「因子が2つある実験で、どちらの因子が効いているか知りたい」——そういう場面で使うのが二元配置分散分析です。一元配置との最大の違いは、2つの因子の組み合わせ効果（交互作用）まで検出できる点です。この記事では、製造現場の数値例を使って概念から Excel 操作まで一通りカバーします。
一元配置との違い
一元配置分散分析は「1つの因子だけ変えて、グループ間の平均差を検定する」手法でした。二元配置は因子が2つになります。
たとえば「原料の種類」と「処理温度」の2因子が製品強度に影響するかどうかを調べるとします。一元配置を2回やればいいと思うかもしれませんが、それだと「原料Xは低温でだけ効く」という交互作用を見逃してしまいます。二元配置なら1回の分析でその交互作用も検出できます。
交互作用とは
交互作用は、二元配置分散分析で最も重要な概念です。感覚として掴んでおくと分析結果の解釈が変わります。
「原料Xは高温では強度が大幅に上がるが、低温では変わらない」——これが交互作用がある状態です。原料と温度が互いに影響し合っているわけです。
グラフで見ると分かりやすく、交互作用があると折れ線が交差します。交互作用がなければ2本の線は平行になります。
具体例：原料と処理温度が製品強度に与える影響
製造ラインで次の実験を行いました。因子は「原料の種類（A1・A2）」と「処理温度（B1：低温・B2：高温）」の2つ。それぞれの組み合わせで3回ずつ計測し、引張強度（MPa）を記録しました。
| B1（低温） | B2（高温） | |
|---|---|---|
| A1（原料X） | 52, 55, 50 | 68, 72, 70 |
| A2（原料Y） | 60, 58, 62 | 65, 63, 67 |
数値を見ると、A1は低温と高温で約18MPaの差があるのに対し、A2はほぼ5MPa程度の差しかありません。この「原料によって温度の効き方が違う」という現象が交互作用です。
平均値でまとめると次のようになります。
| B1（低温）平均 | B2（高温）平均 | 行の平均 | |
|---|---|---|---|
| A1（原料X） | 52.3 | 70.0 | 61.2 |
| A2（原料Y） | 60.0 | 65.0 | 62.5 |
| 列の平均 | 56.2 | 67.5 | 61.8（総平均） |
二元配置分散分析の変動分解
分散分析では、データ全体のばらつき（総変動 S_T）を4つに分解します。\[ S_T = S_A + S_B + S_{A \times B} + S_E \]
- \(S_A\)：因子A（原料）による変動
- \(S_B\)：因子B（温度）による変動
- \(S_{A \times B}\)：交互作用による変動
- \(S_E\)：誤差変動（実験のばらつき）
各変動を誤差変動で割った値（F値）が大きければ、その因子は有意に効いていると判断します。仮説検定の考え方と同じです。
Excelで二元配置分散分析を行う手順
Excel の「データ分析」ツールを使います。データ分析アドインの導入方法はExcelで分散分析の記事を参照してください。
Step 1：データを入力する
次の形式でシートに入力します。行が因子A（原料）、列が因子B（温度）になるように並べます。繰り返しデータは縦に並べます。
| （セルA1は空白） | B1（低温） | B2（高温） |
|---|---|---|
| A1（原料X） | 52 | 68 |
| 55 | 72 | |
| 50 | 70 | |
| A2（原料Y） | 60 | 65 |
| 58 | 63 | |
| 62 | 67 |
Step 2：データ分析ツールを起動する
「データ」タブ →「データ分析」→「分散分析：繰り返しのある二元配置」を選択して「OK」をクリックします。
Step 3：入力範囲と繰り返し数を設定する
- 入力範囲：データ全体（見出し行・列を含む）
- 1標本あたりの行数：3（1条件あたりの繰り返し数）
- 有意水準：0.05
- 出力先：任意のセルを指定 or 新規ワークシート or 新規ブック
Step 4：出力結果を読む
分析結果として「分散分析表」が出力されます。今回の例題では次のような結果になります。
| 変動要因 | 変動 (SS) | 自由度 | 分散 (MS) | F値 | P-値 | F境界値 |
|---|---|---|---|---|---|---|
| 標本（因子A：原料） | 5.33 | 1 | 5.33 | 1.16 | 0.312 | 5.318 |
| 列（因子B：温度） | 385.33 | 1 | 385.33 | 84.08 | <0.001 | 5.318 |
| 交互作用 | 120.33 | 1 | 120.33 | 26.25 | 0.001 | 5.318 |
| 誤差 | 36.67 | 8 | 4.58 | |||
| 合計 | 547.67 | 11 |
結果の読み方
P-値が有意水準（0.05）より小さければ、その要因は統計的に有意です。
- 因子A（原料）：P = 0.312 → 有意差なし
- 因子B（温度）：P < 0.001 → 有意差あり。温度は強度に効いている
- 交互作用 A×B：P = 0.001 → 有意差あり。原料によって温度の効き方が違う
交互作用が有意な場合、主効果（因子Aが有意かどうか）だけで判断するのは危険です。「原料Xは高温で使う、原料Yは温度によらず安定している」という条件の組み合わせまで踏み込んで解釈する必要があります。
交互作用が有意なときの対処法
交互作用が有意な場合は、各水準の組み合わせを個別に比較します。具体的には、因子Bの各水準（低温・高温）ごとにt検定や多重比較法で因子Aの差を検定します。
交互作用がなかった場合は、主効果の比較だけで判断できます。一元配置分散分析と同じ要領で解釈します。
繰り返しのない二元配置
繰り返しがない（各組み合わせ1データ）場合は「繰り返しのない二元配置」を使います。Excel では「分散分析：繰り返しのない二元配置」を選択します。ただしこの場合、交互作用の検定はできません。
まとめ
二元配置分散分析で確認できるのは3つです。因子Aの主効果、因子Bの主効果、そして交互作用。
実務で使うときに一番引っかかりやすいのが交互作用の解釈です。「交互作用が有意なのに主効果で判断してしまう」というミスは現場でもよく見ます。交互作用が出たらまず交互作用プロットを描いて、直感的に状況を把握してから次の手を考えてください。
計算の仕組みをPythonで確認したい方はPythonで分散分析をご覧ください。実験計画法への応用は実験計画法とはから読むと流れが掴みやすいです。
