要点
- p値は、検定する仮説とその他の仮定を前提とした確率です。
- 統計学的有意性は、効果の大きさや臨床的な重要性を表しません。
- 効果の推定値、信頼区間、解析計画と一緒に読みます。
01
p値とは何か
p値とは、検定する仮説を含む統計モデルが正しいと仮定したとき、観測値以上に極端な検定統計量が得られる確率です。健康に関する研究では、群間に差がないという帰無仮説を検定することがよくあります。他にも、観測の独立性、データが生まれる過程、解析の選び方などに関する仮定があります。
推論の向きが重要です。まずモデルを仮定し、その下で起こり得るデータについて考えます。p値は、この計算を逆にして仮説が正しい確率を与えるものではありません。小さなp値は観測と仮定したモデルの間の不整合を示しますが、どの仮定が間違っているかまでは特定しません。
02
計算例：コインを10回投げて9回が表だったら
これは臨床研究ではなく数学的な例です。投げる前に、独立した10回の試行を行い、表と裏のどちらの方向の偏りも調べると決めます。帰無モデルでは毎回の表と裏の確率がそれぞれ2分の1です。この条件では、順序を区別した1,024通りの並びがすべて同じ確率で生じます。
9回が表だった場合、均等な分かれ方から同じかそれ以上に離れた結果は、表が0回、1回、9回、10回です。対応する並びの数は1 + 10 + 10 + 1 = 22通りなので、両側p値は22 / 1,024 = 0.021484375、約2.15%になります。
公平なコイン、独立した試行、事前に決めた終了回数というモデルの下では、この程度以上の偏りが約2.15%の頻度で起こるという意味です。コインが公平である確率が2.15%という意味ではありません。表が多い方向だけを調べたり、結果を見てから終了時点を決めたりすると、解析とその解釈は変わります。
この節の出典: [2]
03
p < 0.05は何を意味するか
有意水準、つまりアルファを0.05に設定した場合、それを下回るp値は慣例的に「統計学的に有意」と呼ばれます。アルファは検定手順の一部として決め、p値は観測したデータから計算します。妥当な単一の検定では、アルファは真の帰無仮説を誤って棄却する長期的な確率を制御します。今回公表された結果が誤りである確率ではありません。
| 報告された値 | 妥当な読み方 | 裏付けのない結論 |
|---|---|---|
| p = 0.03 | 検定の仮定を前提に、事前に選んだ0.05の基準を下回ります。 | 治療が効く確率は97%である。 |
| p = 0.06 | その基準は下回りません。 | 治療には効果がない。 |
| p = 0.001 | 観測された統計量は、仮定したモデルの下では非常に珍しいものです。 | 効果が大きく、重要で、バイアスもない。 |
これらは患者を対象とした試験結果ではなく、解釈の例です。0.049と0.051の間に科学的な断崖があるわけではありません。非常によく似たデータでも判定の名称が変わることがあるため、名称だけでなく推定値全体とその不確実性を読むことが大切です。
この節の出典: [2]
04
統計学的有意性と臨床的な重要性
効果の推定値は、群間にどれだけの差があったかを示します。信頼区間は推定の精度と、モデルの下でデータと両立する効果の範囲を読む手がかりです。臨床的な重要性では、有害作用、治療の負担、他の選択肢を踏まえ、その利益の大きさと性質が患者にとって意味を持つかを考えます。
大規模な研究は、実際にはほとんど重要でない小さな差を検出することがあります。一方、小規模な研究やばらつきの大きい研究では、p値が0.05を超えていても、相当な利益と害の両方が否定できない場合があります。診療への意味を判断する前に、区間の両端と測定単位を確認します。
対応する両側検定と区間推定の方法を使う場合、95%信頼区間が帰無値を含まないことは、通常p < 0.05に対応します。帰無値は差なら一般に0、比なら1です。この関係は方法の整合性に依存し、丸めや計算方法の違いで見かけ上の不一致が生じます。p値も狭い信頼区間も、研究の欠陥によるバイアスを取り除くものではありません。
05
多数の検定をすると何が変わるか
多くのアウトカム、部分集団、解析方法を試すほど、小さなp値が出る機会も増えます。例として、帰無仮説がすべて真で、それぞれの偽陽性確率が正確に0.05である独立した20検定では、少なくとも一つの偽陽性が生じる確率は1 − 0.9520 ≈ 64.2%です。検定同士に相関がある場合や手順が違う場合、この数値も変わります。
そのため、事前に決めた主要評価項目、試験登録、多重比較への対処が重要です。事前規定の解析も興味深い探索的結果も有用ですが、同じ強さで受け止めるべきではありません。最小のp値だけを報告すると、そこに至る探索が隠れます。統計的な調整は定義した検定群に役立ちますが、開示されていない選択的な報告までは修復できません。
この節の出典: [2]
06
研究の主張を読むためのチェックリスト
「治療が効いた」という見出しを受け入れる前に、次の質問で研究が実際に主張していることを組み立て直します。一つの閾値だけを見るのではなく、研究の問い、結果の大きさ、残る不確実性を順番に評価するための確認項目です。
- 比較を特定する：誰を対象に、何と何を比べ、どのアウトカムを測ったか。
- 推定値を読む：読者に意味のある単位で、差はどの程度だったか。
- 区間を確認する：重要な利益や害を含むか、それとも小さな差に限られるか。
- 計画を確認する：アウトカムと解析は事前に決めたか、多重検定に対処したか。
- 信頼性を評価する：バイアス、欠測、適用可能性、他の研究との一致を考える。
大きなp値だけで治療同士の同等性は示せません。同等性を調べるには適切な設計、根拠のある同等性マージン、その問いに対応した解析が必要です。同様に、小さなp値だけで因果関係も確立しません。因果的な解釈には、研究デザインとその仮定による裏付けが必要です。
統計の説明は、CC BY 4.0で公開されたGreenlandらのガイドを参考に書き換え、独自の計算例を加えました。ASAの声明とCochraneの指針も補足的な背景として参照しています。出典へのリンクは以下に掲載しています。
この節の出典: [2]
情報源
- Wasserstein and Lazar — The ASA’s Statement on p-Values: Context, Process, and PurposeThe American Statistician · 2016出典確認日: DOI 10.1080/00031305.2016.1154108
- Greenland et al. — Statistical tests, P values, confidence intervals, and power: a guide to misinterpretationsEuropean Journal of Epidemiology · 2016出典確認日: DOI 10.1007/s10654-016-0149-3
- Cochrane Handbook, Chapter 15: Interpreting results and drawing conclusionsCochrane出典確認日:
改訂履歴
- 2026-09-05T17:53:18Z（UTC）に自動化支援で初稿を作成し、出典を確認しました。コイン投げと多重検定の数値は計算例で、患者データではありません。独立した臨床レビューの記録はありません。日時の表示とこの説明をUTCに統一しましたが、記録された時点は変更していません。