P値計算機 検定統計量をp値に変換する · 検証済み vs R 4.3.3
例:z値、t値、χ²値、またはF値
tについてはχ²、Fについては分子の自由度
F以外は空欄のままにしてください
ユーザーガイド

使用タイミング:検定統計量(z、t、χ²、またはF)を帰無仮説の下でのp値に変換します。

前提条件:統計量は既に正しく計算されており、自由度も適切です。

よくある間違い。p値は、帰無仮説が真である確率でも、効果の大きさでもありません。

実例

上記の「サンプルデータを読み込む」をクリックし、「分析を実行」をクリックすると、このテストの図、数式、解釈を含む完全な結果が表示されます。

参考情報
  1. Wasserstein RL、Lazar NA。p値に関するASA声明。Am Stat. 2016;70:129-133。
どちらの尾が使われますか。 z と t: 両側検定 p = 2 × P(T ≥ |t|)、片側検定 p = P(T ≥ |t|) は、観測された統計量の方向で計算されます。カイ二乗検定と F: 常に上側検定、p = P(X ≥ 統計量) となります。これは、大きな値のみが帰無仮説に反する証拠としてカウントされるためです。両側検定または片側検定の設定は、カイ二乗検定または F 検定の結果には影響しません。

簡単に言うと、P値は実際には何を教えてくれるのか?

p値は、ある狭い範囲の質問に答えるものです。つまり、もし本当に効果が全くなかった場合(帰無仮説が完全に正しい場合)、偶然だけで、観察された結果と同等かそれ以上に極端な結果がどれくらいの頻度で発生するのか、ということです。p値が小さいということは、効果が全くない世界では、そのデータが驚くべきものであることを意味します。つまり、そのデータは効果が全くないという仮定と矛盾しているということです。

p値とは何か: p値は、帰無仮説が真である確率でも、結果が偶然に生じた確率でも、効果の大きさや重要性を測るものでもありません。これら3つの誤解は、発表された論文で最もよく見られる誤りであり、査読者はそれらを見抜く訓練を受けています。

しきい値p < 0.05は慣例であり、自然法則ではありません。これは、帰無仮説の下で5%の偽陽性率を意味します。
ペアリング効果量と信頼区間は必ずp値と併せて報告し、p値のみを報告してはいけません。
両側デフォルト事前に方向性仮説を登録していない限り、両側検定を使用してください。
「重要性」ではない「統計的に有意」≠「臨床的に重要」。小さな、役に立たない効果でも、サンプルサイズが大きい場合は有意になることがある。

P値完全ガイド

p値は生物医学研究において最も頻繁に報告される統計量であり、同時に最も誤解されやすい統計量でもある。これはRA Fisherによって帰無仮説に対する証拠の非公式な尺度として導入され、その後Neyman-Pearsonの判定基準と融合し、今日では学術誌で主流となっている「p < 0.05であれば棄却する」というルールとなった。この歴史的な融合こそが混乱の根源であり、p値はイエス/ノーの判定基準として扱われる一方で、証拠の連続的な尺度として解釈されており、この二つの解釈は必ずしも一致しない。

正式な定義

データから計算された検定統計量に基づくと、p値は確率です。 帰無仮説およびその他のモデル仮定がすべて正しいと仮定する — 観測された結果と少なくとも同程度に極端な結果が得られること。正式には、観測された統計量の場合、 p = P(|X| ≥ |stat| | H₀) 両側の z 検定または t 検定の場合。カイ二乗検定および F 検定の場合、p 値は上側です。 p = P(X ≥ stat | H₀)上記の計算機は、az、t、χ²、またはF統計量(正しい自由度付き)をこの確率に変換し、対応するRコマンドを表示するため、結果を完全に再現できます。

最も重要な注意点は、 p値は統計モデル全体が正しいことを前提としている点です。つまり、効果がないという仮定だけでなく、分布、独立性、選択バイアスがないこと、測定誤差がないという仮定も前提としています。p値が小さいということは、これらの仮定のどれかが妥当でないことを示唆しており、効果がないという仮定はその候補の一つに過ぎません。これは、このテーマに関する最も広く引用されている最新のガイド(Greenland et al., 2016)の中心的なメッセージです。

結果の解釈方法

  • p <0.001 — 想定モデルの下での帰無仮説に対する非常に強い証拠。正確な値を報告してください(例: p = 0.0004「p < 0.05」ではなく、」と表記します。
  • 0.001 ≤ p < 0.05 ―従来の閾値において、帰無仮説に反する証拠が得られた。効果量と信頼区間を考慮して解釈すること。
  • 0.05 ≤ p < 0.10 — 弱い/曖昧。 「有意傾向にある」または「有意に近づいている」と表現されるが、この表現は方法論の文献で批判されている。
  • p ≥ 0.10 — データは帰無仮説と合理的に互換性があります。これは 「効果がない」ことの証明――証拠がないことは、特に検出力の低い研究においては、効果がないという証拠にはならない。

レビュー担当者が適用する5つのルール

1. 正確なp値を報告する

書きます p = 0.03はなく、 p < 0.05正確な値を使用することで、読者は独自の証拠基準を適用できます。 p < 0.001 その階より下のみ。

2. 必ず効果量と95%信頼区間を併記する

p値だけでは臨床上の判断を下すことはできません。信頼区間は、データと整合する効果の範囲を示し、効果量は、その差が臨床的に重要かどうかを示します。

3. 片側検定か両側検定かを事前に指定する

両側検定がデフォルトです。片側検定は、データを見る前に方向性のある仮説が立てられていた場合にのみ正当化されます。

4. 多重比較補正を行う

α = 0.05 で 20 個の結果をテストすると、偶然におよそ 1 つの偽陽性が発生します。ボンフェローニ補正、ホルム補正、または偽発見率補正を使用し、どれを使用したかを明記してください。

5. 「有意差なし」を「差がない」と解釈してはいけない

小規模な研究においてp値が大きい場合、通常は検出力が低いことを意味し、真の帰無仮説ではない。読者がどの効果が妥当であるかを判断できるよう、信頼区間を報告する。

実施例

実際の臨床シナリオ。上記の計算ツールに統計値を入力して、各p値を再現してください。

1. 2群比較試験(z値/正規分布)

ある臨床試験では、新しい降圧剤とプラセボを比較した。平均収縮期血圧の差に対する標準化検定統計量はz = 2.5である。

統計量 = 2.5 · 分布 = 正規分布 (z) · 両側検定
p = 0.0124

読み方:差がないという帰無仮説の下では、この極端な値が発生する確率は約1.2%です。平均差とその95%信頼区間を併せて報告してください。

2. 小規模ペア研究(t検定)

15人の患者を対象としたリハビリテーションプロトコルの前後比較研究では、対応のあるt検定でt=2.20、自由度=14という結果が得られた。

統計量 = 2.20 · 距離 = t · 自由度1 = 14 · 両側検定
p ≈ 0.045

読み取り値:0.05をわずかに下回るが、n=15の場合、信頼区間は広くなる。まさにこのような場合に、(単に「有意」と述べるだけでなく)信頼区間を報告することが重要となる。

3. 分割表(χ²)

治療と反応カテゴリーの2×3表では、χ² = 9.5、df = 2という結果が得られます。

統計量 = 9.5 · 距離 = カイ二乗 · 自由度1 = 2 · 上側検定
p ≈ 0.0087

読解:強い関連性の証拠が認められる。標準化残差を用いて、どの細胞が影響を及ぼしているかを検証する。p値だけでは影響の局在を特定できない。

4. ANOVA総合検定(F)

3種類の食事療法について体重変化を比較したところ、一元配置分散分析の結果、F値は4.10、自由度はdf1 = 2、df2 = 57であった。

統計量 = 4.10 · 距離 = F · 自由度1 = 2 · 自由度2 = 57 · 上側尾部
p ≈ 0.022

解釈:少なくとも1つのグループ平均に差がある。総合的なp値はどのペアに差があるかを示していないため、事後検定(Tukey HSD)を独自の補正を用いて実行する。

よくある質問

p値は、私の仮説が正しい確率を示してくれるのでしょうか?

いいえ。これは文献で最もよくある誤解です。p値は帰無仮説が真であると仮定して計算されるものであり、帰無仮説が真である確率を示すものではありません。データに基づいて仮説の確率を求めるには、p値ではなくベイズ統計の枠組みが必要です。

p = 0.04はp = 0.06よりも「有意性が高い」と言えるでしょうか?

0.05という閾値は慣例的なものであり、0.04と0.06の差は体感するほど大きくはありません。一方を発見とみなし、もう一方を無効とみなすのは既知の誤りです。正確な値を報告し、効果量と信頼区間と併せて継続的に解釈してください。

統計的有意性と臨床的有意性の違いは何ですか?

統計的有意性とは、データに基づいて効果がゼロと区別できるかどうかを問うものです。臨床的有意性とは、その効果が患者にとって重要なほど大きいかどうかを問うものです。サンプルサイズが大きい場合、臨床的に些細な差でも統計的に有意となることがあります。一方、サンプルサイズが小さい場合、臨床的に重要な差でも有意とならないことがあります。常に両方を報告するようにしてください。

片側検定と両側検定のどちらを使うべきでしょうか?

デフォルトでは両側検定を使用します。片側検定は見かけ上の検出力を2倍にしますが、データ収集前に方向性仮説が明確に定められている場合(理想的には事前登録されている場合)にのみ正当化されます。査読者は、データを見た後に選択された片側検定に懐疑的です。

この計算機はRとSPSSに対応していますか?

はい。計算機は R 4.3.3 と同じ分布関数を使用します (pnorm, pt, pchisq, pf)正確なRコードを出力するので、すべての結果を再現して検証できます。同じ入力と自由度の場合、出力はSPSSやStataと同等です。

重要な読み物と参考文献

方法論のセクションとご自身の理解を深めるために、査読済みでPubMedに索引付けされている文献を参照してください。

Greenland S、Senn SJ、Rothman KJ、Carlin JB、Poole C、Goodman SN、Altman DG。統計検定、P値、信頼区間、検出力:誤解を避けるためのガイド。 欧州疫学ジャーナル. 2016;31(4):337–350. PMID: 27209009 · DOI: 10.1007/s10654-016-0149-3 · 無料全文 (PMC4877414)

現代における必須の参考書――p値、信頼区間、検出力の解釈における最も一般的な誤りを網羅したカタログ。まずはこちらをお読みください。

Habibzadeh F. P値:それが何であるか、そして何でないか。 J韓国メッドサイ。 2025; 40:e321。 PMID: 41250654 · DOI: 10.3346/jkms.2025.40.e321 · レビュー · 全文無料

フィッシャーからネイマン・ピアソンの枠組みに至るまでのp値の流れをたどり、実践的な報告ガイドラインを提供する、最新かつ分かりやすいレビュー。

Boscardin CK、Sewell JL、Tolsgaard MG、Pusic MV。p値の使用方法と報告方法。 医学教育の展望。 2024; 13(1)。 PMID: 38680196 · DOI: 10.5334/pme.1324 · 無料全文 (PMC11049675)

「P < 0.05」の閾値と、p値を責任を持って提示する方法に関する、実践的で報告に重点を置いたガイダンス。

ヴァン・レインMHC、ベックA、ブーヤーJ、ヴァン・デン・ブランドJAJG。統計的有意性と臨床的関連性。 腎膜移植. 2017;32(補遺2). PMID: 28064161 · DOI: 10.1093/ndt/gfw385

アメリカ統計協会の警告を臨床医にとって分かりやすい言葉に翻訳し、有意性と関連性の違いを明確にする。

Cote MP、Lubowitz JH、Brand JC、Rossi MJ。P値と統計的検出力の誤った解釈が誤った確信を生み出す。 関節鏡検査。 2021; 37(4)。 PMID: 33812509 · DOI: 10.1016/j.arthro.2021.02.010

結果を「有意/有意でない」という二分法で捉えることの危険性、そしてそれが覆い隠してしまう不確実性について。

Tanha K、Mohammadi N、Janani L. P値:何がP値であり、何がP値ではないか。 Med J Islam Repub Iran。 2017; 31:65 PMID: 29445694 · DOI: 10.14196/mjiri.31.65 · 無料全文 (PMC5804470)

2016年のASA声明を基にした簡潔な入門書。教育用としても、手軽な参照用としても最適です。

分析結果を検証してくれる統計専門家が必要ですか?

当社の生物統計専門家は、Rベースの再現可能な出力を用いて、出版準備が整った統計分析、方法論のテキスト、査読者への対応サポートを提供します。

統計の専門家によるサポートを受けましょう