この記事では、Stat Lab Analyticsを使って、1標本t検定に必要なサンプルサイズを設計する方法を解説します。
サンプルサイズ設計は、検定を実施する前に「何件のデータを集めればよいか」を決めるための機能です。検定結果を出す機能ではなく、解析計画を立てるための機能である点が重要です。
製造業では、設備改善、新材料評価、量産前評価などで、測定データを何個集めるべきか迷う場面が多くあります。サンプル数が少なすぎると差を見逃しやすくなり、多すぎると時間やコストが増えてしまいます。この記事では、平均差、標準偏差、有意水準、検出力の意味も含めて、初心者向けに説明します。
サンプルサイズ設計とは？
■ サンプルサイズ設計とは？
サンプルサイズ設計とは、統計解析を行う前に、必要なデータ数を決める作業です。
たとえば、ある工程改善によって平均寸法が0.05mm変化するかを確認したい場合、何個の部品を測定すれば、その差を十分な確率で見つけられるかを事前に計算します。
ここで重要になるのが、検出力です。検出力とは、実際に差があるときに、その差を検定で見つけられる確率です。一般的には80%を目標にすることが多く、この記事でも検出力0.80を使用します。
サンプルサイズ設計は、検定結果を解釈するための作業ではなく、解析前の計画を立てるための作業です。
| 項目 | 意味 | 確認ポイント |
|---|---|---|
| サンプルサイズ | 解析に使用するデータ数です。 | 少なすぎると差を見逃しやすくなります。 |
| 平均差 | 検出したい平均値の差です。 | 実務上意味のある差を設定します。 |
| 標準偏差 | データのばらつきです。 | 過去データや予備実験から見積もります。 |
| 効果量 | 平均差を標準偏差で割った値です。 | 効果量が小さいほど必要サンプル数は増えます。 |
| 有意水準 | 差がないのに差があると判断するリスクです。 | 通常は0.05を使用します。 |
| 検出力 | 実際に差があるときに差を見つける確率です。 | 一般的には0.80以上を目標にします。 |
1標本t検定でサンプルサイズ設計が必要な理由
■ 検定前に必要N数を決める理由
1標本t検定は、1つの平均値が基準値と異なるかを確認する検定です。
ただし、サンプル数が少ないと、実際には差があっても統計的に有意な差として検出できないことがあります。これを検出力不足といいます。
一方で、サンプル数を必要以上に多くすると、測定時間、試験費用、材料費、作業工数が増えてしまいます。製造業では、試験片の作製や破壊試験などにコストがかかることも多いため、必要十分なサンプル数を事前に決めることが大切です。
操作手順
■ Step1 ホームから「サンプルサイズ設計」を開く
Stat Lab Analyticsを起動し、ホーム画面または左メニューから「サンプルサイズ設計」を選択します。
無料統計解析ソフト – Stat Lab Analytics
■ Step2 解析メニューから「1標本t検定」を選択する
サンプルサイズ設計画面が開いたら、解析方法の選択欄で「1標本t検定」を選択します。
■ Step3 検出したい平均差を入力する
「検出したい平均差」に、実務上見つけたい差を入力します。今回の例では0.05を入力します。
■ Step4 標準偏差・有意水準・検出力を入力する
標準偏差には過去データや予備実験から見積もったばらつきを入力します。今回は標準偏差0.10、有意水準0.05、検出力0.80を使用します。
■ Step5 片側検定・両側検定を設定する
差の方向を両方確認したい場合は両側検定を選択します。基準値より大きい方向だけ、または小さい方向だけを確認したい場合は片側検定を使用します。
■ Step6 サンプルサイズ計算ボタンを押す
条件を確認したら、「設計実行」ボタンを押します。設定変更だけでは計算されず、ボタンを押したタイミングで必要サンプル数が計算されます。
■ Step7 必要サンプル数を確認する
結果画面に必要サンプル数、効果量、達成検出力、有意水準などが表示されます。
結果の見方
■ 必要サンプル数を確認する
今回の条件では、必要サンプル数は34件です。これは、平均差0.05、標準偏差0.10、有意水準0.05、検出力0.80、両側検定という条件で、1標本t検定を行うために必要な目安です。
効果量は、平均差0.05を標準偏差0.10で割った0.50です。効果量が大きいほど差は見つけやすく、必要なサンプル数は少なくなります。
| 項目 | 結果 | 確認ポイント |
|---|---|---|
| 必要サンプル数 | 34 | 最低限必要なデータ数です。 |
| 平均差 | 0.05 | 検出したい差です。 |
| 標準偏差 | 0.10 | データのばらつきです。 |
| 効果量 | 0.50 | 平均差 ÷ 標準偏差で求めます。 |
| 有意水準 | 0.05 | 5%基準で検定する設定です。 |
| 検出力 | 0.80 | 差を見つける確率の目標です。 |
| 検定方法 | 両側検定 | 基準値から上下どちらにずれても検出します。 |
■ サンプル数が少ない場合の問題点
サンプル数が少ないと、実際には平均値に差があっても、検定で差を検出できない可能性が高くなります。
この場合、改善効果があったにもかかわらず「差がない」と判断してしまうリスクがあります。
■ サンプル数が多すぎる場合の問題点
サンプル数が多いほど推定の精度は上がりますが、測定時間、試験費用、材料費が増えます。
製造業では、破壊試験や長時間試験のように1サンプルあたりのコストが大きい場合もあるため、必要十分なサンプル数を設計することが重要です。
まとめ
✅サンプルサイズ設計は、解析前に必要なサンプル数を決めるための機能です。
✅1標本t検定では、平均差、標準偏差、有意水準、検出力を使って必要N数を計算します。
✅今回の条件では、必要サンプル数は34件でした。
・サンプル数が少なすぎると差を見逃しやすく、多すぎるとコストが増えます。
・設備改善、新設備導入評価、材料変更評価、量産前評価などで活用できます。