ANOVA（分散分析）
1. 試験での出題場面
ANOVAはAnalysis of Varianceの略で、日本語では分散分析と呼ばれます。試験では、3群以上の平均差を比較する場面、実験条件の違いを評価する場面、実験計画法で主効果や交互作用を読む場面で出題されます。
品質管理では、ライン差、材料差、処理条件差、作業条件差など、複数条件の平均値に差があるかを確認するときに使います。
2. この手法の本質
ANOVAの本質は、全体のばらつきを「群間変動」と「群内変動」に分けることです。
- 群間変動: 群の平均値どうしの違いによるばらつき
- 群内変動: 同じ群の中に残るばらつき
F値は、群間のばらつきが群内のばらつきに比べて十分大きいかを見る指標です。直感的には、条件の違いによる差が、自然なばらつきに埋もれないほど大きいかを判断します。
インタラクティブ教材
3. どのデータ構造で使うか
ANOVAは、目的変数が数値で、説明側にカテゴリ要因があるときに使います。
| データ構造 | 例 | 使う手法 |
|---|---|---|
| 1つの要因で3群以上を比較する | 材料A/B/Cの強度比較 | 一元配置分散分析 |
| 2つの要因を見る | 材料と温度条件の影響を見る | 二元配置分散分析 |
| 要因どうしの組み合わせ効果を見る | 温度によって材料差が変わるかを見る | 交互作用の確認 |
4. 解析方法の分解
一元配置分散分析では、次の流れで考えます。
- 群ごとの平均値を計算する
- 全体平均から各群平均がどれだけ離れているかを見る
- 各群の中でデータがどれだけばらついているかを見る
- 群間変動と群内変動の比からF値を計算する
- F検定により、平均値がすべて等しいという帰無仮説を評価する
二元配置分散分析では、主効果と交互作用を分けて見ます。
- 主効果: 1つの要因だけを見たときの効果
- 交互作用: ある要因の効果が、別の要因の水準によって変わること
5. 似ている手法との違い
| 手法 | 主な用途 | ANOVAとの違い |
|---|---|---|
| t検定 | 2群の平均差を見る | ANOVAは3群以上や複数要因に拡張できる |
| ANCOVA | 共変量を調整して群間差を見る | ANOVAに連続共変量の調整を加える |
| 回帰分析 | 数値要因と目的変数の関係を見る | ANOVAはカテゴリ要因による平均差に注目する |
ANOVAで有意差が出ても、どの群とどの群に差があるかは別途確認が必要です。そのため、多重比較を行う場合があります。ただし、多重比較では誤検出が増えやすいため、Bonferroni法などの補正を検討します。
6. よくある誤解
- ANOVAは平均差を見る手法であり、分散そのものの差を主目的にする手法ではない
- 有意差があることは、差が実務上大きいことを必ず意味しない
- 3群比較でt検定を何度も繰り返すと、多重性の問題が生じる
- 交互作用がある場合、主効果だけで判断すると誤解しやすい
7. 実務・品質管理での使い方
品質管理では、次のような場面でANOVAを使えます。
- 複数ラインの平均不良率や寸法平均を比較する
- 材料ロットごとの強度差を確認する
- 温度、圧力、処理時間などの条件差を見る
- 実験計画法で主効果と交互作用を確認する
重要なのは、有意差の有無だけでなく、工程改善につながる要因を特定し、管理条件や標準作業に反映することです。
8. DS検定・統計学習でのポイント
DS検定や統計学習では、ANOVAを「複数群の平均差を、ばらつきの分解で考える手法」として押さえます。
- 3群以上の平均差に使う
- F値は群間変動と群内変動の比で考える
- 一元配置と二元配置の違いを理解する
- 主効果と交互作用を区別する
- 有意差後の多重比較に注意する
9. 技術士答案での使い方
技術士答案では、ANOVAを「改善施策や条件差をデータで評価する手段」として使えます。
例として、複数ラインで品質ばらつきが問題になっている場合、ライン、材料、作業条件を要因として分散分析を行い、平均差や交互作用を確認します。その結果をもとに、標準作業、設備条件、教育訓練、管理図による監視へ接続すると、データに基づく改善策として説明しやすくなります。