クラスカル・ウォリス検定における効果量とは何ですか？

イプシロン二乗（ε²）は、クラスカル・ウォリス検定の効果量の尺度として使用されます。0から1の範囲で、実質的な有意性を示します。0.01未満は無視できる値、0.01〜0.06は小、0.06〜0.14は中、0.14以上は大の効果を示します。効果量は、差の大きさを表すことで統計的有意性を補完します。

クラスカル・ウォリス検定に必要な最小サンプルサイズは？

信頼性の高い結果を得るためには、各グループに少なくとも5つの観測値が必要です。技術的には各グループ2つ以上の観測値があれば実行可能ですが、非常に小さなサンプルの場合、p値の計算に使用されるカイ二乗近似が正確でない可能性があり、正確な置換検定を検討する必要があります。

有意なクラスカル・ウォリスの結果が出た後、どのような事後検定を行いますか？

クラスカル・ウォリス検定が有意な場合、事後検定によって具体的にどのグループ間に差があるかを特定します。一般的な選択肢には、ダン（Dunn）の検定（最も一般的）、ボンフェローニ補正を用いたマン・ホイットニーのU検定のペア比較、コノバー・イマン検定、またはネメニ検定などがあります。

Kruskal Wallis 検定電卓

Q: ANOVAの代わりにクラスカル・ウォリス検定をいつ使用すべきですか？

次の場合にクラスカル・ウォリス検定を使用してください：(1) データがANOVAに必要な正規性の仮定を満たしていない場合、(2) 連続データではなく順序データがある場合、(3) サンプルサイズが小さく正規性を確認できない場合、(4) ANOVAの結果を歪ませる可能性のある外れ値がある場合、(5) グループ間の分散が等しくない場合（不均一分散）。

Q: クラスカル・ウォリスのp値はどのように解釈しますか？

p値が選択した有意水準（通常は0.05）以下の場合は、帰無仮説を棄却し、少なくとも1つのグループのペアの間に統計的に有意な差があると結論付けます。p値がアルファより大きい場合は、帰無仮説を棄却できず、グループ間に差があるという十分な証拠がないことを意味します。

複数の独立したグループを比較するためにクラスカル・ウォリスH検定を実行します。ステップバイステップの計算、順位分析、効果量、および非パラメータ統計分析のためのインタラクティブな視覚化を提供します。

Kruskal Wallis 検定電卓

サンプルデータセットを試す:

3グループ (基本) 異なる平均値 4グループ (類似) 明らかな差

データを入力（各グループを個別の行に）

有意水準 (α)

小数点以下の精度

ヒント: 少なくとも2つのグループを入力し、各グループに2つ以上の観測値を含めてください。各グループ5つ以上の観測値がある場合に最も効果的に機能します。

Embed Kruskal Wallis 検定電卓 Widget

Kruskal Wallis 検定電卓

Kruskal-Wallis 検定電卓へようこそ。このツールは、非パラメトリックなクラスカル・ウォリスH検定を使用して、複数の独立したグループを比較するための包括的な統計ツールです。この電卓は、ステップバイステップの計算、順位分析、効果量の測定、およびデータの理解と解釈を助けるためのインタラクティブな可視化機能を提供します。

クラスカル・ウォリス検定とは何ですか？

クラスカル・ウォリスH検定（クラスカル・ウォリス一元配置分散分析とも呼ばれる）は、連続型または順序型の従属変数に対し、独立変数の2つ以上のグループ間に統計的に有意な差があるかどうかを判断するために使用される順位に基づいた非パラメトリック検定です。これは一元配置分散分析（ANOVA）の非パラメトリック版に相当します。

1952年にこれを開発したウィリアム・クラスカルとW.アレン・ウォリスにちなんで名付けられたこの検定は、マン・ホイットニーのU検定を3つ以上のグループに拡張したものです。ANOVAとは異なり、クラスカル・ウォリス検定はデータの正規分布を前提としません。

クラスカル・ウォリス H統計量の公式

クラスカル・ウォリス H統計量

$$H = \frac{12}{N(N+1)} \sum_{i=1}^{k} \frac{R_i^2}{n_i} - 3(N+1)$$

ここで：

N = 全グループを合わせた総観測数
k = グループ数
nᵢ = グループ i の観測数
Rᵢ = グループ i の順位の合計

クラスカル・ウォリス検定をいつ使用するか

次の場合に一元配置ANOVAではなくクラスカル・ウォリス検定を使用します：

非正規データ： データがANOVAに必要な正規性の仮定を満たしていない場合
順序データ： 連続データではなく、順序（ランク付けされた）データがある場合
小規模サンプル： サンプルサイズが小さすぎて正規性を確認できない場合
外れ値の存在： ANOVAの結果を歪ませる可能性のある外れ値がデータにある場合
等分散でない： グループ間の分散が等しくない場合（不均一分散）

クラスカル・ウォリス検定の前提条件

従属変数は、順序尺度または間隔尺度（連続型）で測定されている必要があります。
独立変数は、2つ以上のカテゴリ別の独立したグループで構成されている必要があります。
観測の独立性 - 各グループ内、またはグループ間に観測値の関連性がないこと。
グループ間で分布の形状が類似していること（必ずしも正規分布である必要はありませんが、類似している必要があります）。

この電卓の使い方

データを入力する： 各グループのデータを個別の行に入力します。行内の値はカンマ、スペース、またはタブで区切ることができます。
有意水準を設定する： テストの要件に基づいてアルファ値（0.01、0.05、または0.10）を選択します。
精度を設定する： 結果の小数点以下の桁数を選択します。
計算する： 「計算」ボタンをクリックして分析を実行します。
結果を解釈する： H統計量、p値、効果量、および可視化グラフを確認して結論を導き出します。

結果の解釈

統計的有意性

p値 ≤ アルファ の場合：帰無仮説を棄却します。少なくとも1つのグループのペアの間に統計的に有意な差があります。
p値 > アルファ の場合：帰無仮説を棄却できません。グループ間に差があるという十分な証拠がありません。

効果量（イプシロン二乗）

効果量は、発見の実質的な重要性を測定します：

イプシロン二乗 (ε²)	効果の大きさ	解釈
< 0.01	無視できる	実質的な効果が非常に小さい、または無い
0.01 - 0.06	小	実質的にわずかな有意性がある
0.06 - 0.14	中	実質的に中程度の有意性がある
> 0.14	大	実質的に大きな有意性がある

事後検定

クラスカル・ウォリス検定が有意な場合、具体的にどのグループ間に差があるかを判断するために事後検定が必要です。一般的なオプションは次のとおりです：

ダン（Dunn）の検定： クラスカル・ウォリスに対する最も一般的な事後検定
マン・ホイットニーのU検定のペア比較： 多重比較のためのボンフェローニ補正などを伴うもの
コノバー・イマン検定： 順位のt分布に基づく検定
ネメニ検定： テューキーのHSDの非パラメトリック版

クラスカル・ウォリスと ANOVA の比較

特徴	クラスカル・ウォリス	一元配置 ANOVA
データ型	順序または連続	連続のみ
正規性	不要	必要
等分散性	不要	必要（違反時はWelchのANOVAが使用可能）
統計的検定力	低い（順位を使用）	高い（実際の値を使用）
外れ値への感度	感度が低い	感度が高い
サンプルサイズ	小サンプルでも機能	正規性のために大きなサンプルが必要

よくある質問

クラスカル・ウォリス検定とは何ですか？

クラスカル・ウォリス検定は、連続型または順序型の従属変数に対し、独立変数の2つ以上のグループ間に統計的に有意な差があるかどうかを判断するために使用される順位に基づいた非パラメトリック検定です。これは一元配置分散分析（ANOVA）の非パラメトリック版であり、3つ以上のグループに対するマン・ホイットニーのU検定の拡張です。