二元配置分散分析（two-way ANOVA）とは？2つの要因と交互作用の見方からSPSSでのやり方までやさしく解説
みなさん、こんにちは。スマート・アナリティクスの畠です。 「学習方法（3種類）でテストの点数が変わるかを分散分析で調べたのですが、よく考えると、効果は男女で違う気もしてきました。2つの要因をいっぺんに調べることはできますか？」——研究のデータをまとめる時期になると、こうしたご相談をよくいただきます。1つの要因が結果に与える影響を調べるのが一元配置分散分析（one-way ANOVA）でしたが、現実のデータでは「2つの要因が同時に効いている」「しかも片方の効果が、もう片方の条件によって変わる」ということがよくありますよね。そんなときに頼りになるのが、今回ご紹介する二元配置分散分析（two-way ANOVA）です。二元配置分散分析は、2つの要因がそれぞれ結果に与える影響（主効果）と、2つの要因が組み合わさって生まれる影響（交互作用）を、ひとつの分析で同時に調べる方法です。このページでは、主効果と交互作用の意味、変動の分解の考え方、効果量、交互作用があったときの単純主効果分析、そしてSPSSでの実行の流れまで、順番にやさしく解説します。
- 二元配置分散分析は、2つの要因（独立変数）が量的な結果（従属変数）に与える影響を、ひとつの分析で同時に調べる方法。一元配置分散分析の「要因が2つ」版にあたる
- 分かることは3つ：要因Aの主効果、要因Bの主効果、そしてA×Bの交互作用
- 交互作用とは「一方の要因の効果が、もう一方の要因の水準によって変わること」。二元配置分散分析の最大の見どころ
- 結果全体のばらつき（変動）を、要因A・要因B・交互作用・誤差の4つに分けて、それぞれF値で検定する
- 交互作用が有意なときは、主効果の解釈に注意し、単純主効果分析で「条件ごとの効果」を確認する
- 効果量は偏イータ二乗（partial η²）を要因ごとに報告するのが一般的
二元配置分散分析とは何か
二元配置分散分析とは、2つの要因（独立変数）が、ひとつの量的な結果（従属変数）に与える影響を同時に調べる分散分析です。「二元配置」の「元」は要因のことで、要因が2つあるから二元配置、と覚えていただくと分かりやすいと思います。英語では two-way ANOVA と呼びます。
たとえば、次のような場面で使われます。
- 学習方法（暗記型・演習型・対話型の3種類）と性別（男・女）が、テストの点数に与える影響
- 肥料の種類（A・B）と日照条件（日なた・日かげ）が、植物の収穫量に与える影響
- 広告の表現（理性的・感情的）と媒体（動画・静止画）が、商品の好意度に与える影響
いずれも、結果（点数・収穫量・好意度）に対して、独立変数が2つあるのが特徴です。一元配置分散分析（ANOVA）が「1つの要因」の影響だけを見ていたのに対し、二元配置分散分析は「2つの要因」を同時に扱います。
「だったら、一元配置分散分析を2回やればいいのでは？」と思った方もいるかもしれません。鋭い疑問です。実は、要因を1つずつ別々に分析するより、2つまとめて分析した方が、次の2つの大きなメリットがあります。
- 交互作用が調べられる——「学習方法の効果は、男女で違うのか？」のような、2要因の組み合わせから生まれる効果（交互作用）は、別々に分析しては絶対に見えません。これが二元配置分散分析の最大の価値です。
- 検定の精度が上がりやすい——2つ目の要因を分析に取り込むことで、誤差として扱われていたばらつきの一部が説明され、各効果を検出しやすくなることがあります。
一元配置分散分析を2回行うのと、二元配置分散分析を1回行うのは、別物です。二元配置でしか調べられない「交互作用」こそが、この手法を使う一番の理由です。
主効果と交互作用：3つの問いを同時に調べる
二元配置分散分析が答えてくれるのは、次の3つの問いです。要因をA（例：学習方法）、要因をB（例：性別）とします。
| 調べるもの | 意味（例にあてはめると） |
|---|---|
| 要因Aの主効果 | 性別を無視してまとめたとき、学習方法によって点数に差があるか |
| 要因Bの主効果 | 学習方法を無視してまとめたとき、男女で点数に差があるか |
| A×Bの交互作用 | 学習方法の効果が、男女で違うか（組み合わせの効果） |
主効果とは、一方の要因だけに注目したときの、平均の差のことです。これは一元配置分散分析で調べていたものと同じイメージですね。要因が2つあるので、主効果も2つ出てきます。
そして、二元配置分散分析の主役が交互作用です。交互作用とは、「一方の要因の効果が、もう一方の要因の水準によって変わること」を指します。先ほどの例なら、「対話型の学習は女子にはとても効くが、男子にはあまり効かない」というように、学習方法（A）の効果が性別（B）によって変わるなら、そこには交互作用があります。
逆に、「どの学習方法でも、男子より女子の方が一律に5点高い」というように、一方の効果がもう一方の条件によらず一定なら、交互作用はありません。この「効果が条件で変わるか／一定か」を見分けるのが、次に紹介するグラフです。
交互作用をグラフで読む
交互作用は、数字の表だけでは直感的につかみにくいものです。そこで活躍するのが交互作用プロット（profile plot）です。横軸に一方の要因、線の色でもう一方の要因を表し、各組み合わせの平均値を結んだ折れ線グラフを描きます。
読み方はシンプルです。2本の線がほぼ平行なら交互作用はなし、線が交差したり傾きが大きく違ったりすれば交互作用あり、と見ます。ただし、グラフはあくまで目で見る手がかりであって、最終的な判断は分散分析表の交互作用のp値で行います。「グラフで交差して見えても、検定では有意でない（誤差の範囲）」ということもあるので、必ず数値とセットで確認してください。
変動の分解とF値：仕組みのイメージ
二元配置分散分析の仕組みは、一元配置分散分析の考え方を素直に拡張したものです。一元配置では、データ全体のばらつき（変動）を「要因による変動」と「誤差による変動」の2つに分けていました。二元配置では、これを4つに分けます。
そして、要因A・要因B・交互作用のそれぞれについて、F値（その効果による変動が、誤差による変動の何倍か）を計算し、検定します。F値が大きいほど「偶然のばらつきでは説明しにくい、意味のある差や効果がある」と判断できる、という理屈です。SPSSの出力には、要因A・要因B・交互作用の3行（と誤差・全体）が並び、それぞれに平方和・自由度・平均平方・F値・有意確率が表示されます。
結果を読む順番にはコツがあります。まず交互作用から見るのがおすすめです。なぜなら、交互作用が有意かどうかで、主効果の解釈のしかたが変わってくるからです。これについては、次の「前提条件」のあと、単純主効果分析のところでくわしくお話しします。
分散分析表は、上から順ではなく「交互作用 → 主効果」の順で読みます。交互作用が有意なら、主効果だけを単純に解釈するのは危険なサインです。
前提条件のチェック
二元配置分散分析にも、一元配置分散分析と同じく、いくつかの前提条件があります。結果を信頼するために、分析の前後で確認しておきましょう。
- 独立性——各データ（観測値）が互いに独立であること。同じ対象者を繰り返し測っている場合は、反復測定分散分析という別の手法を使います。
- 正規性——各セル（要因の組み合わせ）の中で、従属変数がおおむね正規分布に従うこと。残差の正規性で確認するのが一般的です。分布の見方は正規分布のガイドもあわせてご覧ください。
- 等分散性（分散の均一性）——各セルのばらつきがだいたい等しいこと。SPSSではLevene（ルビーン）検定で確認できます。Leveneの検定が有意（p<.05）だと、等分散性が崩れている可能性があります。
もうひとつ実務で重要なのが、各セルのデータ数です。すべてのセルのデータ数が等しい（つり合っている）デザインを「均衡型」、異なるデザインを「不均衡型」といいます。不均衡型では、平方和の計算方法（タイプ I／II／III）によって結果が変わることがあります。SPSSの既定はタイプIIIで、多くの場面ではこれで問題ありませんが、セルの人数が大きく偏っている場合は、結果の解釈に注意が必要です。できるだけ各セルの人数をそろえて計画するのが理想です。
交互作用が有意なとき：単純主効果分析
ここが、二元配置分散分析でいちばん大切なところです。分析の結果、交互作用が有意だったとします。このとき、主効果をそのまま「学習方法に効果があった」と解釈してよいでしょうか。実は、注意が必要です。
交互作用があるということは、「学習方法の効果が、男女で違う」ということでした。たとえば、対話型は女子にはとても効くが、男子には逆効果だった、という場合、男女をまとめた「学習方法の主効果」は、プラスとマイナスが打ち消し合って、見かけ上は小さく出るかもしれません。これを「効果がなかった」と読むのは誤りですよね。
そこで行うのが単純主効果分析（single main effect analysis）です。これは、もう一方の要因の水準ごとに、その要因の効果を調べ直す分析です。先ほどの例なら、「男子の中で学習方法の効果」「女子の中で学習方法の効果」を、それぞれ別々に検定します。こうすれば、「女子では対話型が有意に高いが、男子では差がない」といった、交互作用の中身を具体的に説明できます。
- 交互作用が有意 → 単純主効果分析に進み、水準ごとの効果を確認する（主効果の単純な解釈は保留）
- 交互作用が有意でない → 各要因の主効果を素直に解釈してよい。差があった要因は、必要なら多重比較（Tukey HSDなど）でどの水準間に差があるかを確認する
単純主効果が有意で、その要因が3水準以上ある場合は、さらにその水準間で多重比較を行います。「交互作用 → 単純主効果 → 多重比較」という流れを、ひとつのセットとして覚えておくと迷いません。多重比較の考え方そのものは、多重比較のガイドでくわしく解説します。
→ 多重比較とは？検定の繰り返しで起きる問題と使い分けのガイド
効果量（偏イータ二乗）と結果の書き方
二元配置分散分析でも、p値だけでなく効果量を報告することが推奨されます。p値は「効果が偶然とは考えにくいか」を教えてくれますが、「効果がどれくらい大きいか」までは教えてくれないからです。
二元配置分散分析でよく使われる効果量は、偏イータ二乗（partial η²）です。これは、「その効果と誤差を合わせたばらつきのうち、その効果が説明する割合」を表すもので、要因Aの主効果・要因Bの主効果・交互作用のそれぞれについて計算します。SPSSでは、オプションで「効果サイズの推定値」にチェックを入れると、各行の偏イータ二乗が出力されます。
| 偏イータ二乗（partial η²）の目安 | 解釈の目安 |
|---|---|
| .01程度 | 小さい効果 |
| .06程度 | 中程度の効果 |
| .14程度 | 大きい効果 |
この基準はあくまで一般的な目安で、研究分野によって意味合いは変わります。「目安と照らすとこの程度」という書き方にとどめるのが安全です。レポートでは、たとえば次のように記述できます。
各効果について、F値（2つの自由度つき）・p値・効果量をセットで書く——この型を覚えておけば、そのまま使えます。自由度は「F(効果の自由度, 誤差の自由度)」の順で書く点に注意してください。
SPSSでの実行方法
ここでは、SPSSで二元配置分散分析を行う基本的な流れを紹介します。実際の画面操作や細かい設定は、SPSSの使い方シリーズで詳しく扱いますので、ここでは全体像をつかんでください。
ステップ1：メニューから一般線形モデル→1変量を開く
SPSSで二元配置分散分析を行うには、メニューから上のように進みます。「1変量（univariate）」は、従属変数が1つ・独立変数（要因）が複数のときに使うメニューです。「従属変数が1つ」という意味なので、要因が2つでも「1変量」を選びます。ここで迷う方が多いので、覚えておいてください。
ステップ2：従属変数と2つの固定因子を指定
結果の変数（テスト得点など）を「従属変数」に、2つの要因（学習方法・性別など）を「固定因子」に入れます。固定因子には、研究者が水準を決めた要因（実験条件・属性など）を入れます。要因の尺度設定は「名義」または「順序」にしておきましょう。
ステップ3：作図で交互作用プロットを指定
「作図（プロット）」ボタンを押し、横軸に一方の要因、線の区分にもう一方の要因を指定して「追加」します。これで交互作用プロット（図1のような折れ線グラフ）が出力されます。交互作用の有無を目で確認できるので、ぜひ設定しておきましょう。
ステップ4：オプションで等分散性検定と効果量を指定
「その後の検定（多重比較）」で、3水準以上の要因にTukey HSDなどを指定します。さらに「オプション」または「EM平均」で、等分散性の検定（Levene）と効果サイズの推定値（偏イータ二乗）にチェックを入れます。記述統計も出力しておくと、各セルの平均とデータ数が確認できて便利です。
ステップ5：結果の解釈（交互作用→主効果の順）
出力では、まずLeveneの検定で等分散性を確認します。次に被験者間効果の検定の表で、交互作用（A×B）の行のF値・有意確率を最初に読みます。交互作用が有意なら、データを分割して単純主効果分析へ進みます。交互作用が有意でなければ、各要因の主効果を読み、有意だった要因は多重比較でどの水準間に差があるかを確認します。各効果の偏イータ二乗もあわせて記録しましょう。SPSSの具体的な画面操作は「SPSSの使い方」シリーズでくわしく解説しています。
関連分析手法・SPSS実装ガイド
二元配置分散分析と関連の深い分析手法・SPSSでの具体的な実装手順を以下にまとめます。研究設計や論文執筆の参考にあわせてご活用ください。
- 一元配置分散分析（ANOVA）とは？ — 1つの要因で3群以上を比べる、二元配置の土台となる手法。まずはこちらから。
- t検定とは？ — 2群の平均差を調べるパラメトリック検定。検定の基本の型をつかむのに最適です。
- 正規分布とは？ — 前提条件の「正規性」を、分布の形から理解できます。
- 仮説検定の基礎 — 有意水準・p値・第一種の過誤など、検定の考え方そのものを整理できます。
- カイ二乗検定とは？ — 割合・度数の偏りを調べたいとき（結果が量的でないとき）はこちら。
- 多重比較とは？ — 主効果・単純主効果が有意な要因の、水準間の差を確かめる方法を解説します。
- クラスカル・ウォリス検定とは？ — 正規性が満たせないときの、3群以上のノンパラメトリック版。
- SPSSでt検定を実行する手順（SPSSの使い方 第10回） — 画面キャプチャ付きで検定の操作と出力の読み方を解説しています。
- 分析手法で選ぶSPSS製品 — やりたい分析からSPSS製品・オプションを選べる一覧（製品選定ページ）です。
- SPSSとは？研究・実務で使われる統計解析ソフトをやさしく解説 — 製品の全体像・価格・購入方法。
- SPSSの使い方シリーズ（全10回） — 起動・データ準備・分析・出力結果の解釈まで体系的に学べます。
つまずきやすいポイントと注意点
二元配置分散分析でつまずきやすいポイントを、ここで整理しておきます。
1. 交互作用を見ずに、主効果だけで結論を書いてしまう。交互作用が有意なのに、男女をまとめた主効果だけで「学習方法に効果はなかった」と書くのは、いちばん多い誤りです。必ず交互作用を先に確認し、有意なら単純主効果分析に進みましょう。
2. 一元配置を2回行ったものを「二元配置」と呼んでしまう。要因を別々に1回ずつ分析しても、それは二元配置分散分析ではありません。交互作用は、2要因を同時に分析して初めて得られます。
3. グラフの交差だけで交互作用を断定する。交互作用プロットで線が交差して見えても、検定で有意とは限りません（誤差の範囲のことがあります）。最終判断は必ず交互作用のp値で行ってください。
4. 対応のあるデータに使ってしまう。同じ対象者を複数の条件で繰り返し測った（被験者内）データには、通常の二元配置分散分析ではなく、反復測定を含む分散分析を使います。「要因が被験者間か、被験者内（繰り返し）か」を、分析の前に必ず確認しましょう。
5. セルの人数が大きく偏ったまま解釈する。各セルの人数が大きく異なる不均衡デザインでは、平方和のタイプ（既定はタイプIII）によって結果が変わることがあります。できるだけ人数をそろえて計画し、偏っている場合は解釈に注意します。
6. 従属変数が量的でないのに使ってしまう。分散分析は、結果（従属変数）が量的（間隔・比率尺度）であることを前提とします。「合格・不合格」のような結果なら、分散分析ではなくカイ二乗検定やロジスティック回帰を検討します。