
現代政治分析入門2
2026-11-24

統計的仮説検定について深掘りする。まず仮説検定の枠組みを復習した後、検出力という概念を紹介し、その重要性や第1種/第2種との過誤との関係を議論する。次に、仮説検定から派生した信頼区間という概念を紹介し、実際の分析結果から信頼区間を計算してみる。さらに仮説検定の枠組みの限界を議論する。
TBD
モデル\(Y_{i}=\beta_{0}+\beta_{1}X_{i}+\varepsilon_{i}\)の推定結果\(\hat{\beta}_{1}\)から、\(X\)は本当に効果があると言えるか?



\(t\)値\(\frac{\hat{\beta}_{1}}{\operatorname{se}(\hat{\beta}_{1})}\)を計算し、\(t\)分布上でどれほど出やすいか/出にくいか
帰無仮説が正しいのに棄却してしまうこと(偽陽性)
帰無仮説が誤っているのに棄却しないこと(偽陰性)
第1種の過誤と第2種の過誤の間にはトレードオフがある
観察されたデータが、誤っている帰無仮説をきちんと棄却できる力
検出力が低いと色々な問題が発生
検出力に影響するのは真値の絶対値とサンプルサイズ
標準誤差1、有意水準5%の片側仮説検定を考える(臨界値は1.64)



真の係数の絶対値が大きいほど検出力は高くなる
真の係数2、有意水準5%の片側仮説検定を考える



標準誤差が小さくなるほど検出力は高まる
有意でない結果が出た時に検出力を考える必要
OLS推定の結果、\(\hat{\beta}_{1}=0.41\)、標準誤差0.1になったが、真の値\(\beta_{1}\)はどれくらいになりそうか?
観察された係数の推定値が真値と矛盾しない範囲








→真の値は0.21〜0.61の範囲内にあると考えると無理がない
有意水準を\(\alpha\)としたとき、\(1-\alpha\)信頼水準における信頼区間は一般的に以下で計算
\[ \hat\beta_{1} \pm \operatorname{t臨界値}\times \operatorname{se}(\hat\beta_{1}) \]
信頼区間と仮説検定
大統領の分析結果では、所得の変化の係数は\(\hat\beta_{1}=2.2\)で標準誤差は\(\operatorname{se}(\hat\beta_{1})=0.55\)でした。この係数の95%信頼区間の下限/上限の組み合わせとして正しいは以下のどれでしょうか。
| 下限 | 上限 |
|---|---|
| 0.781 | 3.102 |
| 1.122 | 3.278 |
| 3.619 | 3.619 |
仮説検定を行う際は以下の点に注意
内生性がある場合、仮説検定の結果は信頼できない
仮説検定は断定的すぎるために以下のような問題が発生
統計的有意であることは実質的効果があることを意味しない
統計的仮説検定について深掘りする。まず仮説検定の枠組みを復習した後、検出力という概念を紹介し、その重要性や第1種/第2種との過誤との関係を議論する。次に、仮説検定から派生した信頼区間という概念を紹介し、実際の分析結果から信頼区間を計算してみる。さらに仮説検定の枠組みの限界を議論する。
来週はオンラインの実習回です。PCから参加してください。
統計的仮説検定:発展編