して簡単ではありません。

この記事では、数式をできるだけ使わず、具体例とイメージでロジスティック回帰分析の結果の読み方をやさしく解説します。論文を読む方・レポートや卒論で分析結果を報告する方・データ分析を学び始めた方、どなたにも役立てていただける内容です。

目次

1. ロジスティック回帰分析とは何か？まず目的を理解しよう

2. 分析結果の表はどう読む？基本の構造を把握する

3. オッズ比（OR）とは何か｜「何倍なりやすいか」を示す指標

4. オッズ比の解釈方法｜1より大きい・小さい・等しいの意味

5. 95%信頼区間（95%CI）とは何か｜結果の「幅」と「精度」を示す

6. 95%信頼区間の見方｜1をまたぐかどうかが鍵

7. p値とは何か｜「偶然起きた可能性」を示す確率

8. p値の正しい解釈と注意点

9. オッズ比・95%CI・p値を組み合わせて読む

10. 調整オッズ比（aOR）と粗オッズ比（cOR）の違い

11. 実際の論文表を読んでみよう｜具体例で練習

12. まとめ｜3つの数値をセットで解釈することが大切

1. ロジスティック回帰分析とは何か？まず目的を理解しよう

ロジスティック回帰分析とは、「ある出来事が起こるかどうか（Yes/No）」を目的変数として、それに影響を与える要因を分析する統計手法です。

具体的には、以下のような問いに答えるために使われます。

• 喫煙者は非喫煙者と比べて、肺がんになりやすいか？

• 運動習慣がある人は、糖尿病のリスクが低いか？

• 女性は男性と比べて、うつ病を発症しやすいか？

「なった / ならなかった」「発症した / しなかった」「合格した / しなかった」のように、結果が2択（二値変数）のときに使う分析方法だと理解しておきましょう。

2. 分析結果の表はどう読む？基本の構造を把握する

ロジスティック回帰分析の結果は、論文中でよく以下のような表の形式で示されます。

変数 OR 95%CI p値 喫煙（あり vs なし） 2.45 1.23–4.87 0.011 年齢（1歳増加ごと） 1.03 1.01–1.06 0.004 性別（女性 vs 男性） 0.78 0.45–1.35 0.372 BMI（1単位増加ごと） 1.12 0.98–1.27 0.094

この表の各列の意味は、以下の通りです。

• OR（Odds Ratio）：オッズ比。関連の「強さと方向」を示す

• 95%CI（95% Confidence Interval）：95%信頼区間。推定の「幅・精度」を示す

• p値（p-value）：統計的有意性。「偶然の可能性がどれくらいか」を示す

それでは、この3つを順番に詳しく見ていきましょう。

3. オッズ比（OR）とは何か｜「何倍なりやすいか」を示す指標

オッズ比（Odds Ratio: OR）は、ある要因を持つグループが、持たないグループと比べてどれくらい「起こりやすいか」を示す数値です。

「オッズ」とは何か

まず「オッズ」という概念を理解しましょう。

オッズとは、**「起こる確率 ÷ 起こらない確率」**のことです。

例えば、ある集団で100人中40人が疾患Aを発症したとします。

• 発症する確率 = 40/100 = 0.40

• 発症しない確率 = 60/100 = 0.60

• オッズ = 0.40 ÷ 0.60 = 0.667

これを喫煙者グループと非喫煙者グループで計算し、その比をとったものが**オッズ比（OR）**です。

オッズ比のイメージ

難しく考えず、まずは「〇〇グループは△△グループの□倍なりやすい」という感覚で読むと分かりやすくなります。

4. オッズ比の解釈方法｜1より大きい・小さい・等しいの意味

オッズ比を読むうえで最も重要なのが、**「1を基準として考える」**という点です。

オッズ比の値 意味 OR = 1 2グループ間でリスクに差がない（関連なし） OR > 1 曝露グループの方がリスクが高い（正の関連） OR < 1 曝露グループの方がリスクが低い（負の関連・保護的）

具体例で確認

• OR = 3.0：その要因を持つ人は、持たない人に比べて3倍発症しやすい

• OR = 1.0：その要因があってもなくても、発症のしやすさは同じ

• OR = 0.5：その要因を持つ人は、持たない人に比べて発症リスクが半分（50%低い）

オッズ比は「相対的な比較」であることに注意

オッズ比はあくまで「比較した場合に何倍か」を示すもので、絶対的なリスクの大きさは示しません。

例えばOR = 10であっても、元のリスクが0.001%であれば発症リスクは0.01%です。オッズ比の大きさだけで「危険かどうか」を判断することには注意が必要です。

5. 95%信頼区間（95%CI）とは何か｜結果の「幅」と「精度」を示す

95%信頼区間（95% Confidence Interval: 95%CI）は、オッズ比の推定値がどれくらい信頼できるか（精度）を示す幅です。

信頼区間のイメージ

例えば「OR = 2.45（95%CI: 1.23–4.87）」という結果があるとします。

これは、「同じような研究を100回繰り返した場合、95回はオッズ比が1.23〜4.87の範囲に収まる」という意味に近いと理解してください（厳密な定義は若干異なりますが、直感的な理解としてはこれで十分です）。

信頼区間が「狭い」「広い」とはどういう意味か

信頼区間の幅は、サンプルサイズ（対象者数）と深く関係します。

信頼区間の幅 意味 よくある原因 狭い（例: 1.80–2.10） 推定が精度高く安定している サンプルサイズが大きい 広い（例: 0.50–9.80） 推定の不確かさが大きい サンプルサイズが小さい

信頼区間が広い場合は、「この結果はそこまで信頼性が高くない」「もっと大きな研究が必要」というシグナルとして読むことができます。

6. 95%信頼区間の見方｜1をまたぐかどうかが鍵

95%信頼区間を見るうえで最も重要なのが、**「区間が1をまたいでいるかどうか」**です。

なぜ「1」が基準なのか

オッズ比が1のとき「関連がない」ことを意味します。したがって、信頼区間の中に1が含まれているかどうかで、「統計的に有意な関連があるか」を判断できます。

95%CI 解釈 1をまたがない（例: 1.23–4.87） 統計的に有意な関連あり 1をまたぐ（例: 0.45–3.12） 統計的に有意な関連は認められない 1を含む（例: 0.90–1.10） ほぼ関連なし

具体例で確認

• OR = 2.45（95%CI: 1.23–4.87）→ 区間が1.23〜4.87で1をまたいでいない → 統計的に有意

• OR = 0.78（95%CI: 0.45–1.35）→ 区間が0.45〜1.35で1をまたいでいる → 統計的に有意ではない

この「1をまたぐかどうか」という見方は、p値の解釈とも密接に対応しています。

7. p値とは何か｜「偶然起きた可能性」を示す確率

p値（p-value）とは、**「帰無仮説（差がない・関連がない）が正しいと仮定した場合に、今回得られたような結果が偶然起きる確率」**です。

少し難しい定義ですが、実際の読み方はシンプルです。

p値の読み方

• p値が小さい → 「偶然このような結果が出る可能性が低い」→ 統計的に有意（関連あり）

• p値が大きい → 「偶然このような結果が出た可能性がある」→ 統計的に有意ではない

一般的に、医学・疫学研究ではp < 0.05（5%未満）を「統計的に有意」と判断する基準として使います。

p値 よくある解釈 p < 0.001 非常に強い統計的有意性 p < 0.01 強い統計的有意性 p < 0.05 統計的に有意（一般的な基準） p ≥ 0.05 統計的に有意ではない

8. p値の正しい解釈と注意点

p値はよく誤解される統計指標です。正しく使うために、いくつかの重要な注意点を理解しておきましょう。

❌ よくある誤解

誤解①「p < 0.05なら、その関連は本物だ」
p値は「偶然の可能性の低さ」を示すだけで、関連が「本物かどうか」「臨床的・実用的に意味があるかどうか」を保証するものではありません。

誤解②「p ≥ 0.05なら、関連がないことが証明された」
p値が0.05以上であることは「差がない」ことの証明ではありません。「統計的に有意な差を検出できなかった」というだけです（サンプルサイズが小さいために検出できなかった可能性もあります）。

誤解③「p値が小さいほど、オッズ比が大きい」
p値の大きさはオッズ比の大きさとは別物です。サンプルサイズが非常に大きい場合、臨床的にほとんど意味のない小さな差でもp < 0.05になることがあります。

✅ p値と95%CIはセットで読む

p値と95%信頼区間は、基本的に同じ情報を別の形で示しています。

• 95%CIが1をまたがない ⟺ p < 0.05（おおよそ対応）

どちらか一方だけでなく、両方を合わせて確認することが、より正確な解釈につながります。

9. オッズ比・95%CI・p値を組み合わせて読む

3つの指標をバラバラに見るのではなく、セットで組み合わせて解釈することが、正しい結果の読み方です。

以下のパターンを覚えておくと便利です。

パターン① 統計的に有意で、関連が強い

• オッズ比が1より大きく、関連は「正の方向」

• 95%CIが狭く、1をまたいでいない → 精度が高い

• p値が非常に小さい → 偶然ではない可能性が高い

• 解釈：この要因との強い正の関連が、統計的に強く支持される

パターン② 有意だが、関連は弱い

• オッズ比は1に近く、関連は弱い

• 95%CIはギリギリ1をまたいでいない

• p値は0.05を下回るが余裕はない

• 解釈：統計的に有意だが、実質的な関連の強さは小さい。解釈に注意が必要。

パターン③ 有意ではなく、関連も不明確

• オッズ比は1未満（負の方向を示唆）

• 95%CIが広く、1をまたいでいる

• p値が大きい

• 解釈：この要因との統計的に有意な関連は認められなかった

10. 調整オッズ比（aOR）と粗オッズ比（cOR）の違い

論文の表を見ると、「調整オッズ比（aOR）」と「粗オッズ比（cOR）」が両方掲載されていることがあります。この違いを理解しておくことも重要です。

粗オッズ比（cOR / crude OR）

他の変数の影響を一切考慮せず、注目する要因と結果だけの関係を単純に計算したオッズ比です。交絡因子の影響が含まれているため、実際の関連を正確に反映しているとは言えない場合があります。

調整オッズ比（aOR / adjusted OR）

年齢・性別・生活習慣などの交絡因子（他の影響を与えうる変数）を統計的に調整したうえで計算したオッズ比です。交絡の影響を取り除いているため、より純粋な関連を示します。

どちらを重視すべきか

基本的には調整オッズ比（aOR）の方が信頼性が高いとされています。論文の主な解釈はaORを中心に行うことが多いです。ただし、何を調整したかによって値が大きく変わることもあるため、調整変数の選択も合わせて確認しましょう。

11. 実際の論文表を読んでみよう｜具体例で練習

以下は、「運動習慣と2型糖尿病発症リスク」の仮想的な研究結果の表です。実際に読んでみましょう。

目的変数：2型糖尿病の発症（あり/なし）

変数 cOR 95%CI p値 aOR 95%CI p値 運動習慣（あり vs なし） 0.52 0.31–0.87 0.013 0.61 0.36–1.04 0.068 喫煙（あり vs なし） 1.89 1.24–2.88 0.003 1.74 1.13–2.68 0.012 BMI（1単位増加ごと） 1.21 1.14–1.28 <0.001 1.18 1.11–1.26 <0.001 年齢（10歳増加ごと） 1.45 1.22–1.72 <0.001 1.41 1.18–1.68 <0.001

この表の読み方

運動習慣（調整後）：aOR = 0.61（95%CI: 0.36–1.04）、p = 0.068
→ 調整後、95%CIが1をまたいでおり（0.36〜1.04）、p = 0.068 > 0.05のため統計的に有意ではありません。粗では有意だったものが、交絡を調整すると有意でなくなった例です。

喫煙（調整後）：aOR = 1.74（95%CI: 1.13–2.68）、p = 0.012
→ 95%CIが1をまたがず（1.13〜2.68）、p < 0.05のため統計的に有意。喫煙者は非喫煙者の約1.74倍、2型糖尿病を発症しやすい関連が示されました。

BMI（調整後）：aOR = 1.18（95%CI: 1.11–1.26）、p < 0.001
→ BMIが1単位増えるごとに、2型糖尿病発症オッズが約1.18倍（18%増加）する関連が強く示されています。95%CIが非常に狭く、精度の高い推定です。

12. まとめ｜3つの数値をセットで解釈することが大切

ロジスティック回帰分析の結果を読むうえで押さえておくべきポイントを振り返りましょう。

オッズ比（OR）

• 1が基準。1より大きければ正の関連、小さければ負の関連（保護的）

• 「何倍なりやすいか」というリスクの方向と強さを示す

• 絶対的なリスクの大きさは示さない

95%信頼区間（95%CI）

• 推定の幅と精度を示す

• 1をまたぐかどうかが統計的有意性の判断基準

• 幅が広いほど不確かさが大きい（サンプルサイズが小さいことが多い）

p値

• p < 0.05が一般的な有意水準

• 「関連がない」ことの証明ではなく、「偶然の可能性の低さ」を示す

• p値単独で判断せず、必ずオッズ比・95%CIとセットで読む

調整オッズ比（aOR）を重視する

• 交絡因子を調整したaORが解釈の中心

• 粗オッズ比（cOR）との比較で交絡の影響を確認できる

統計の数値は、一つひとつを孤立して読むのではなく、「方向（OR）→ 精度（95%CI）→ 有意性（p値）」の順に組み合わせて読むことで、研究結果の全体像が初めて見えてきます。

最初は難しく感じても、論文を読む回数を重ねるうちに、必ず直感的に読めるようになっていきます。この記事を手元に置きながら、ぜひ実際の論文に挑戦してみてください。