分割表電卓

カテゴリデータの関係を独立性のカイ二乗検定で分析します。期待度数、標準化残差、Cramér's V（クラメールの連関係数）の効果量、アニメーション付きモザイク図、残差ヒートマップ、およびステップバイステップの解答を含む、あらゆるR×C分割表をサポートしています。

分割表電卓

📌 クイックサンプル:

テーブルサイズ: ×

データを貼り付け（各行を改行し、値をカンマ、スペース、またはタブで区切ってください）

行ラベル（任意、カンマ区切り）

列ラベル（任意、カンマ区切り）

有意水準 (α):

Embed 分割表電卓 Widget

分割表電卓

分割表計算機は、任意の R×C 分割表（クロス集計表）に対してカイ二乗独立性検定を実行します。観測度数を入力して、2つのカテゴリ変数の間に統計的な関連性があるかどうかをテストします。期待度数、調整済み標準化残差、Cramér's V（クラメールのV）効果量、セル寄与度分析、インタラクティブなモザイクプロット、残差ヒートマップ、カイ二乗分布曲線、および完全なステップバイステップの解決策を含む詳細な結果を取得できます。

分割表計算機の使い方

テーブルのサイズを設定する — 分割表の行数と列数を選択します。デフォルトは2×2テーブルですが、ドロップダウンセレクターを使用して最大10×10までのテーブルを分析できます。
観測度数を入力する — インタラクティブなグリッドに各セルの観測数を直接入力します。または、「テキスト入力」モードに切り替えて、タブ区切りやカンマ区切りのデータを貼り付けることもできます。すべての値は非負の整数である必要があります。
ラベルを追加する（任意） — 行と列のカテゴリラベルをカンマで区切って入力します。ラベルを付けると、出力される表やグラフが解釈しやすくなります。例：行に「男性, 女性」、列に「はい, いいえ」。
有意水準を設定する — 希望する α 水準を選択します。最も一般的な選択は 0.05（95% 信頼度）です。α 値が小さいほど（0.01、0.001）、有意であると宣言するためにより強い証拠が必要になります。
結果を分析する — 「分割表を分析する」をクリックして、カイ二乗統計量、p値、効果量の尺度、視覚化、およびステップバイステップの解決策を確認します。

分割表とは？

分割表（クロス集計表、クロス表、または2元配置度数表とも呼ばれます）は、2つのカテゴリ変数の結合度数分布を表示します。各行は第1変数の1つのカテゴリを表し、各列は第2変数の1つのカテゴリを表し、各セルにはその特定の組み合わせに該当する観測数が含まれます。分割表は、カイ二乗検定、フィッシャーの正確検定、対数線形モデルなど、多くのカテゴリデータ分析手法の基礎となります。

カイ二乗独立性検定

カイ二乗 (χ²) 独立性検定は、2つのカテゴリ変数の間に統計的に有意な関連性があるかどうかを判断します。これは、観測されたセルの度数と、変数が独立している場合に期待される度数を比較することによって機能します。

χ² = Σ (Oᵢⱼ − Eᵢⱼ)² / Eᵢⱼ

ここで、Oᵢⱼ はセル (i,j) の観測度数であり、Eᵢⱼ は次のように計算される期待度数です。

Eᵢⱼ = (行合計(i) × 列合計(j)) / 総計

検定の自由度は (r − 1) × (c − 1) です。ここで、r は行数、c は列数です。χ² 値が大きいほど、観測度数と期待度数の間の乖離が大きいことを示し、変数が関連していることを示唆します。

Cramér's V — 効果量の測定

p値は関連性が存在するかどうかを示しますが、Cramér's V（クラメールのV）はその強さを示します。Cramér's V は 0（関連なし）から 1（完全な関連）までの範囲をとり、次のように計算されます。

V = √(χ² / (N × (k − 1)))

ここで、N は総サンプルサイズ、k は行数または列数のうち小さい方です。Cramér's V の解釈は自由度に依存します。

効果量	df* = 1	df* = 2	df* ≥ 3
無視できる	< 0.10	< 0.07	< 0.06
小さい	0.10 – 0.30	0.07 – 0.21	0.06 – 0.17
中程度	0.30 – 0.50	0.21 – 0.35	0.17 – 0.29
大きい	≥ 0.50	≥ 0.35	≥ 0.29

*df* は min(行数, 列数) − 1 を指します。

標準化残差の理解

調整済み標準化残差は、どの特定のセルが有意なカイ二乗結果に最も寄与しているかを明らかにします。セル内の残差が +2.5 であることは、そのセルが独立下で期待されるよりも 2.5 標準偏差多い観測数を持っていることを意味します。主な閾値は以下の通りです：

|r| > 1.96 — 期待値と有意に異なる (p < 0.05)
|r| > 2.58 — 期待値と極めて有意に異なる (p < 0.01)
正の残差 — そのセルで期待よりも多くの観測があった
負の残差 — そのセルで期待よりも少ない観測であった

カイ二乗検定を使用する場合

カテゴリデータ — 両方の変数がカテゴリ変数（名義尺度または順序尺度）であること
独立した観測 — 各観測は一度だけカウントされるべきであること
十分なサンプルサイズ — 期待度数の少なくとも 80% が 5 以上であり、期待度数が 1 未満のセルがないこと
無作為抽出 — 観測値は母集団からの無作為標本に基づいていること

期待度数が低すぎる場合は、カテゴリの統合、フィッシャーの正確検定（2×2表の場合）の使用、あるいは大きな表の場合は正確検定やモンテカルロ・シミュレーションの使用を検討してください。

カイ二乗検定 vs フィッシャーの正確検定

カイ二乗検定は大標本近似を使用しますが、フィッシャーの検定は正確な確率を計算します。
期待度数が小さい (< 5) 2×2表では、フィッシャーの検定が好まれます。
カイ二乗検定は、あらゆるサイズの R×C 表に自然に一般化されます。
大標本の場合、両方の検定は非常によく似た結果をもたらします。

FAQ

分割表とは何ですか？

分割表（クロス集計表またはクロス表とも呼ばれます）は、2つ以上のカテゴリ変数の度数分布を表示する表です。各セルには、特定のカテゴリの組み合わせに該当する観測数が表示されます。これは、カイ二乗検定を使用して変数が独立しているか関連しているかをテストするための基礎となります。

カイ二乗独立性検定とは何ですか？

カイ二乗独立性検定は、分割表における2つのカテゴリ変数の間に統計的に有意な関連性があるかどうかを判断します。観測されたセルの度数と、変数が独立しているという仮定の下で計算された期待度数を比較します。自由度に対してカイ二乗統計量が大きい場合、変数が関連していることを示唆します。

Cramér's V（クラメールのV）とは何ですか？また、どのように解釈すればよいですか？

Cramér's V はカイ二乗検定の効果量の尺度で、0（関連なし）から 1（完全な関連）の範囲をとります。2×2の表の場合、0.10 未満は無視できる、0.10–0.30 は小さい効果、0.30–0.50 は中程度、0.50 以上は大きいとされます。大きな表では、閾値は比例して低くなります。p値とは異なり、Cramér's V は統計的に存在するかどうかだけでなく、関連性の強さを測定します。

分割表における標準化残差とは何ですか？

調整済み標準化残差は、各セルが独立性の仮定からどれだけ乖離しているかを示します。+1.96 より大きい、または −1.96 より小さい値は、0.05 水準で有意な乖離を示します。正の残差はそのセルに期待以上の観測があったことを意味し、負の残差は期待以下であったことを意味します。これらは、どの特定のセルの組み合わせが全体的な関連性を引き起こしているかを特定するのに役立ちます。

カイ二乗検定を使用してはいけないのはどのような場合ですか？

期待度数が非常に低い場合、カイ二乗検定は信頼できない可能性があります。具体的には、期待度数が 5 未満のセルが 20% を超える場合、または期待度数が 1 未満のセルがある場合です。小規模サンプルの 2×2 表では、フィッシャーの正確検定が好まれます。また、この検定は独立した観測を必要とするため、ペアデータ、マッチングデータ、または反復測定データには使用しないでください。

このコンテンツ、ページ、またはツールを引用する場合は、次のようにしてください：

"分割表電卓"（https://MiniWebtool.com/ja/分割表計算機/） MiniWebtool からの引用、https://MiniWebtool.com/

miniwebtool チーム作成。最終更新: 2026-04-15

また、AI 数学ソルバー GPT を使って、自然言語による質問と回答で数学の問題を解決することもできます。