t検定の前提条件

t検定を実行する前に、データがいくつかの重要な前提条件を満たしているか確認する必要があります。これらの前提条件は非常に重要であり、満たされていない場合、t検定の結果は有効ではなくなる可能性があります。主な前提条件は3つあります。

1. 正規性

• 各グループのデータはおおよそ正規分布している必要があります；
• これは特にサンプルサイズが小さい場合（通常は各グループ30未満）に重要です；
• サンプルサイズが大きい場合は中心極限定理によりある程度の柔軟性がありますが、小さいサンプルで正規性がない場合、p値や信頼区間が信頼できなくなります；
• 強い歪みや外れ値がサンプルに含まれている場合は、正規性が疑われます。

重要性: t検定は正規分布に基づいて確率を計算します。特にサンプルが小さい場合、データが正規分布でないと、検定結果が誤解を招く可能性があります。

2. 独立性

• データセット内の各観測値は互いに独立している必要があります；
• これは、ある観測値の値が他の観測値に影響を与えたり予測できたりしないことを意味します；
• 同一被験者からの繰り返し測定や、関連するグループ（例：兄弟やペアマッチングを考慮しない場合）からのデータでは独立性が損なわれることがあります。

重要性: 独立性が損なわれると、ばらつきが過小評価され、誤った有意性や無効な結論につながる可能性があります。

3. 分散の等質性（等分散性）

• 各グループのばらつき（分布の広がり）はほぼ等しい必要があります；
• これは分散の等質性の前提とも呼ばれます；
• 一方のグループの分散が他方より大きく異なる場合、標準的なt検定は適切ではありません；
• そのような場合は、Welchのt検定など分散の等質性を仮定しない検定を使用します。

重要性: t検定は分散が等しいことを前提に、ばらつきの合成推定値を計算します。この前提が満たされない場合、グループ間の差の有意性を過大または過小評価する可能性があります。

t検定を実行する前に、必ずこれらの前提条件を確認してください。 いずれかの前提が満たされない場合は、より適切な統計手法を選択するか、アプローチを調整して有効な結果を得るようにしてください。