小林聡美
名前：小林 聡美（こばやし さとみ） ニックネーム：さと・さとみん 年齢：25歳 性別：女性 職業：季節・暮らし系ブログを運営するブロガー／たまにライター業も受注 居住地：東京都杉並区・阿佐ヶ谷の1Kアパート（築15年・駅徒歩7分） 出身地：長野県松本市（自然と山に囲まれた町で育つ） 身長：158cm 血液型：A型 誕生日：1999年5月12日 趣味： ・カフェで執筆＆読書（特にエッセイと季節の暮らし本） ・季節の写真を撮ること（桜・紅葉・初雪など） ・和菓子＆お茶めぐり ・街歩きと神社巡り ・レトロ雑貨収集 ・Netflixで癒し系ドラマ鑑賞 性格：落ち着いていると言われるが、心の中は好奇心旺盛。丁寧でコツコツ型、感性豊か。慎重派だけどやると決めたことはとことん追求するタイプ。ちょっと天然で方向音痴。ひとり時間が好きだが、人の話を聞くのも得意。 1日のタイムスケジュール（平日）： 時間 行動 6:30 起床。白湯を飲んでストレッチ、ベランダから天気をチェック 7:00 朝ごはん兼SNSチェック（Instagram・Xに季節の写真を投稿することも） 8:00 自宅のデスクでブログ作成・リサーチ開始 10:30 近所のカフェに移動して作業（記事執筆・写真整理） 12:30 昼食。カフェかコンビニおにぎり＋味噌汁 13:00 午後の執筆タイム。主に記事の構成づくりや装飾、アイキャッチ作成など 16:00 夕方の散歩・写真撮影（神社や商店街。季節の風景探し） 17:30 帰宅して軽めの家事（洗濯・夕飯準備） 18:30 晩ごはん＆YouTube or Netflixでリラックス 20:00 投稿記事の最終チェック・予約投稿設定 21:30 読書や日記タイム（今日の出来事や感じたことをメモ） 23:00 就寝前のストレッチ＆アロマ。23:30に就寝
ボンフェローニとHolmの違いを徹底解説！多重比較補正の基礎から使い方まで
データ分析では、複数の検定を同時に行うと偽陽性（偶然の結果が有意と判断される現象）が増えます。このとき重要なのが「多重比較補正」です。ボンフェローニ補正と Holm-Bonferroni 補正は、よく使われる二つの方法ですが、目的や使い方が少しずつ違います。
この違いを知ると、研究の信頼性が高まります。
本記事では、初心者でも理解できるように、身近な例を交えながら違いと使い分けを解説します。
ボンフェローニと Holm-Bonferroni の基本的な違い
まず、ボンフェローニ補正は「各検定の p値に検定の数 n を掛ける」という非常に単純な方式です。
このやり方の利点は計算が簡単で、手順が直感的な点です。しかし欠点としては、検定の数が多くなると、検出力が低下し、実際には効果があるのに有意にならない事例が増えます。
一方、Holm-Bonferroni補正はp値の順序を活用して、より柔軟に調整します。
小さなp値は早めに有意と判断され、順序に従って段階的に補正します。これにより偽陽性を抑えつつ検出力を保つことができます。
以下の表は、両補正の基本的な違いを端的に比較したものです。
実務での選択のヒントとしても役立ちます。
| 補正方法 | 考え方 | 機序 | 利点 | 欠点 |
|---|---|---|---|---|
| Bonferroni | 単純 | p値に検定数nを掛ける | 計算が簡単、保守的で偽陽性を抑える | 検出力が低下することがある |
| Holm-Bonferroni | 順序ベース | p値を小→大に並べ、逐次補正 | 偽陽性を抑えつつ検出力を改善 | 計算はやや複雑 |
実務での使い分けのコツ
もし検定の数が多く、厳密さが重要なら Holm-Bonferroni を優先します。探索的分析や予備的な検討では、Bonferroniだと過剰補正になって重要な効果を見逃すこともあるため、状況次第で選択を変えるのがコツです。分析計画を事前に作成し、補正の選択基準を決めておくと、後から見直すときにも迷いにくくなります。
また、ソフトウェアの実装差にも注意しましょう。
実務では補正の効果を「解釈の視点」として捉え、どの程度の保守性が必要かを研究デザインに組み込むことが大事です。
まとめとして、ボンフェローニは最もシンプルで使いやすいが検出力の低下リスクがあり、Holm-Bonferroniは順序を活用して検出力と偽陽性のバランスを取りやすい、という点を覚えておくと良いでしょう。
まとめの実践ポイント
1. 事前に検定の数を把握して適切な補正を選ぶ。
2. 研究の性質に応じて保守性と検出力のバランスを検討する。
3. 可能であれば事前登録や効果量の報告を併用して、結論の信頼性を高める。
今日は雑談スタイルでボンフェローニの話題を深掘りします。複数の検定を同時にやると、偶然の結果が“有意”と見えるリスクが高まるんだ。そこで登場するのが補正の考え方。ボンフェローニはとても分かりやすいけれど、検出力を押さえすぎて本当に意味のある効果まで見逃してしまうこともある。対してHolm-Bonferroniは、p値の順序を使って段階的に厳しくしていく方法。直感的には「最初の小さいp値が有意ならOK、次へ進む」という感じ。研究の現場では、分析の目的に合わせてこの2つを使い分けるのがコツ。自分のデータが探索的か confirmatory かを最初に決めておくと、補正の選択がスムーズになります。
の人気記事
