【初心者向け】p値とは？0.05の意味を“現場目線”で直感理解する

はじめに

統計解析を行っていると「p値が0.05未満なので、有意差があります」という結果を目にすることがあります。

p値は、t検定をはじめとした統計的仮説検定でよく使われる重要な指標です。一方で、

✅p値は何を意味しているのか
✅なぜ「0.05」が判断基準としてよく使われるのか
✅「有意差がある」とは、具体的に何を意味するのか

といった点は、意外と分かりにくい部分でもあります。

特に注意したいのが、「p値が小さいほど良い」「p値が0.05未満なら大きな差がある」といった解釈です。

p値は、差の大きさや結果の良し悪しを直接表している数値ではありません。正しく結果を判断するためには、p値が何を表しているのかを理解したうえで使うことが重要です。

本記事では、p値の基本的な意味から「p < 0.05」の考え方、有意差の正しい捉え方まで、できるだけ分かりやすく解説します。

さらに、Excelを使ってp値を求める方法についても、具体例を使って紹介します

p値とは？

p値（p-value）とは、統計学において次のように定義されます。

「帰無仮説が正しいと仮定したときに、観測されたデータ以上に極端な結果が得られる確率」

ここで重要なのが「帰無仮説」という考え方です。

帰無仮説とは、「差がない」「効果がない」といった前提を意味します。
多くは、”H₀”と表記され、2群間の平均値を比較する代表的な検定手法「T検定」では

・Ho：μA＝μB (両群の平均値に差がない)

と表記されます。

つまりp値とは、「本当は差がない世界で、これくらいの差が偶然に出る確率」を表しています。(ここ、重要です！)

また、ｐ値が小さい程、帰無仮説では起こりにくい結果が出た、つまり「偶然では起こりえない」結果が出たと判断されます。
→これが所謂「有意差あり」というやつです。

よく用いられる基準

p値を使って統計的な有意差を判断するときには、あらかじめ「有意水準（α）」と呼ばれる基準を設定します。

有意水準には5％（0.05）がよく使われます。この場合、p値が0.05未満であれば帰無仮説を棄却し、「統計的に有意」と判断します。

例えば、有意水準を5％と設定した場合を考えてみましょう。

・p = 0.08の場合、0.05以上であるため、5％水準では帰無仮説を棄却できません。
・p = 0.03の場合、0.05未満であるため、5％水準で統計的に有意と判断します。
・p = 0.001の場合は0.01未満なので、1％水準でも統計的に有意と判断できます。

ここで重要なのは、p値が小さいほど「差が大きい」「重要な差がある」という意味ではないことです。

例えば、p=0.001だからといって、p=0.03よりも必ず大きな差があるとは限りません。p値はサンプルサイズなどの影響も受けるため、差の大きさを判断するときには、実際の差や効果量、信頼区間などもあわせて確認する必要があります。

■有意水準は必ず0.05？

有意水準には0.05がよく使われますが、必ず0.05にしなければならないわけではありません。

誤った判断による影響が大きい場合などには、0.01のような、より厳しい有意水準を設定することもあります。
(性能や効果が人命に影響するような製薬・医療機器業界だと有意水準は0.01が用いられる場合があります）

反対に、探索的な分析などでは異なる基準が用いられることもあります。

重要なのは、分析結果を見てから都合のよい基準を選ぶのではなく、分析の目的や誤判定による影響を考慮して、原則として事前に有意水準を設定することです。

実務の際の注意点

p値はさまざまと統計手法の結果を、共通の指標で判断できる点では優れています。
ただ、これに頼りきりだと大変危険です。

以下に注意すべき事項について記載します。

p値は、さまざまな統計的検定の結果を判断するために使われる便利な指標です。

ただし、p値だけを見て「差がある・ない」を判断するのは適切ではありません。

実務では、p値とあわせて次のポイントを確認することが重要です。

■効果量や差の具体値を確認する

p値が小さくても、実際の差がごくわずかであれば、実務上は意味がないことがあります。

例えば、不良率を比較する「比率の検定」で、

・A：不良率 5.0％
・B：不良率 5.1％
・p値：0.01

という結果が得られたとします。

p値だけを見ると「統計的に有意」と判断できますが、不良率の差はわずか0.1ポイントです。この差が実務上重要かどうかは、p値だけでは判断できません。

そのため、「差は実際にどのくらいあるのか」「改善率はどの程度か」「コストや利益にどのくらい影響するのか」まで確認することが重要です。

■信頼区間を確認する

信頼区間を見ると、推定した差がどの程度の幅を持っているのかを確認できます。

例えば、不良率の差について、

・推定値：0.5ポイント
・95％信頼区間：0.1 ～ 0.9ポイント

という結果であれば、改善幅にはある程度の不確実性があることが分かります。

p値だけでなく信頼区間も確認することで、差の大きさと推定の不確実性をあわせて判断できます。

■サンプルサイズに注意する

一般に、サンプルサイズが増えるほど推定の精度は高くなります。

一方で、サンプルサイズが非常に大きいと、実務上はほとんど意味のない小さな差でもp値が小さくなり、統計的に有意となることがあります。

例えば、

・100データで比較
・10,000データで比較

では、同じ程度の差であってもp値は変わる可能性があります。

そのため、「p < 0.05だったから重要な差がある」と判断せず、サンプルサイズと実際の差の大きさもあわせて確認することが重要です。

よくある誤解

p値は統計検定でよく使用される指標ですが、現場では誤って解釈されることも少なくありません。

代表的な誤解として、「p値＝差がある確率」というものがあります。例えばp値が0.03の場合、「97％の確率で差がある」という意味ではありません。正しくは、「差がないと仮定した場合に、今回得られた結果以上の差が偶然発生する確率」を表しています。

また、「p値が小さい＝重要な結果」という解釈にも注意が必要です。p値は統計的な差の判断には有効ですが、その差が実務上大きな意味を持つかまでは判断できません。

つまりp値は、結果の良し悪しを示す数字ではなく、「観測された差が偶然で説明できるかどうか」を判断するための指標です。そのため、実際の解析ではp値だけで判断するのではなく、差の大きさや実務的な影響も合わせて評価するように注意しましょう！

最後に

p値とは、「差がない」と仮定したときに、今回の結果が偶然に起こる確率です。
つまり、p値が小さいほど、偶然だけでは説明しにくいと言えます。

ただし、p値だけでは「差の大きさ」「実務上の意味」「再現性」は分かりません。そのため実務では、
・効果量(どれほど差がついたか？)
・信頼区間
・サンプルサイズ
・コストやビジネスインパクト

も一緒に考えることが重要です。「p < 0.05だから採用」ではなく、「その差に本当に意味があるのか？」まで考えることが、現場では大切です。
p値については以下の記事も読んでいただき、実際の検定を用いながら理解を深めてください。

また、Excel分析・統計解析のご相談を本サイト問い合わせページより受付中です！

「このデータどう見ればいい？」「Cpkや管理図を実務で使いたい」「解析代行・レポート化をお願いしたい」

といった内容も対応可能です。

・製造業・品質管理の実務目線でサポート
・分析代行／解釈のアドバイスどちらもOK
・見積もり・相談は無料です

ご興味のある方は、本記事最下部のリンクからお気軽にご相談ください。

Stat Lab Analytics（StatLA）

統計を理解したら、 実際のデータで 試してみよう。

ブラウザだけで統計解析。
登録不要・無料で利用できます。

• 登録不要
• 無料
• ブラウザで利用可能

StatLAを無料で使ってみる → 信頼区間の操作方法を先に見る →