はじめに：t検定には2種類ある
t検定は、「2つのグループの平均に差があるか」を検定する代表的な統計手法です。
しかし、意外と混同されがちなのが、
- paired t-test（対応のあるt検定）
- unpaired t-test（対応のないt検定）
この2つの使い分けです。
研究のデザインに合っていない検定を使うと、誤った結論や低い統計的検出力につながることも。
本記事では、大学院生が迷わず選べるように、両者の違いと使い分けを丁寧に解説します。
paired t-test（対応のあるt検定）とは？
概要
paired t-testは、同じ対象を2回測定することで得られたデータの比較に使います。
例：
- 薬を投与する前と後の血圧変化
- トレーニング前後の筋力変化
- 左右の目の視力比較（同一被験者内）
前提条件
| 条件 | 内容 |
|---|---|
| データが「ペア」になっている | 同じ被験者の2時点、または同一個体から得られた2つの値 |
| 差分が正規分布に従う | 差（after – before）が正規性を持つ |
| 連続データ（間隔・比例尺度） | 測定値が連続変数である必要あり |
検定の目的
「前後の平均の差が偶然か、実際に意味があるのか」を評価します。
unpaired t-test（対応のないt検定）とは？
概要
unpaired t-testは、異なる2群間の平均を比較するときに使います。
別名「独立2群のt検定（independent t-test）」とも呼ばれます。
例：
- 男性群 vs 女性群の体重
- 薬A群 vs 薬B群の治療効果
- 野生型マウス vs 遺伝子KOマウスの発現量
前提条件
| 条件 | 内容 |
|---|---|
| 2群は独立している | 被験者やサンプルが別々のグループ |
| 各群が正規分布 | 各群のデータが正規性を満たす |
| 分散の等質性（理想） | Welchの補正ありで緩和可能 |
| 連続データ | 測定値が連続変数である必要あり |
検定の目的
「2群の平均値に統計的に有意な差があるかどうか」を評価します。
pairedとunpaired t-testの違いまとめ
| 比較項目 | paired t-test | unpaired t-test |
|---|---|---|
| 比較対象 | 同一サンプルの前後 or ペア | 異なる2群 |
| データの独立性 | 非独立（対応あり） | 独立した群（対応なし） |
| 前提条件 | 差分の正規性 | 各群の正規性＋分散の等質性 |
| 統計的検出力 | 通常、高い（ばらつきが小さい） | 条件次第で変動 |
| 使用例 | 治療前後、同個体比較 | 群間比較（男女、治療法） |
具体的な選び方のフローチャート
データは同じ対象からの繰り返し測定ですか？
├─ はい → paired t-test
└─ いいえ → unpaired t-test
実装例（Rによる解析）
paired t-test
t.test(group$before, group$after, paired = TRUE)
unpaired t-test
t.test(group1, group2, paired = FALSE) # デフォルト
分散が等しくない場合（Welchのt検定）
t.test(group1, group2, var.equal = FALSE)
H2：よくあるミスと注意点
❌ ペアデータをunpairedで解析
→ 誤検定により精度が落ちる可能性大。
❌ 正規性を確認せずt検定を使う
→ 正規性がない場合、ノンパラメトリック検定（例：Wilcoxon検定）を検討。
まとめ｜検定の選び方が研究の質を左右する
paired t-testとunpaired t-testは、データ構造（ペアか独立か）に応じて使い分ける必要があります。
誤った使い方をすると、p値の解釈が誤りになり、論文の信頼性が損なわれることも。
正しい検定を選ぶためには、まず研究デザイン・データ収集方法・正規性の確認を忘れずに行いましょう。