🔖 キーワード索引 — F 検定を多角的に理解する

F 検定（F-test）を確実に理解するための関連キーワードを、難易度別に整理しました。

🟢 基礎キーワード（まず押さえる）

• F 統計量：2 つの分散の比 s₁²/s₂²。 自由度 (df₁, df₂) の F 分布に従う。
• F 分布：自由度 2 つを持つ非対称な右に裾を引く分布。 χ² 分布から派生。
• 分散の同等性検定（等分散性検定）：2 群の分散が等しいかを検定する F 検定の典型的な使い方。
• 分散分析（ANOVA）：3 群以上の平均の差を検定するための F 検定の最重要応用。
• 群間分散・群内分散：ANOVA で計算する 2 種類の分散。 F = MS_between / MS_within。
• 自由度（degree of freedom）：分子 df₁ = k − 1、 分母 df₂ = N − k（k は群数、 N は全サンプル数）。

🟡 中級キーワード

• 偏 F 検定（partial F-test）：重回帰で複数係数を同時に検定するときの F 統計量。
• Levene 検定 / Bartlett 検定：等分散性検定として F 検定よりロバストな代替手法。
• Welch の ANOVA：分散が等しくない場合の修正 ANOVA。
• 多重比較（Tukey HSD、 Bonferroni）：ANOVA で有意になった後、 どの群間に差があるか調べる事後検定。
• F 分布の片側 vs 両側：通常は右側のみを棄却域とするが、 分散比検定では両側にすることもある。
• 効果量（η², ω²）：ANOVA における効果の大きさ。 p 値とは独立に報告すべき。

🔴 上級キーワード

• 反復測定 ANOVA（repeated measures ANOVA）：同一被験者を複数回測定する設計に対する F 検定。
• MANOVA（多変量分散分析）：複数の従属変数に対する分散分析。 F 統計量を Wilks の Λ などで計算。
• 線形混合モデル（LMM）の F 検定：ランダム効果を含むモデルで Satterthwaite 法による近似 F 検定。
• F 検定と尤度比検定の関係：正規誤差を仮定すると両者は漸近的に等価。
• 非心 F 分布：対立仮説下での F 統計量の分布。 検定力計算に使う。

🎨 直感で掴む — F 検定は「分散の天秤」

F 検定の本質は 「2 つのグループのばらつきを天秤に乗せる」 ことです。 片方の皿に第 1 群の分散、 もう片方に第 2 群の分散を乗せ、 比 $F = s_1^2/s_2^2$ がどれだけ 1 から離れるかを測ります。 比が 1 のあたりなら釣り合っている（等分散）、 大きく外れていれば「両者は違うばらつきを持つ」 という判断です。

もう一つの直感は 「カメラのブレ比較」。 同じ被写体を 2 台のカメラで撮ったとき、 一方の写真の方が大きくブレていれば（分散が大きければ）「カメラの性能差がある」 と疑う。 ただし手ぶれの量は撮影ごとに違うので、 何枚も撮って平均的なブレを比較する必要がある。 これがサンプルサイズ $n_1, n_2$ と自由度の役割です。

3 群以上に話を広げると、 F 検定は ANOVA の心臓部に成長します。 「群間の平均がバラついている度合い」÷「群内の個体間ばらつき」 — これも結局は分散の比です。 SSDSE-B-2026 で 47 都道府県を 8 地方ブロックに分けて F 検定をかけると、 「地方間で差があるかどうか」 が分散の天秤で見えます。

🎨 概念図で押さえる — F検定の仕組み

F検定は「2つの分散の比」が偶然どこまで起こりうるかを問う。 比が1から大きく離れるほど分散が違うと判断する。

図 1: 等分散 vs 不等分散

等分散 (F≈1)分散ほぼ同じ → 受容不等分散 (F>>1)分散が違う → 棄却"/>

→ 山の幅が分散。 同じ幅なら F≈1、 違えば F が大きくなる。

図 2: F分布と棄却域

F_α棄却域 5%F = s1²/s2²F分布"/>

→ F値が臨界値 F_α を超えれば「分散が違う」と判定。

図 3: ANOVA における F検定

群間分散 (大)÷群内分散 (小)= FF 大 → 群間差が顕著 → 平均は違う"/>

→ ANOVA は「群間分散 ÷ 群内分散」で平均差を検定する F検定の応用。

📐 F統計量

$$ F = \frac{s_1^2}{s_2^2} \sim F(df_1, df_2) $$

2つの分散の比。 F分布は非対称で 0 から始まり右側に裾を引きます。

ANOVA での F統計量

$$ F = \frac{\text{群間平均平方}}{\text{群内平均平方}} = \frac{MS_{\text{between}}}{MS_{\text{within}}} $$

F が大きいほど「群間差が大きい」=「群差は本物」の証拠。

🎯 一元配置 ANOVA — 3群以上の平均差

H₀: μ₁ = μ₂ = μ₃ = ... = μ_k（全群同じ）
H₁: 少なくとも1つの群が異なる

例：「東日本・中部・西日本で食料費の平均に差があるか？」

分散の分解

$$ \text{全分散} = \text{群間分散} + \text{群内分散} $$

群間分散が群内分散より十分大きければ「差あり」と判定。

事後検定

ANOVA で「差がある」と分かっても「どこに差があるか」は別の検定が必要：

• Tukey HSD：全ペアの差を比較
• Bonferroni：α 補正で多重比較
• Dunnett：対照群との比較

🔬 「F検定」を深く理解する

F分布の発見

Ronald A. Fisher（1925）が分散分析（ANOVA）で導入。 「F」は Fisher の F。 もとは George W. Snedecor が命名（1934）。

応用シナリオ

• 農業実験：肥料3種類の収量比較
• 臨床試験：治療法A・B・プラセボ
• マーケティング：A/B/Cテスト
• 製造業：3つの工場の品質比較
• 回帰：モデル全体の有意性

効果量 η²（イータ二乗）

$$ \eta^2 = \frac{SS_{\text{between}}}{SS_{\text{total}}} $$

ANOVA の説明力。 0.01 小、 0.06 中、 0.14 大。

📝 練習問題 — 理解度チェック

1. この用語の基本定義を、 自分の言葉で説明できますか？
2. この手法が使われる典型的なシナリオを3つ挙げられますか？
3. この手法の前提条件・仮定を確認できますか？
4. 結果を解釈する際の注意点は何ですか？
5. 類似手法との違いを説明できますか？
6. Python（または他言語）で実装できますか？
7. SSDSE データで応用例を作成できますか？

F 検定の中心式は、 2 つの独立な標本分散の比です。 帰無仮説 $H_0: \sigma_1^2 = \sigma_2^2$ のもとで、 統計量は自由度 $(df_1, df_2) = (n_1-1, n_2-1)$ の F 分布に従います。

$$F = \frac{s_1^2}{s_2^2} \sim F(n_1-1,\ n_2-1)$$

🔬 数式を言葉で読み解く（核心）

この式が言うのは、 「2 つのグループのばらつき（分散）の比 が、 もし両方が同じ母分散から来ているなら、 1 のあたりに集まる」 という直感です。 比が 1 から大きく離れる（例: 3.5 とか 0.2）と、 「両グループの分散は同じ」 という仮定を疑う根拠になります。 たとえば SSDSE-B-2026 で東日本 vs 西日本の総人口の分散比が 2.3 なら、 「東日本の方が県間ばらつきが大きい」 と言えるかを F 分布の確率で判定します。

🔬 ANOVA の F 統計量の数式を言葉で読み解く

ANOVA で使う F 統計量は分散の比ですが、 中身は「群間ばらつき」÷「群内ばらつき」 です。 これを式で書くと:

$$F = \frac{\text{MS}_{between}}{\text{MS}_{within}} = \frac{SS_B/(k-1)}{SS_W/(N-k)}$$

分子の $\text{MS}_{between}$ は「群の平均が全体の平均からどれくらい離れているか」、 分母の $\text{MS}_{within}$ は「同じ群の中での個体間ばらつき」 です。 もし群ごとの平均が同じなら（つまり地方別に人口平均は変わらないなら）分子は 0 に近づき F も 0 に近づきます。 逆に「関東は大きい、 東北は小さい」 という地方差があると分子が膨らみ F が大きくなる。 SSDSE-B-2026 で 8 地方ブロックの人口を ANOVA にかけると F は 10 を超えることが多く、 「地方間で人口に差がある」 と統計的に判定されます。

🧮 SSDSE で関東 vs 関西の分散比を実値計算

このコードでやること: SSDSE-B-2026 から関東 1 都 6 県と関西 2 府 4 県の総人口を抜き出し、 等分散性を F 検定で判定する。

📥 入力データ:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

import pandas as pd
from scipy import stats

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023]   # 2023年のみ（各県1行）

kanto_names  = ['茨城県','栃木県','群馬県','埼玉県','千葉県','東京都','神奈川県']
kansai_names = ['三重県','滋賀県','京都府','大阪府','兵庫県','奈良県','和歌山県']

kanto  = df[df['Prefecture'].isin(kanto_names)]['A1101'].astype(float)   # A1101=総人口
kansai = df[df['Prefecture'].isin(kansai_names)]['A1101'].astype(float)

s1_sq = kanto.var(ddof=1)
s2_sq = kansai.var(ddof=1)
F = s1_sq / s2_sq
df1, df2 = len(kanto)-1, len(kansai)-1
p = 2 * min(stats.f.cdf(F, df1, df2), 1 - stats.f.cdf(F, df1, df2))

print(f"関東分散 s1^2 = {s1_sq:,.0f}")
print(f"関西分散 s2^2 = {s2_sq:,.0f}")
print(f"F 統計量      = {F:.3f}")
print(f"自由度        = ({df1}, {df2})")
print(f"両側 p 値     = {p:.4f}")

📤 実行結果:

💬 結果の読み方: F = 2.40（関東の方が分散が大きい）ですが、 サンプルが各 7 県と少ないため p = 0.31 で 有意ではない。 「東京の存在で関東のばらつきは大きそう」 という直感は、 統計的には 5% 水準では確証されません。 サンプル数の制約が結論に効いていることが分かる典型例です。

🧭 F 検定 vs 代替手法 — 使い分けフローチャート

🐍 Levene 検定で「正規性を疑った場合」の判定

このコードでやること: SSDSE-B-2026 の関東 vs 関西の人口に対し、 古典 F 検定と Levene 検定を併用し、 結論の安定性を確認する。

📥 入力データ: 関東 7 県 + 関西 7 県の総人口（前のセクションと同じ）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21

import pandas as pd
from scipy import stats

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023]   # 2023年のみ（各県1行）
kanto  = df[df['Prefecture'].isin(['茨城県','栃木県','群馬県','埼玉県','千葉県','東京都','神奈川県'])]['A1101'].astype(float)
kansai = df[df['Prefecture'].isin(['三重県','滋賀県','京都府','大阪府','兵庫県','奈良県','和歌山県'])]['A1101'].astype(float)

# 古典 F 検定（自前実装）
F = kanto.var(ddof=1) / kansai.var(ddof=1)
p_F = 2 * min(stats.f.cdf(F, 6, 6), 1 - stats.f.cdf(F, 6, 6))

# Levene 検定（中央値ベース＝Brown–Forsythe）
W, p_lev = stats.levene(kanto, kansai, center='median')

# Bartlett 検定
chi2, p_bar = stats.bartlett(kanto, kansai)

print(f"古典 F      : F={F:.3f}, p={p_F:.4f}")
print(f"Levene 検定 : W={W:.3f}, p={p_lev:.4f}")
print(f"Bartlett    : chi2={chi2:.3f}, p={p_bar:.4f}")

📤 実行結果:

💬 結果の読み方: 3 つの検定とも p > 0.05 で「等分散性は棄却できない」 と一致しました（古典 F=2.40, Levene, Bartlett いずれも p≒0.28〜0.31）。 検定によって p 値は少しずつ違いますが、 このデータでは結論は同じです。 「どの検定を使うかで結論が反転するケース」 では、 まず正規性を Shapiro-Wilk で確認し、 崩れていれば正規性に頑健な Levene（中央値ベース＝Brown–Forsythe）を採用する手順が安全です。

🧮 SSDSE-B-2026 実値計算例 — F 検定を 47 都道府県データで実行

合成データではなく公的統計（SSDSE-B-2026, 2023 年）で F 検定の具体的な計算手順を、 実際に走るコードと実測出力で見せます。

① 等分散性の検定：「都市圏 vs 地方」で総人口の分散は等しいか？

2023 年の 47 都道府県を、 都市圏（東京・神奈川・大阪・愛知・埼玉・千葉・兵庫・福岡）8 都府県 と それ以外 39 道県に分けて、 総人口（列 A1101）の分散を比較します。 東京・大阪など巨大都市を含む都市圏は分散が桁違いに大きくなるはずです。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21

import pandas as pd
from scipy import stats

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023]

# 都市圏 8 都府県 vs それ以外 39 道県、指標は A1101=総人口
metro = ['東京都','神奈川県','大阪府','愛知県','埼玉県','千葉県','兵庫県','福岡県']
m = df[df['Prefecture'].isin(metro)]['A1101'].astype(float)
r = df[~df['Prefecture'].isin(metro)]['A1101'].astype(float)

F = m.var(ddof=1) / r.var(ddof=1)          # 大きい方 / 小さい方
df1, df2 = len(m)-1, len(r)-1
crit = stats.f.ppf(0.95, df1, df2)         # 右側 5% 臨界値
p = 1 - stats.f.cdf(F, df1, df2)

print(f"都市圏 s1^2 = {m.var(ddof=1):,.0f}")
print(f"地方   s2^2 = {r.var(ddof=1):,.0f}")
print(f"F = {F:.2f}, df = ({df1}, {df2})")
print(f"F(0.05, {df1}, {df2}) = {crit:.2f}")
print(f"p 値 = {p:.2e}  ->  F >> 臨界値 なので等分散を強く棄却")

📤 実行結果:

💬 結果の読み方: 都市圏の総人口分散は地方の約 10 倍（F=10.40）で、 臨界値 2.26 を大きく上回り p<0.001。 巨大都市を含む都市圏は「ばらつき自体が桁違い」 と統計的に確認できます。 この 2 群を平均比較する場合は等分散を仮定せず Welch 補正版の t 検定を使うべき、 という判断につながります。

② ANOVA：「4 地方ブロック（北・東・中・西）」で総人口の平均に差があるか？

2023 年の 47 都道府県を地理的に 4 ブロック（北日本 7・東日本 13・中日本 10・西日本 17）に分け、 総人口（列 A1101）の平均差を一元配置 ANOVA で検定します。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

import pandas as pd, numpy as np
from scipy import stats

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023]

blocks = {
    '北日本': ['北海道','青森県','岩手県','宮城県','秋田県','山形県','福島県'],
    '東日本': ['茨城県','栃木県','群馬県','埼玉県','千葉県','東京都','神奈川県',
               '新潟県','富山県','石川県','福井県','山梨県','長野県'],
    '中日本': ['岐阜県','静岡県','愛知県','三重県','滋賀県','京都府','大阪府',
               '兵庫県','奈良県','和歌山県'],
    '西日本': ['鳥取県','島根県','岡山県','広島県','山口県','徳島県','香川県',
               '愛媛県','高知県','福岡県','佐賀県','長崎県','熊本県','大分県',
               '宮崎県','鹿児島県','沖縄県'],
}
groups = [df[df['Prefecture'].isin(v)]['A1101'].astype(float) for v in blocks.values()]

F, p = stats.f_oneway(*groups)          # 一元配置 ANOVA（A1101=総人口）
df1, df2 = len(groups)-1, sum(len(g) for g in groups)-len(groups)
crit = stats.f.ppf(0.95, df1, df2)

for name, g in zip(blocks, groups):
    print(f"{name}: n={len(g):>2}  平均={g.mean():,.0f}")
print(f"F = {F:.3f}, df = ({df1}, {df2}), p = {p:.4f}")
print(f"F(0.05, {df1}, {df2}) = {crit:.3f}  ->  F < 臨界値 なので有意でない")

📤 実行結果:

💬 結果の読み方: 東日本・中日本の平均人口が北・西より大きく見えますが、 F=2.708 は臨界値 2.822 をわずかに下回り、 p=0.057 で 5% 水準では有意でない（東京を含む東日本内のばらつきが大きく、 群内分散が大きいため）。 「平均は違いそう」 という印象が有意性に届かない典型例です。 次の ③ で効果量を確認します。

③ 効果量 η² の計算

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

import pandas as pd, numpy as np

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023]
blocks = {
    '北日本': ['北海道','青森県','岩手県','宮城県','秋田県','山形県','福島県'],
    '東日本': ['茨城県','栃木県','群馬県','埼玉県','千葉県','東京都','神奈川県',
               '新潟県','富山県','石川県','福井県','山梨県','長野県'],
    '中日本': ['岐阜県','静岡県','愛知県','三重県','滋賀県','京都府','大阪府',
               '兵庫県','奈良県','和歌山県'],
    '西日本': ['鳥取県','島根県','岡山県','広島県','山口県','徳島県','香川県',
               '愛媛県','高知県','福岡県','佐賀県','長崎県','熊本県','大分県',
               '宮崎県','鹿児島県','沖縄県'],
}
groups = [df[df['Prefecture'].isin(v)]['A1101'].astype(float) for v in blocks.values()]
y = np.concatenate([g.values for g in groups])
grand = y.mean()
ss_between = sum(len(g) * (g.mean() - grand)**2 for g in groups)
ss_within  = sum(((g - g.mean())**2).sum() for g in groups)
eta2 = ss_between / (ss_between + ss_within)

print(f"SS_between = {ss_between:.3e}")
print(f"SS_within  = {ss_within:.3e}")
print(f"eta^2 = SS_between / (SS_between + SS_within) = {eta2:.3f}")
print("Cohen の目安: 0.01=小, 0.06=中, 0.14=大  ->  効果量は『大』")

📤 実行結果:

💬 結果の読み方: η²=0.159 は Cohen の目安で「大」に相当し、 地方ブロックは総人口の全変動の約 16% を説明します。 効果量は大きいのに ② の ANOVA が有意でなかったのは、 群数 4・標本 47 と小さく検出力が不足しているため。 「効果量は大きいが有意でない」＝サンプル設計の問題、 という読み方ができます（p 値と効果量は別物）。

🧮 数式に値を入れて手で計算する: 等分散性の F 検定

合成 2 標本で分散比 F 統計量を計算する。

Step 1: 各群の分散

Step 2: F 統計量

🐍 Python で再現

1
2
3
4
5
6
7
8

from scipy import stats
F = 20 / 5
df1, df2 = 9, 7
crit = stats.f.ppf(0.95, df1, df2)
p = 1 - stats.f.cdf(F, df1, df2)
print(f"F = {F}")
print(f"臨界値: {crit:.3f}")
print(f"p = {p:.4f}")

📤 実行結果

💬 手計算 (Step 2) F=4.0 と Python 出力が完全一致。 p<0.05 で分散異なる。

🐍 Python での F検定

🎯 このコードでやること：SSDSE-B-2026 を data/raw/SSDSE-B-2026.csv から読み込み、 2023 年の地域 3 ブロック (北海道・東北、 関東、 関西) の 総人口 (列 A1101) について (1) 分散比 F 検定 (関東 vs 北海道・東北) と (2) 3 群一元配置 ANOVA を実施し、 Tukey HSD で群間差を確認する。

📥 入力データ (SSDSE-B-2026, 2023 年の関連列、 5 行抜粋):

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

import pandas as pd
import numpy as np
from scipy import stats

# SSDSE-B-2026 を読み込み、2023 年の 3 地域に分割（指標 A1101=総人口）
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023]
tohoku = df[df['Prefecture'].isin(['北海道','青森県','岩手県','宮城県','秋田県','山形県','福島県'])]['A1101'].astype(float)
kanto  = df[df['Prefecture'].isin(['茨城県','栃木県','群馬県','埼玉県','千葉県','東京都','神奈川県'])]['A1101'].astype(float)
kansai = df[df['Prefecture'].isin(['三重県','滋賀県','京都府','大阪府','兵庫県','奈良県','和歌山県'])]['A1101'].astype(float)

# (1) 分散比 F 検定: 関東 vs 北海道・東北（関東の方が分散が大きいと予想）
s1, s2 = kanto.var(ddof=1), tohoku.var(ddof=1)
F = s1 / s2
df1, df2 = len(kanto)-1, len(tohoku)-1
p_var = 2 * min(stats.f.cdf(F, df1, df2), 1-stats.f.cdf(F, df1, df2))
print(f'[F 検定] 関東/東北 分散比 F = {F:.3f}, df=({df1},{df2}), p={p_var:.4f}')

# (2) 3 群一元配置 ANOVA
F_anova, p_anova = stats.f_oneway(tohoku, kanto, kansai)
print(f'[ANOVA] F = {F_anova:.3f}, p = {p_anova:.4f}')

# (3) Tukey HSD 事後検定で群間差を特定
from statsmodels.stats.multicomp import pairwise_tukeyhsd
y     = np.concatenate([tohoku, kanto, kansai])
group = ['東北']*len(tohoku) + ['関東']*len(kanto) + ['関西']*len(kansai)
print(pairwise_tukeyhsd(y, group, alpha=0.05))

📤 実行結果:

💬 結果の読み方：(1) 関東/東北の総人口分散比 F=9.22, p=0.016 → 関東の人口分散の方が有意に大きい (東京都が外れ値的に大きいため)。 (2) 3 群 ANOVA では F=3.35, p=0.058 で 5% 水準では有意に届かず、 平均差は「あるとは言い切れない」。 (3) Tukey HSD でも全ペアが reject=False（東北 vs 関東でさえ p=0.054 と僅差で非有意）→ 関東の人口水準は高そうだが、 関東内のばらつき（群内分散）が大きく、 群数 3・各 7 県の小標本では統計的な確証には届かない。 (1) の等分散が棄却された時点で、 本来は Welch の ANOVA に切り替えるのが安全という教訓も得られる。

🚧 落とし穴と注意点

• サンプルサイズを確認（小標本では結果が不安定）
• 仮定の検証（正規性、 独立性、 等分散性）
• 外れ値の影響を散布図で確認
• 多重比較問題（複数検定時は補正を）
• p値だけで判断しない、 効果量と信頼区間を併記
• 因果関係を主張するには別の根拠が必要

🐍 Python 実装のバリエーション — scipy / statsmodels / pingouin

① scipy.stats.f_oneway による一元配置 ANOVA

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18

import pandas as pd
from scipy import stats

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023].copy()
# 47 都道府県を 4 地方ブロックに区分（region 列を作る）
north = ['北海道','青森県','岩手県','宮城県','秋田県','山形県','福島県']
east  = ['茨城県','栃木県','群馬県','埼玉県','千葉県','東京都','神奈川県',
         '新潟県','富山県','石川県','福井県','山梨県','長野県']
center= ['岐阜県','静岡県','愛知県','三重県','滋賀県','京都府','大阪府',
         '兵庫県','奈良県','和歌山県']
df['region'] = df['Prefecture'].map(
    lambda x: '北' if x in north else '東' if x in east else '中' if x in center else '西')

# A1101=総人口 を地方ブロックで比較する一元配置 ANOVA
groups = [g['A1101'].astype(float).values for _, g in df.groupby('region')]
F, p = stats.f_oneway(*groups)
print(f'F = {F:.3f}, p = {p:.4f}')

② scipy.stats.f による分散比検定

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

import numpy as np
from scipy import stats

# region 列は①で作成済み。「東」ブロック vs 「北」ブロックの総人口分散比
x1 = df[df['region'] == '東']['A1101'].astype(float).values
x2 = df[df['region'] == '北']['A1101'].astype(float).values

var1 = np.var(x1, ddof=1)
var2 = np.var(x2, ddof=1)
F = var1 / var2 if var1 > var2 else var2 / var1        # 大きい方 / 小さい方
df1 = (len(x1) if var1 > var2 else len(x2)) - 1
df2 = (len(x2) if var1 > var2 else len(x1)) - 1

p = 2 * (1 - stats.f.cdf(F, df1, df2))                 # 両側
print(f'F = {F:.3f}, df = ({df1}, {df2}), p = {p:.4f}')

③ statsmodels の anova_lm で本格的 ANOVA

 1
 2
 3
 4
 5
 6
 7

import statsmodels.api as sm
from statsmodels.formula.api import ols

# A1101=総人口 を region で説明する ANOVA テーブル
model = ols('A1101 ~ C(region)', data=df).fit()
anova_table = sm.stats.anova_lm(model, typ=2)
print(anova_table)

④ pingouin で効果量とともに ANOVA

 1
 2
 3
 4
 5

import pingouin as pg

result = pg.anova(data=df, dv='A1101', between='region', detailed=True)
print(result)
# 出力：F値、 p値、 partial η² まで自動計算

⑤ Welch の ANOVA（等分散を仮定しない）

 1
 2
 3
 4

import pingouin as pg

result_welch = pg.welch_anova(data=df, dv='A1101', between='region')
print(result_welch)

⑥ 多重比較（Tukey HSD）

 1
 2
 3
 4

from statsmodels.stats.multicomp import pairwise_tukeyhsd

tukey = pairwise_tukeyhsd(endog=df['A1101'], groups=df['region'], alpha=0.05)
print(tukey.summary())

⑦ Levene 検定（F 検定の頑健な代替）

 1
 2
 3
 4
 5
 6

from scipy import stats

groups = [g['A1101'].astype(float).values for _, g in df.groupby('region')]
stat, p = stats.levene(*groups, center='median')
print(f'Levene W = {stat:.3f}, p = {p:.4f}')
# center='median' は Brown–Forsythe 法。 正規性に頑健。

⚠️ F 検定の落とし穴 — 実務で必ず引っかかるポイント 7 選

🌐 データサイエンス全体像での位置づけ

データサイエンスのワークフロー

1. ビジネス理解：何を解決したいか
2. データ理解：どんなデータがあるか
3. データ準備：前処理、 特徴量エンジニアリング
4. モデリング：手法選択、 学習
5. 評価：性能、 解釈性、 ビジネス価値
6. 展開：実装、 運用、 監視

(CRISP-DM プロセスより)

💡 この 6 工程はデータ分析全般の流れで、 この用語だけの話ではない。 F 検定は「評価」の工程。 分散の比や、 回帰全体の有意性を判断する。

主要分野のマッピング

キャリアパス

• データアナリスト：記述統計、 可視化、 BI
• データサイエンティスト：機械学習、 統計モデリング
• 機械学習エンジニア：モデル実装、 デプロイ、 MLOps
• 統計学者・計量経済学者：因果推論、 統計的検定
• 研究者：新しい手法開発

💎 良いデータ分析のための10のコツ

1. 必ず可視化から始める：散布図、 ヒストグラム、 箱ひげ図
2. 外れ値を意識する：除く前にドメイン的に理解
3. 仮定を確認する：正規性、 独立性、 等分散性
4. サンプルサイズに見合う複雑性：n=10 で深層学習はしない
5. 効果量も併記する：p値だけでは不十分
6. 信頼区間で不確実性を示す：点推定だけでは誤解の元
7. 多重比較を補正する：探索的解析でも誠実に
8. ホールドアウト or CV で評価する：訓練データの精度は意味がない
9. 解釈可能性も重視する：ブラックボックスより white-box
10. 再現可能なコードを書く：random_seed、 バージョン管理

🔗 用語間の関係 — 統計概念のネットワーク

記述統計の基本セット

これらは互いに深く関連します：

• 平均：データの重心 → 偏差の合計はゼロ
• 分散：偏差の二乗の平均 → 平均からの広がり
• 標準偏差：分散の平方根 → 元の単位
• 共分散：2変数の偏差の積の平均 → 一緒に動くか
• 相関係数：共分散を標準偏差で割ったもの → 単位なし

推測統計の基本セット

• 標準誤差：推定値のばらつき = σ/√n
• 信頼区間：x̄ ± z × SE
• p値：H₀ のもとでの確率
• 有意水準 α：許容する第一種誤り率
• 検出力 1-β：差を見つける確率
• 効果量：差の大きさ（標準化済み）

回帰モデルファミリー

• 単回帰：1変数 → 1変数の予測
• 重回帰：多変数 → 1変数
• Ridge：L2正則化付き重回帰
• LASSO：L1正則化（変数選択付き）
• Elastic Net：L1+L2の組合せ
• ロジスティック回帰：分類用
• ポアソン回帰：カウントデータ用

クラスタリング・次元削減ファミリー

• k-means：分割クラスタリング
• 階層クラスタリング：ツリー構造
• Ward法：分散最小化の階層クラスタリング
• DBSCAN：密度ベース
• PCA：線形次元削減
• 因子分析：潜在因子モデル
• t-SNE, UMAP：非線形次元削減

検定ファミリー

• t検定：1〜2 群の平均比較
• F検定（ANOVA）：3群以上の平均比較
• χ²検定：カテゴリ変数の独立性
• Mann-Whitney U：t検定のノンパラ版
• Kruskal-Wallis：ANOVAのノンパラ版
• Wilcoxon：対応のあるt検定のノンパラ版

🔗 関連用語（前提・並列・発展）

F 検定は 仮説検定の枠組みに乗り、 分散の比を統計量として使い、 ANOVA や回帰で大量に登場します。 ここでは「先に押さえるべき (前提)」「同じ用途で並ぶ (並列)」「次に学ぶ価値が高い (発展)」 の 3 区分で関連用語を整理し、 各リンクから飛べる構成にしています。 直下のサブセクション (📚 / 🤝 / 🚀) で具体的な用語と相互関係を確認してください。

🔗 関連用語ネットワーク — 前提・並列・発展で 12 項目

📚 前提となる用語

• 仮説検定 — F 検定は仮説検定の枠組みに位置づけられる。 帰無仮説・対立仮説・p 値の概念が前提。
• 分散 — F 統計量は分散の比。 分散の定義と計算が必須。
• 分布 — F 分布、 χ² 分布、 正規分布の理解が必要。
• 標本分布 — 統計量の分布という考え方を身につけてから F 検定へ。

🤝 並列に学ぶ用語

• t 検定 — 平均の差の検定。 2 群なら t 検定、 3 群以上なら ANOVA（F 検定）と棲み分ける。
• χ² 検定 — F 分布は χ² の比から派生。 兄弟分布として整理。
• ANOVA（分散分析） — F 検定の最重要応用。 多群の平均差を検定。
• 信頼区間 — p 値と表裏一体。 効果量の信頼区間も併報。

🚀 発展先

• MANOVA・多変量分散分析 — 複数の従属変数に対する F 検定の拡張。 Wilks の Λ や Pillai 統計量。
• 混合効果モデル — 反復測定・階層データに対応。 Satterthwaite 近似 F。
• Kruskal–Wallis 検定 — ノンパラメトリック版 ANOVA。 正規性が崩れる場合の代替。
• 多重比較問題 — ANOVA 後の事後検定、 偽発見率（FDR）。

🎨 直感をさらに掘る — F は「分散比」ひとつで三役をこなす

F 検定を一言でいえば 「2 つの分散を割り算し、 その比 F が 1 からどれだけ離れているかを問う」 検定です。 F 分布は 0 から始まり右へ長い裾を引く非対称分布で、 帰無仮説（2 つの分散は同じ母分散から来る）が正しければ比は 1 の周辺に集まります。 比が 1 から大きく離れるほど、 F 分布の右の裾に飛び出して p 値が小さくなり「分散が違う／群差がある」と判定されます。 大事なのは、 まったく同じ「分散比」という発想が、 使う場面によって三つの顔を持つことです。

この統一像があると「なぜ回帰の当てはまりも分散分析も同じ F で測れるのか」がすっきりします。 いずれも 「説明された変動 ÷ 説明できない変動」 を自由度で調整した比だからです。

🔗 2 群なら F = t² — 実測で確認

群が 2 つだけのとき、 ANOVA の F 統計量は t 検定の統計量の 2 乗にぴったり一致します（$F(1,\nu) = t_\nu^2$）。 「平均差の t 検定」と「分散比としての F 検定」は、 2 群では同じ検定の別表現なのです。 SSDSE-B-2026（cp932, skiprows=[1], 2023 年 47 都道府県の実測）で 東日本 23 県 vs 西日本 24 県の食料費 L322101（二人以上世帯の平均、 円）を比べると、 $t = 2.7722$ に対し $t^2 = 7.6849$、 一元配置 ANOVA の $F = 7.6849$ と一致します。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

import pandas as pd
from scipy import stats
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023].copy()
df['pref_no'] = df['Code'].str[1:3].astype(int)   # 都道府県番号 01..47
# 東日本(1..23) vs 西日本(24..47) の食料費 L322101（円）
e = df[df['pref_no'] <= 23]['L322101'].astype(float)
w = df[df['pref_no'] >= 24]['L322101'].astype(float)
# (1) 分散比検定（両側）: H0 は 2 群の分散が等しい
F = e.var(ddof=1) / w.var(ddof=1)
d1, d2 = len(e) - 1, len(w) - 1
p = 2 * min(stats.f.cdf(F, d1, d2), stats.f.sf(F, d1, d2))
print(f'分散比 F = {F:.3f}  df = ({d1}, {d2})  両側 p = {p:.4f}')
# (2) F = t^2 の確認（2 群の平均差）
t, _ = stats.ttest_ind(e, w, equal_var=True)
Fa, _ = stats.f_oneway(e, w)
print(f't = {t:.4f}   t^2 = {t*t:.4f}   ANOVA F = {Fa:.4f}')

📤 実行結果:

💬 読み方: 食料費の ばらつき は東西で有意差なし（分散比 F = 1.75, p = 0.19）。 一方 平均 は東（約 82,853 円）が西（約 78,437 円）より高く、 t 検定で有意（p ≈ 0.008）。 そしてその F は t の 2 乗に一致します。 このように「分散を比べる F」と「平均差の t」は別の問いですが、 2 群の平均差検定に限っては F と t² が同一物である、 という関係を実データで確認できます。

⚠️ さらなる落とし穴 — F 検定で足をすくわれる追補 7 点

🚀 発展 — 分散比検定・ANOVA・回帰の全体/部分 F 検定を体系で

① 分散比検定（2 群の等分散性）

最も素朴な F 検定。 帰無仮説 $H_0:\sigma_1^2=\sigma_2^2$ のもと $F=s_1^2/s_2^2 \sim F(n_1-1,\ n_2-1)$。 上の実測（食料費 東西）では $F=1.751$, $df=(22,23)$, 両側 $p=0.19$ で等分散を棄却できませんでした。 ただし前述のとおり、 実務では正規性に頑健な Levene 検定（中央値版 = Brown–Forsythe）や、 検出力の高い Bartlett 検定を代替に使うのが定石です。 これらは 3 群以上の等分散性も一度に検定できます。

② ANOVA の F — 分散の分解

全変動を「群間」と「群内」に分解します。$SS_T = SS_B + SS_W$、 それぞれを自由度で割って平均平方にし、

$$F = \frac{MS_B}{MS_W} = \frac{SS_B/(k-1)}{SS_W/(N-k)} \sim F(k-1,\ N-k)$$

群間の平均が離れているほど $SS_B$ が膨らみ F が大きくなります。 scipy.stats.f_oneway や statsmodels の anova_lm で計算できます。

③ 回帰の全体 F 検定と部分（偏）F 検定 — 実測

全体 F 検定は「すべての回帰係数 = 0」を一度に検定します:

$$F = \frac{SSR/p}{SSE/(n-p-1)} = \frac{R^2/p}{(1-R^2)/(n-p-1)}$$

部分 F 検定（入れ子モデル比較）は、 縮小モデルに変数群（$q$ 個）を足したとき、 残差平方和の減り $SSE_{reduced}-SSE_{full}$ が偶然以上かを問います:

$$F = \frac{(SSE_{r}-SSE_{f})/q}{SSE_{f}/(n-k)} \sim F(q,\ n-k)$$

SSDSE-B-2026（2023 年 47 県の実測）で、 大学学生数 E6302 を予測します。 縮小モデルは「総人口 A1101 のみ」、 完全モデルは「+ 大学数 E6102」。 大学数を足すと $R^2$ が 0.789 → 0.964 に上がり、 その改善が有意か（部分 F）を anova_lm で検定します。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

import pandas as pd
import statsmodels.api as sm
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023]
y  = df['E6302'].astype(float)        # 大学学生数（被説明変数）
x1 = df['A1101'].astype(float)        # 総人口
x2 = df['E6102'].astype(float)        # 大学数
# 縮小モデル：大学学生数 ~ 総人口
m_r = sm.OLS(y, sm.add_constant(pd.DataFrame({'x1': x1}))).fit()
# 完全モデル：+ 大学数
m_f = sm.OLS(y, sm.add_constant(pd.DataFrame({'x1': x1, 'x2': x2}))).fit()
print(f'縮小 R2={m_r.rsquared:.3f}  全体F={m_r.fvalue:.1f}  p={m_r.f_pvalue:.1e}')
print(f'完全 R2={m_f.rsquared:.3f}  全体F={m_f.fvalue:.1f}  p={m_f.f_pvalue:.1e}')
print(sm.stats.anova_lm(m_r, m_f))   # 入れ子モデル比較 = 部分F検定

📤 実行結果（要点）:

💬 読み方: 総人口だけでも全体 F は極めて有意（モデルは偶然でない）。 そこに大学数を足すと部分 F = 212.55 が示すとおり当てはまりが有意に向上し、 大学数はモデルに残す価値があると判断できます。 部分 F は「変数選択」の統計的な根拠になります。

④ F 分布と t 分布・χ² 分布の関係

F 分布は独立な 2 つの χ² 変数の比（各々を自由度で割ったもの）として定義されます:

$$F = \frac{\chi^2_{d_1}/d_1}{\chi^2_{d_2}/d_2} \sim F(d_1,\ d_2)$$

ここから兄弟関係が見えます。(a) 分子の自由度が 1 なら $F(1,\nu)=t_\nu^2$（t の 2 乗）。 (b) 分母の自由度を無限大にすると $d_1 F \to \chi^2_{d_1}$（χ² に収束）。 つまり t・χ²・F は同じ正規理論から派生した一族で、 分布としても検定としても地続きです。

⑤ 効果量 — F の「大きさ」を標準化する

p 値は標本サイズに依存するため、 効果の大きさは別途報告します。 ANOVA では:

• $\eta^2 = SS_B/SS_T$ — 説明できた分散の割合。 目安 0.01 小 / 0.06 中 / 0.14 大。
• $\omega^2$ — $\eta^2$ の上方バイアスを補正した推定（小標本で推奨）。
• Cohen の $f = \sqrt{\eta^2/(1-\eta^2)}$ — 検出力分析の入力に使う。
• F と $\eta^2$ の橋渡し: $\eta^2 = \dfrac{df_1\,F}{df_1\,F + df_2}$。 F と自由度から $\eta^2$ を復元できる。

効果量の詳細は 効果量 のページを参照。 回帰では $R^2$・調整 $R^2$ が対応する効果量です。

🔗 関連ページ

• 分散分析（ANOVA） — F 検定の最重要応用。 群間/群内分散への分解。
• t 検定（別ページ t 検定（各種）） — 2 群では $F=t^2$。
• 仮説検定 / p 値 — F 検定が乗る枠組み。
• 分散（分散の定義） / 標準偏差 — F は分散の比。
• 重回帰 / OLS / 回帰分析 — 全体 F・部分 F の舞台。
• 決定係数 R² / 調整 R² — 全体 F と表裏の当てはまり指標。
• χ² 検定 / 分布 — F は χ² の比から派生。
• 自由度 — F は 2 つの自由度で形が決まる。
• 正規性 / Shapiro–Wilk 検定 — F 検定の前提確認。
• 多重比較 / 多重検定 — ANOVA 後の事後検定。
• Kruskal–Wallis 検定 — 正規性が崩れた場合のノンパラ代替。
• 効果量 / 外れ値 / 頑健統計 — 結果の頑健性を担保。

※ Levene 検定・Bartlett 検定・Welch の ANOVA は本教材に独立ページがないため、 リンクではなく scipy.stats.levene / scipy.stats.bartlett / pingouin.welch_anova として実装名で示しています。

📚 参考文献・さらなる学習

古典的教科書

• Casella & Berger "Statistical Inference"
• Wasserman "All of Statistics"
• Hastie, Tibshirani & Friedman "The Elements of Statistical Learning"
• Gelman & Hill "Data Analysis Using Regression and Multilevel/Hierarchical Models"

実践書

• VanderPlas "Python Data Science Handbook"
• McKinney "Python for Data Analysis"
• James, Witten, Hastie & Tibshirani "An Introduction to Statistical Learning"

オンラインリソース

• scikit-learn 公式ドキュメント
• statsmodels 公式ドキュメント
• scipy.stats リファレンス
• SSDSE データ（統計データ活用コンペティション）

💼 実務応用ガイド

データサイエンスプロジェクトでの位置づけ

1. 探索的分析（EDA）：基本統計量・可視化でデータを理解
2. 前処理：標準化・正規化・欠損値処理
3. モデリング：回帰・分類・クラスタリング
4. 評価：CV、 指標計算、 統計的検定
5. 解釈・報告：効果量・信頼区間・可視化

業界別ユースケース

• マーケティング：顧客セグメンテーション、 ROI 分析、 A/Bテスト
• 金融：ポートフォリオ最適化、 リスク評価、 信用スコアリング
• 医療：臨床試験、 疫学研究、 診断モデル
• 製造：品質管理、 予測保全、 工程最適化
• 公共政策：社会統計、 政策効果分析、 計画立案

📖 完全ガイド — 統計学習の参照表

分析の流れ — 8ステップ

1. 問題定義：何を知りたいのか、 目的を明確に
2. データ収集：信頼できるソースから（SSDSEなど公的データ）
3. データクリーニング：欠損値、 外れ値、 入力ミスの確認
4. 探索的分析（EDA）：要約統計量、 ヒストグラム、 散布図
5. 変数変換：標準化、 対数変換、 カテゴリのエンコード
6. モデリング：適切な手法を選び、 学習
7. 評価：CV、 指標、 統計的検定
8. 解釈・報告：効果量、 信頼区間、 可視化

統計手法の選び方マトリクス

サンプル数別の手法ガイド

Python 主要ライブラリ早見表

よくある質問（FAQ）

• Q: 正規分布じゃないデータをどう扱う？
  A: 対数変換、 Box-Cox 変換、 ノンパラ検定、 ブートストラップ
• Q: 外れ値を除くべき？
  A: ドメイン知識で判断。 機械的に除くより、 ロバスト手法を検討
• Q: サンプルサイズはいくつあれば十分？
  A: 効果量と検出力から事前計算（power analysis）
• Q: p < 0.05 で「効果あり」と結論していい？
  A: 効果量と信頼区間も併記。 多重比較補正も
• Q: 相関があれば因果がある？
  A: ない。 RCT、 IV、 DiD などの因果推論手法が必要

📓 用語のまとめ — 30秒で理解

このページで扱った概念を、 学習効率のためにまとめます。 これを毎日見ることで、 統計の基礎が体に染み込みます。

必ず押さえるべき記号

💡 統計学・データサイエンスは「記号の意味を理解する」ことが最初の壁。 各記号が何を表すか、 公式の中での役割を覚えてしまえば、 後はパターンの組合せで様々な手法が理解できます。

📚 関連トピック一覧

「f-test」と関連する基礎統計・データ分析の主要トピックを横断的に参照できる。 各リンクから対応する用語ページへジャンプして、 体系的な学習を進められる。

• 相関
• 回帰分析
• 平均
• 分散
• 標準偏差
• 中央値
• 正規分布
• 仮説検定
• p 値
• 信頼区間
• NumPy
• pandas
• ヒストグラム
• 箱ひげ図
• 散布図
• データクレンジング
• データ収集

🗺️ 概念マップ — 3つの視点で体系を理解する

F検定 がデータサイエンスの体系の中でどこに位置するかを、 3つの異なる視点で可視化します。 同じ情報でも見方を変えると気付きが変わります。

📍 体系階層のパス

🌐 統計・データサイエンス › 推測統計 › 検定 › F検定

① 🔗 関係マップ — 「他の手法とどう繋がっているか」

中心に F検定 を置き、 そこから t検定・χ²検定・分散・p値・重回帰・ノンパラ検定 など 計 14 個の用語へ、 前提・兄弟・発展形といった関係を矢印で結んでいます。 線がどちら向きかを見れば、 先に読むべき用語とあとから読む用語が分かります。 ノードはドラッグで動かせ、 ホイールでズーム、 クリックでその用語のページへ遷移します。

② ⭕ 包含マップ — 「どのカテゴリに含まれているか」

大きな円が小さな円を包含する Circle Packing 図。 「F検定」は緑色でハイライト。

• カテゴリ円をクリック：その内部にズームイン
• 白背景クリック：1階層戻る
• 用語円をクリック：詳細ページへ遷移
• マウスホバー：階層パス表示

③ 🌳 ツリーマップ — 「面積で見るボリューム比較」

長方形を入れ子に分割した Treemap 図。 各分野の規模感を面積で比較。 「F検定」は緑色でハイライト。

• カテゴリ矩形をクリック：その内部にドリルダウン
• パンくず（上のリンク）クリック：その階層に戻る
• 用語矩形をクリック：詳細ページへ遷移
• マウスホバー：階層パスと値を表示

🎯 3つのマップの使い分け

💡 3 つの図は同じ位置関係を別の角度から描いています。 関係マップは F検定 の隣に何が並ぶかを、 包含マップとツリーマップは 統計・データサイエンス → 検定 → F検定 という入れ子の位置を示します。 「検定には他に何があったか」を思い出したいときは包含マップを、 「次に何を読むか」を決めたいときは関係マップを開いてください。

🔗 隣接手法への橋渡し

「F検定」は単独で完結せず、 隣接する手法と接続することで分析パイプラインの一部として機能する。 以下に具体的な接続関係を示す。

• 上流（入力側で必要となる前処理・前提）: 仮説検定・正規性仮定・分散の推定
• 並列（同じ目的を持つ代替・競合手法）: ANOVA (Fisher 1925)・t 検定・χ² 検定・尤度比検定
• 下流（F検定 の結果を活用する後続手法）: 重回帰のモデル F 検定・分散分析の事後検定 (Tukey HSD)・効果量 η² 算出

F 検定は分散比 F = s₁²/s₂² が F(df₁, df₂) 分布に従うことを利用するため、 (1) 各群が正規分布 (2) 観測の独立性 という 2 仮定が成立しないと p 値が歪む。 ANOVA でグループ間平均差を検定する前に Levene 検定 (1960) で分散均一性確認 + Shapiro-Wilk で正規性確認、 違反時は Welch's ANOVA か Kruskal-Wallis に切り替える。

🌳 手法選択フロー

「f test」を含む手法選択は、 データの性質・分析目的・運用制約の 3 軸で決まる。 以下に典型シナリオと対応する手法の組合せを示す。

典型シナリオ別の手法選択

選んだ後の検証ステップ

1. 前処理確認: 標準化 / 欠損処理 / カテゴリ変数のエンコード が適切か
2. ハイパラ調整: 交差検証で安定する値を選ぶ
3. 性能評価: タスクに応じた指標 (RMSE / Accuracy / F1 / AUC / シルエット等) を複数併用
4. 頑健性チェック: 別手法 / 別シードで結果が大きく違わないか確認
5. 解釈: 結果を分野知識と照らし合わせ、 意味のある発見になっているか検討

🎮 触って理解する

下のスライダー（またはグラフを直接ドラッグ）で、 3 つの群の 平均の広がり Δ（群間分散）・群内のばらつき σ（群内分散）・各群の標本サイズ n を動かしてみよう。 上のパネルは 3 群のデータ点と群平均・総平均、 下のパネルは自由度 $(df_1, df_2)$ の F 分布・棄却域（赤・α=0.05）・観測された $F$・p 値をリアルタイムに描く。 群間のばらつきが群内より大きくなるほど $F$ が右へ動き、 p 値が小さくなる 様子を体感できる。 F 分布の pdf / cdf は正則化不完全ベータ関数で正確に計算している。

👁️ 直感 — 分子と分母の綱引き

F 検定の心臓は割り算ひとつ。 分子に「群と群の間で平均がどれだけ離れているか」（群間分散）、 分母に「同じ群の中で個体がどれだけ散らばっているか」（群内分散）を置く。 スライダーで Δ を大きくすると群の位置が縦に離れて分子が膨らみ、 σ を小さくすると点が締まって分母が縮む。 どちらも $F$ を押し上げ、 F 分布の右の裾に統計量が飛び出して p 値が小さくなる。 逆に Δ≈0 なら群の違いは誤差に埋もれ、 $F$ は 1 付近に落ち着く。 標本サイズ n を増やすと同じ Δ でも分子の自由度あたりの寄与が安定し、 わずかな差でも検出しやすくなる（検出力の上昇）。

⚠️ よくある落とし穴 — 前提が崩れると p 値は嘘をつく

このデモの p 値が正しいのは、 各群が正規分布し、 群間で分散が等しい（等分散） という前提が成り立つときだけ。 外れ値や歪んだ分布があると $F$ は前提を裏切り、 p 値は信用できなくなる。 特に群ごとに標本数が大きく違い、 かつ分散も違う場合、 通常の ANOVA は第一種の過誤（本当は差がないのに「差あり」と誤判定）を膨らませる。 実務では正規性を Shapiro–Wilk 検定、 等分散性を Levene / Bartlett 検定で事前確認し、 崩れていれば Welch の ANOVA や Kruskal–Wallis 検定 に切り替える。 また F 検定が有意でも「どの群が違うか」は分からない — 多重比較（Tukey HSD / Bonferroni）が別途必要。

🚀 発展 — 同じ「分散比」が二役をこなす

同じ分散比の発想は、 二つの主役に化ける。 (1) 一元配置 ANOVA — 上のデモそのもので、 $F = MS_{between}/MS_{within}$、 $df=(k-1,\ N-k)$。 (2) 回帰の全体検定 — 重回帰で「すべての係数が 0」という帰無仮説を、 説明された分散 ÷ 残差分散の比 $F=\dfrac{SSR/p}{SSE/(n-p-1)}$ で一気に検定する。 $R^2$ が高くても、 この全体 F が有意でなければモデルは偶然の当てはまりかもしれない。 ネストしたモデルの比較（偏 F 検定）も同じ枠組みで、 「追加した変数群が分散を有意に説明したか」 を問う。 このように F 検定は「複数のパラメータをまとめて一つの数値で検定する」 統一言語なのだ。