カイ二乗検定の利用シーンは？

データ分析やアンケート調査の結果をまとめる際、「2つの要素に関連性（違い）はあるのか？」「実測値は理論値通りと言えるのか？」を確かめたい場面がよくあります。

このような「カテゴリーデータ（質的データ）」の差や関連性を統計的に検証する代表的な手法がカイ二乗検定（χ²検定）です。

この記事では、カイ二乗検定がどのようなシーンで使われるのか、具体的なビジネス・研究での活用例を交えて分かりやすく解説します。

結論：カイ二乗検定はどんな時に使う？

カイ二乗検定は、主に「数えられるデータ（人数、件数、割合など）」の比率や関連性を確かめたい時に使われます。

大きく分けると、以下の2つの利用シーンが存在します。

1. 独立性の検定（クロス集計表の関連性チェック）：
「2つの要素（例：性別と嗜好、デザインA/Bとクリックの有無）に関係があるか？」を調べるシーン
2. 適合度の検定（理論通りの分布かのチェック）：
「実際に得られたデータの割合が、理論値や期待通りの割合（例：サイコロの出目、血液型の割合）と一致しているか？」を調べるシーン

実務（Webマーケティングや顧客分析）で使われる場面の8割以上は、1つ目の「独立性の検定」です。

2つのカテゴリー変数を掛け合わせた「クロス集計表（分割表）」を作成し、横の要素と縦の要素に関連があるかを検証します。

WebサイトのデザインAとデザインBで、どちらが購入（CV）につながりやすいかを比較する場合です。

「性別（男性/女性）」と「商品購入意向（買いたい/買いたくない）」などの関係を分析する場合です。

「新薬投与グループ」と「偽薬（プラセボ）グループ」で、症状が改善した人の割合を調べる場合です。

実際の観察データが、「あらかじめ決まっている理想的な割合（理論値）」にちゃんと適合しているかを判定します。

データ分析では「どの検定を使えば良いか」で迷いやすいため、よく使われる他の検定手法との違いを表にまとめました。

検定手法	扱うデータの種類	調べたい内容・利用シーン
カイ二乗検定	質的データ（人数、個数、割合）	2つの要素に「関連性・違い」があるか（例：A/BテストのCV率比較、性別と購入意向）
t検定	量的データ（平均値、測定値）	2つのグループの「平均値」に差があるか（例：テストの平均点比較、平均年収の比較）
分散分析（ANOVA）	量的データ（平均値、測定値）	3つ以上のグループの「平均値」に差があるか（例：A/B/Cパターンの平均滞在時間比較）

カイ二乗検定を正確に行うためには、いくつかのアドバイスや前提条件があります。

データは「割合(%)」ではなく「実数（人数・件数）」で入れる：
「50%」「30%」といったパーセンテージで計算するのではなく、必ず「50人」「30件」という実際のサンプルサイズ数（セル頻度）を入力する必要があります。
サンプルサイズが小さすぎる場合は注意：
各マスの期待度数が「5未満」になるマスが多い場合、カイ二乗検定の精度が落ちます。その場合は「フィッシャーの正確確率検定」を用いるのが一般的です。