看護研究の分析方法（量的研究）～アンケートを分析しよう｜看護研究「攻略」マニュアル（6）

ヒストグラムとは、回答の分布を視覚的にわかりやすくグラフ化したものです。

上の例のように、グラフの山が真ん中にあり、左右対称になっている分布は「正規分布」と呼びます。

正規分布であれば、「平均値と中央値と最頻値が同じ」で、偏りがないデータと言えます。上の例の場合、平均値・中央値・最頻値はいずれも「5回」となっています。

一方、下の例のように山が偏っていたり、2つになっている分布は「平均値・中央値・最頻値がズレている」ことになります。

この例の場合も、平均値を計算すると「5回」になります。でも、「A病棟の看護師は平均して月5回の夜勤を担当している」と分析するよりも、「人によって担当する夜勤回数のバラつきが大きく、一部の看護師に夜勤が集中している」と分析するのが適切ですよね。

こんなふうに、ヒストグラムでは「データのバラつき具合」を読み取ることができます。

ヒストグラムを作るには、Excelなどのグラフ機能を使うのが便利です。ヒストグラムにしたいデータを選択し、【挿入】タブ→【縦棒グラフの挿入】→【2-D縦棒】と進むと、パッとグラフが出てきます＝下図参照。

 

縦棒と縦棒の間は空けないのが一般的です。グラフが出てきたら【縦棒を右クリック】→【データ系列の書式設定】→【系列のオプション】→【要素の間隔】と進み、「0％」にすると、縦棒同士がくっついたグラフになります。

標準偏差を出すのも、データのバラつき具合を検証する方法の一つです。

標準偏差とは、平均値に対して、どれくらいバラつきのあるデータなのかを表す基準のようなもの。

文献検討でチェックした論文に、「平均年齢は70.0 ± 10.0歳であった」のような表記を見たことがあるかもしれません。この「± ◯◯」が標準偏差のことです。統計表などでは「SD（Standard Deviation）」と略されます。

この「平均年齢 70.0 ± 10.0歳」が意味するのは、「調査対象は全員が60～80歳の人で、平均年齢は70歳」ということではありません。「調査対象のうち約68％が60～80歳の人で、平均年齢は70歳」を意味しています（正規分布の場合）。

※「68％って数字、どこから出てきたの？」と不思議かもしれませんが、これは正規分布の性質として決まっているものです。「正規分布はそうなるものなのだ」と理解しておきましょう！

標準偏差が大きい数値になるほど、グラフの山は低く・横幅が広くなり、標準偏差が小さい数値になるほど、グラフの山は高く・横幅が狭くなります。

つまり、「標準偏差が小さい＝回収したデータはバラつきが少なく、平均値の近くにギュッと集まっている」と読み取れるというわけです。

 

標準偏差は、ExcelやGoogleスプレッドシートの関数で自動的に算出できます。【数式】タブ→【その他の関数】→【統計】→【STDEV.S】→標準偏差を出したいデータ範囲を選択すればOKです＝下図参照。ただ、標準偏差の意味をより理解するなら「標準偏差の計算式」も一度、検索して確かめておくといいですね。

 

ちなみに、平均値は【AVERAGE】、中央値は【MEDIAN】で出せます。

 

※Excelなどの関数で標準偏差を求めるには「STDEV.P」と「STDEV.S」があります。母集団（例：A病院の看護師全員）の標準偏差を出したいときは「P（population）」、母集団から抽出したサンプル（例：A病院の看護師のうち50人）の標準偏差を出したいときは「S（sample）」を選びます。

カイ二乗検定（χ²検定）は、比べたいデータ（変数）が「名義尺度」「順序尺度」のときに使う分析方法です。

若手ナースの看護研究では、

といったケースで、カイ二乗検定が使われることが多いでしょう。

カイ二乗検定は、次の4つのステップで行います。

【1】クロス表を作る

まずは、実際のデータから比べたい2つの変数のクロス表を作ります。ここでは「経験年数が5年未満の看護師と5年以上の看護師で、看護記録の負担感に違いがあるか」を例にします。

※ここでは、わかりやすいように項目を単純化しています。「どちらでもない」の列を加えて2×3のクロス表にしたり、行と列を足して3×3のクロス表にしたりと、行列が増えてもカイ二乗検定は使うことができます。

【2】期待度数を求める

次に「期待度数」を求めます。

期待度数とは「2つの変数に関係がないとしたら…？」と仮定した場合の数値のこと。

つまり「経験年数と負担感に関係はない」としたら、5年未満も5年以上も、負担あり・なしの割合は同じになるはずだよね！という数値の表（↓）ができます。

【1】の実際のデータと比べると、5年未満の看護師は「負担あり」の割合が期待度数より高いことなどがわかりますね。

この期待度数は、意外と簡単な計算式で求められます。

【3】カイ二乗値（χ²値）を求める

次に、カイ二乗値（χ²値）を求めます。

カイ二乗値とは、実際のデータと期待度数のズレのこと。つまり、【1】と【2】のズレです。このズレが偶然や誤差の範囲なのかを調べて「偶然や誤差ではない」と明らかになれば、「経験年数と負担感の間には関係がある」という分析結果を導けます。

カイ二乗値は【1】【2】で求めた数値を使って、次のように求めます。

この例では、カイ二乗値＝8.25と算出できました。

※画像の各数値を合計すると「8.24」ですが、Excel上で小数点第3位以下が四捨五入されるため「8.25」となっています。

カイ二乗値の計算方法を説明しましたが、実は、Excelの関数を使うことで【3】のステップは省くことも可能です。「カイ二乗値はこういう意味で、こうやって計算できる」ことは頭に入れておきつつ、実際の作業はExcelにまかせても大丈夫です。具体的な方法は次のステップで解説します。

【4】確率（p値）を確かめる

カイ二乗値（実際のデータと期待度数のズレ）を算出したら、このズレが偶然や誤差で起こる確率を確かめます。

この確率のことを「p値」と呼びます。p値は「p＜0.05となり、有意差がある」といった表現でよく使われるので、文献検索で探した論文でも見たことがあるかもしれませんね。

一般に、p値が0.05未満（5％未満、p＜0.05）であれば有意差がある、つまり偶然の結果などではないと言ってOKとされています。

p値を確かめるには、2つの方法があります。

1つ目の方法は「カイ二乗値の分布表」に当てはめる方法です。分布表は、Googleなどで「カイ二乗値 分布表」と検索すれば出てきます。表の中で、【3】で計算したカイ二乗値はどのへんに該当するかを見れば、「p＜〇〇」がわかるという仕組みです。

今回は、2×2のクロス表なので「自由度1」の行に当てはめます。【3】で出したカイ二乗値は「8.25」でした。その確率は「0.01より小さく、0.001より大きい」となり、「p＜0.01」と確認できました。

2つ目の方法は、Excel関数を使う方法です。この方法は、実際のデータと期待度数があればOKなので、【3】カイ二乗値を求めるステップを省略できて便利です。

Excelの【数式】→【その他の関数】→【統計】→【CHISQ.TEST】と進みます。

実際のデータと期待度数をそれぞれ入力すると、p値が自動計算されます。

今回は「p＝0.0041」という結果が出ました。

こうして、2つの方法のいずれかでp値を確かめた結果、今回の例の場合、

という分析結果を導くことができました！

カイ二乗検定は、若手ナースの看護研究でもよく使われる分析方法です。難しく感じるかもしれませんが、手順通りにやれば大丈夫なので、ぜひ試してみてください。

ｔ検定は、比べたいデータ（変数）に「間隔尺度」「比例尺度」があるときに用いる分析方法です。

おおむね、2つの群の「平均値の差」を調べるものと考えておけばOKです。

若手ナースの看護研究では、

といったケースで、ｔ検定が使われることが多いでしょう。

では、ｔ検定の手順を見てみましょう。ここでは、最も一般的なExcelの分析ツールを活用します。

【1】「対応がある」「対応がない」をチェックする

ｔ検定は「対応があるかないか」で、やり方が少し異なります。

対応があるとかないとか、耳慣れない言葉ですが、統計学の世界では、比べる対象が同じ人・モノのときは「対応がある」、違う人・モノのときは「対応がない」と言うことになっています。

自分の看護研究はどちらか、まずは対応のあるなしをチェックしましょう。

【2】データの表を用意する

次に、分析したいデータの表を用意します。

ここでは「『研修を受ける前』と『受けた後』で、看護記録の記入時間の平均値を比べる」を例にします。平均値や標準偏差も出しておくと、結果をまとめるときにスムーズです。

※ここでは、わかりやすいように項目を単純化しています。

【3】Excelの分析ツールを使う

【2】のデータでは、「研修後は看護記録の記入時間が短縮された」ように見えますが、「本当にそう言えるのか、それとも偶然や誤差の範囲なのか」について、Excelの分析ツールを使って確かめます。

まず、Excelの【データ】タブから【データ分析ツール】を選択します。

いろんな分析方法が出てくる中に3種類の「ｔ検定」があるはずです。次のように選択します。

▼対応がある

【ｔ検定: 一対の標本による平均の検定ツール】

▼対応がない

・データが正規分布→【ｔ検定: 等分散を仮定した２標本による検定】

・データが正規分布にならない→【ｔ検定: 分散が等しくないと仮定した２標本による検定】

今回の例は対応があるので、【ｔ検定: 一対の標本による平均の検定ツール】を選択します。

手順に沿ってデータを入力すると、結果の表がポン！と表示されます。

【4】結果を確認する

最後に、分析ツールで出た結果から「偶然や誤差の範囲なのか」確認します。

結果表にはいろいろありますが、チェックするのは、ひとまず「P（T<=ｔ）両側」です。 

P（T<=ｔ）両側は、p値と同じ意味で「これが偶然や誤差の範囲なのかの確率」を示す値です。

一般に、p値が0.05未満（5％未満、p＜0.05）であれば有意差がある、つまり偶然などではないと言ってOKとされています。

今回の結果は「p値は0.0425…」で、p＜0.05 になりましたね。

ということで、ここまでのｔ検定の作業によって、

という分析結果を導くことができました！