要因計画と交互作用とは|2×2 デザインの読み方と結果の書き方

独立変数が 2 つ以上ある実験を要因計画と呼び、2×2 デザインがその基本形です。平均値の表とグラフを使って主効果と交互作用の違いを説明し、交互作用があるときに主効果をどう解釈するか、条件数と人数の関係、F 値と効果量を含む結果の書き方をまとめます。
独立変数が 1 つだけの実験は分かりやすいですが、現実の現象は複数の原因が組み合わさって起きます。独立変数を 2 つ以上組み合わせて調べる計画を要因計画と呼びます。ここでは最もよく使われる 2×2 デザインを例に、主効果と交互作用の意味、結果の読み方と書き方を説明します。
要因計画とは
独立変数を要因、要因が取る値を水準と呼びます。要因計画では、すべての要因の水準を組み合わせた条件を作ります。例えば「教示の種類(励まし / 中立)」と「課題の難しさ(易 / 難)」の 2 要因なら、組み合わせは 2 × 2 = 4 条件です。これを 2×2 デザインと呼びます。
| 課題: 易 | 課題: 難 | |
|---|---|---|
| 教示: 励まし | 条件 1 | 条件 2 |
| 教示: 中立 | 条件 3 | 条件 4 |
要因が 3 つなら 2×2×2 で 8 条件、水準が 3 つの要因が入れば 2×3 で 6 条件になります。要因計画の利点は、1 回の実験で複数の要因の効果と、要因どうしの組み合わせの効果を同時に調べられることです。
主効果
ある要因が、ほかの要因の水準をまとめた上で、従属変数に与える効果を主効果と呼びます。従属変数を「正答率(%)」として、4 条件の平均値が次のようだったとします(説明のための架空の値です)。
| 課題: 易 | 課題: 難 | 行の平均 | |
|---|---|---|---|
| 励まし | 80 | 60 | 70 |
| 中立 | 70 | 50 | 60 |
| 列の平均 | 75 | 55 |
- 教示の主効果: 行の平均を比べます。励まし 70 と中立 60 で、励ましのほうが 10 ポイント高い
- 課題の主効果: 列の平均を比べます。易 75 と難 55 で、易しいほうが 20 ポイント高い
この表では、励ましの効果は課題が易しくても難しくても同じ 10 ポイントです。要因の効果がもう一方の要因の水準によらず一定なら、交互作用は無く、主効果だけで結果を説明できます。
交互作用
ある要因の効果が、もう一方の要因の水準によって変わることを交互作用と呼びます。平均値が次のようだったとします。
| 課題: 易 | 課題: 難 | 行の平均 | |
|---|---|---|---|
| 励まし | 75 | 70 | 72.5 |
| 中立 | 75 | 50 | 62.5 |
| 列の平均 | 75 | 60 |
励ましの効果は、易しい課題では 0 ポイント(75 対 75)、難しい課題では 20 ポイント(70 対 50)です。「励ましの効果は課題の難しさによって違い、難しい課題で大きい」というのが、この平均値のパターンの読み方です。教示の主効果(72.5 対 62.5)も出ていますが、それは難しい課題での差が平均に反映されたもので、「励ましは常に効く」とは言えません。
平均値の表はパターンを読むためのもので、差が偶然の範囲を超えているかは分散分析で確かめます。交互作用が有意なら、主効果の解釈は交互作用に合わせて慎重に行います。片方の要因の水準ごとに、もう一方の要因の効果を調べる分析(単純主効果の検定)を続けて行うのが一般的です。
グラフで見分ける
横軸に一方の要因の水準、縦軸に従属変数の平均を取り、もう一方の要因の水準ごとに線を引きます。
- 2 本の線がほぼ平行: 交互作用は小さい
- 2 本の線が平行でない(開く、閉じる、交差する): 交互作用がある可能性
線が交差する場合(一方の水準では A のほうが高く、他方では B のほうが高い)を交差型交互作用と呼びます。このときは主効果がほとんど出ないこともあり、主効果だけを見ていると「何の効果も無い」と誤って結論しかねません。グラフは目で見るための道具で、平行かどうかの最終的な判断は検定に任せます。

条件数と人数
要因と水準を増やすと、条件数は掛け算で増えます。被験者間計画なら、各条件に十分な人数が必要です。1 条件 25 人として、2×2 なら 100 人、2×2×2 なら 200 人、2×3×3 なら 450 人です。
人数を抑えるには、一部の要因を被験者内にする混合計画が使えます(被験者内計画と被験者間計画の記事)。被験者内にした要因は、水準の提示順による順序効果への対処が必要です。
交互作用の効果量は主効果より小さいことが多く、交互作用を調べたい実験では、主効果だけを調べる場合より多い人数を見込みます。
結果の書き方
- 条件ごとの平均と標準偏差、人数を表にする
- 各要因の主効果と交互作用の検定結果を書く。例: 「教示と課題の交互作用が有意であった(F(1, 96) = 8.52, p = .004, 偏イータ二乗 ηp² = .08)」のように、F 値、自由度、p 値、効果量をそろえます
- 交互作用が有意なら、単純主効果の検定結果を続けて書き、「どの水準のときに、どの要因の効果があったか」を文章で説明する
- 交互作用が有意でないときは主効果を解釈します。このとき「交互作用は無かった」ではなく「交互作用を支持する十分な証拠は得られなかった」と書きます。有意でないことは、効果が無いことの証明にはなりません
変数の整理に迷ったら、独立変数・従属変数・剰余変数の記事から始めてください。
Psynaut で使う場合
Psynaut では、「実験条件」で要因と水準を登録すると、全組み合わせの条件枠(A1B1 のようなコード)が自動で作られ、各条件枠にその条件で見せるセクションを対応付けられます。割り当ては来た参加者から順に条件を巡回する方式です(無作為割り当ての記事)。書き出す CSV は条件コード付きの列名になり、wide と long の形式を選べます。
見本: 2 × 2 の要因計画
ログインなしで開けます。回答も編集も保存されません。
参考文献
- Maxwell, S. E., Delaney, H. D., & Kelley, K. (2018). Designing experiments and analyzing data: A model comparison perspective (3rd ed.). Routledge.
- Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, 863. https://doi.org/10.3389/fpsyg.2013.00863
この記事をシェアする
研究の準備を Psynaut でまとめる
フォームの作成から参加者の日程調整、分析用データの書き出しまで、無料プランで試せます。
次に読む記事
- 研究のヒント統制群(コントロール群)とは|何を統制するのか、どう作るか統制群(対照群、コントロール群)は、実験群と「調べたい操作の有無」だけが違う比較の基準となる群です。統制群が無いと排除できない 4 つの別の説明、無処置・プラセボ・積極的統制・待機群の違いと言えることの違い、実験群とそろえる 5 つの点、質問紙研究での統制条件の考え方を説明します。
- 研究のヒント無作為割り当て(ランダム化)のやり方|単純・ブロック・層化の違いと人数のそろえ方無作為割り当て(無作為割付、ランダム化)は、参加者をどの条件に入れるかをくじで決める手続きで、条件の差を因果の証拠として主張する土台になります。なぜ必要か、単純・ブロック・層化の 3 方式の違いと使い分け、各条件の人数をそろえる工夫、来た順に分ける方法との違い、無作為抽出との違いを説明します。
- 研究のヒント独立変数・従属変数・剰余変数とは|心理学実験の変数を 3 つに整理する心理学実験の変数は、研究者が操作する独立変数、測定する従属変数、それ以外で結果に影響しうる剰余変数の 3 つに整理できます。見分け方、剰余変数が独立変数と一緒に変わる「混同(交絡)」がなぜ問題か、統制・無作為化・測定という 3 つの対処、変数を決めるときの手順を例で説明します。