次のデータは、「Step0. 初級編　1-1. データをとってみよう」で用いたデータです。このデータを使って、性別間での体長のちがいについてt検定を行ってみましょう。

ファイルのダウンロードはこちらから

• （日本語）neko_1nensei.csv
• （英語）neko_1nensei_eng.csv

■Excelによる解析例

1. 「neko_1nensei.csv」のデータの加工を行うため、フィルター機能を有効にする（データ > 「フィルター」をクリック）

2. 「性別」の下向き矢印をクリック > 「オス」を選択 > 「OK」をクリック

3. 「オス」の体長データをコピー > コピーしたデータを別シートに貼り付け

4. 「メス」の体長データも同様に抽出し、「オス」の体長データの隣に貼り付け

5. データ > データ分析 > t検定：分散が等しくないと仮定した2標本による検定を選択 > [OK]をクリック

※「データ分析」が見当たらない方はこちらを参考に設定を行ってください。



6. 「入力元」と「出力オプション」を図のように設定

7. t検定の結果が出力される

※この結果から、オスの体長の平均は31.9cm、メスの体長の平均は31.0cmであることが分かります。性別による体長は統計量t=2.029を用いた検定の結果、P=0.046となり、有意水準5%の両側検定において、オスのほうが体長が大きいと結論付けられます。

■Rによる解析例

この検定では、2標本の等分散を仮定しないWelchのt検定（両側検定）を行います。

library(dplyr)

dat <- read.csv("neko_1nensei_eng.csv", header=T)
head(dat)  #データの確認（データの先頭6行を表示）

#性別それぞれのデータを抽出しない場合
t.test(dat$length~dat$sex)  #「~（チルダ）」を使ってsexによるlengthのちがいを検定

#性別それぞれのデータを抽出する場合
male <- dat %>% dplyr::filter(sex=="male")  #maleのデータを抽出
female <- dat %>% dplyr::filter(sex=="female")  #femaleのデータを抽出
t.test(male$length, female$length)  #maleとfemaleのlengthデータを検定

・オプションについて

■Pythonによる解析例

import pandas as pd
import scipy as sp
from scipy import stats

dat = pd.read_csv("neko_1nensei_eng.csv")

male=dat[dat["sex"] == "male"]  #maleのデータを抽出
female=dat[dat["sex"] == "female"]  #femaleのデータを抽出

t, p = stats.ttest_ind(male["length"], female["length"], equal_var=False)  #maleとfemaleのlengthデータを検定し、t値とP値を抽出
print(f't = {t:.3f}')
print(f'P = {p:.3f}')

・オプションについて