（第2回のつづき）

前章で「変数」の種類について勉強しました。そして，「変数」の種類によって，用いる統計解析の手法が異なることも勉強しました。

ここからは，いよいよ実際の統計解析を行います。

名義変数の解析

まずは，名義変数の解析を行ってみたいと思います。名義変数の解析には，「カイ2乗検定」や「フィッシャーの正確検定」（Fisher’s exact test）を用います。

パソコンや統計ソフトが普及する以前は，手計算で算出可能な「カイ2乗検定」しか使用できませんでした。しかし，「カイ2乗検定」で算出された値は近似値とのことですし，また，症例数や対象者数が少ない場合には「カイ2乗検定」を用いることはできないとされています。従って，パソコンや統計ソフトが普及している現在では「フィッシャーの正確検定」を用いることをお勧めします。

名義変数の検定法を習得すれば，保健医療統計データのほとんどは解析可能と言っても過言ではありません。なぜなら，第1章で学んだように連続変数は名義変数に変換できるからです。

 

まずは，練習問題2-1を解いて解析手順について理解しましょう。

《肺がんあり》《肺がんなし》および《喫煙歴あり》《喫煙歴なし》は「名義変数」です。名義変数の解析ですので，「フィッシャーの正確検定」を用います。

変数を表にまとめると，表2-1のようになります。この表は2行（《肺がんあり》《肺がんなし》）と2列（《喫煙歴あり》《喫煙歴なし》）で構成されているので，2×2分割表と呼びます。

なお，「列」と「行」を混同することが時々ありますが，図2-1のように覚えると忘れません。

 

解析方法1：インターネットを利用
最も簡便な方法はインターネットにアップロードされている統計ソフトを使用することです。

例えば，Yahoo!やGoogleで「2×2分割表解析」と検索（もしくは「www.grade-jpn.com/2x2.html」と検索）すると図2-2の画面のページを見ることができます。これを用いて，フィッシャーの正確検定を行うことができます。

「2×2分割表解析」の記入欄に数字を入れると，「合計」は自動的に計算されます(図2-3)。左列の「危険因子あり（なし）or診断検査陽性（陰性）」や上行の「アウトカム有り（無し）」の文言は無視して結構です。その代わりに，表2-1の左列の「《肺がんあり》《肺がんなし》」と上行の「《喫煙歴あり》《喫煙歴なし》」を覚えておいてください。

そして，「Compute」をクリックすると，右列にp値（p-value）が「0.001」と表示されます（図2-4）。

「p＝0.001」は0.05未満（p＜0.05）ですので，「肺がん患者は，非肺がん患者に比べて，有意に喫煙率が高い（p＝0.001）」と結論できます。

解析方法2：EZRを利用
最も推奨できるのは，統計ソフト「EZR」を使用する方法です。この統計ソフトの使用法は簡単であり，これに慣れておけば，今回の初歩的な統計解析だけでなく，将来，より高度な統計解析をしたいときにも大いに役立ちます。

EZRはインターネットから無料でダウンロードでき，個人のパソコンにも職場のパソコンにもインストールできます。また，EZRは世界的に信頼された統計ソフトであり，国際学術論文でも「本研究の統計解析はEZRを用いて行った」と記載すれば，用いた統計ソフトについてはクレームがつきません。なお，「SPSS」や「SAS」も国際的に評価の高い統計ソフトですが，インストールに高額な費用が必要になります。

EZRのインストール方法については，コラムに示しましたのでそちらをご参照ください。

それでは，インストールされたEZRを使用して「フィッシャーの正確検定」を行う方法を解説します。

まず，EZRを起動します（「32-bit」あるいは「64-bit」）。EZRを立ち上げると，「Rコマンダー」と「R Console」の2つの画面が現れます。このうちの「Rコマンダー」画面から，以下の順に選択します（図2-5）。

すると，図2-6の画面が現れます。この空欄の分割表に，表2-1の数値を入力（図2-7）し，「OK」とすると，「Rコマンダー」の「出力」画面の下端に，解析の結果として青字でp値が表示されます（図2-8）。

p値は「0.00137」と算出され，0.05未満（p＜0.05）ですので，「肺がん患者は，非肺がん患者に比べて，有意に喫煙率が高い（p＝0.00137）」と結論できます。

EZRは多くの操作がマウス操作でできるため，直感的に理解しやすく，極めて簡便です。さらに，初歩から高度な解析まで行うことができ，学術的にも信頼性を備えたソフトであることから，最も推奨できる解析方法です。また，市販の統計解析ソフトは一般に高価ですが，EZRは誰でも無料で使用できる点も大きな利点です。従って，ここからの学習ではEZRを用いた解析方法について紹介していきます。

（第4回へつづく）