「統計ミニ解説」は、統計を学んでいて出てきた「これって何？」を短時間で確認できるシリーズです。
統計を勉強していると、t検定や分散、カイ二乗検定などで「自由度」という言葉がよく登場します。
「自由度＝n−1」と覚えているものの、
なぜ1を引くの？
そもそも何が“自由”なの？
と疑問に思う方も多いのではないでしょうか。
この記事では、自由度の基本的な考え方を簡単に解説します。
自由度とは？
自由度（degree of freedom：df）とは、簡単にいえば、「自由に決めることができる値の数」です。
例えば、3つの数値があり、その合計を「30」にするという条件があるとします。
最初の2つは、
・5と10
・8と7
・12と3
など、自由に決めることができます。
しかし、最初の2つを「5」と「10」に決めると、最後の値は自動的に、
30 − 5 − 10 ＝ 15
と決まります。
つまり、3つの値があっても、自由に決められるのは2つだけです。
この場合の自由度は、
3 − 1 ＝ 2
となります。
なぜ「n−1」がよく出てくる？
統計では、標本から平均値を計算したあとに、各データが平均からどのくらい離れているかを使って分散などを求めることがあります。
このとき、平均値を使うことで1つの制約が生まれます。
例えば、平均との差をすべて足すと必ず0になります。
そのため、n個すべての偏差を自由に決められるわけではなく、n−1個が決まれば最後の1個は自動的に決まります。
その結果、標本分散などでは、
自由度 ＝ n − 1
が登場します。
自由度はいつ使う？
自由度は、さまざまな統計解析で登場します。
つまり、自由度はいつでも「n−1」ではありません。
分析方法や推定しているパラメータ、制約の数によって自由度の求め方は変わります。
自由度が変わると何が変わる？
自由度は、t分布やカイ二乗分布、F分布などの分布の形や検定の基準に関係します。
そのため、t検定や分散分析の結果を見ると、
df = 〇〇
のように自由度が表示されます。
自由度は単なる計算上の数字ではなく、検定結果にも関係する重要な値です。
例えば分散分析（ANOVA）では、データのばらつきを「因子によるばらつき」と「誤差によるばらつき」に分け、それぞれの平方和を自由度で割ることで分散（平均平方）を求めます。
特に誤差については、誤差平方和 ÷ 誤差自由度によって誤差分散（誤差平均平方）を推定します。
そして、因子の平均平方と誤差の平均平方を比較したF値を使って、因子に有意な効果があるかを判断します。
そのため、誤差自由度は誤差分散の推定精度やF分布の形・判定基準に関係し、結果として検定の検出力にも影響します。
一般に、誤差自由度が小さいと誤差分散の推定が不安定になりやすく、差が存在していても検出しにくくなることがあります。一方、サンプル数が増えて誤差自由度が大きくなると、誤差分散をより安定して推定できるようになり、他の条件が同じであれば検出力も高くなる傾向があります。