健康診断データ：身近なデータで統計の基本を学ぼう

この「健康診断データ」は、性別、年齢、身体測定値、生活習慣など、私たちの身近にある健康に関する情報を集めた架空のデータセットです。

「男性と女性でBMIに差はあるのか？」「運動習慣がある人の方がストレスレベルは低いのか？」といった日常的な疑問を、統計解析を通じて解き明かすことができます。統計の基本的な考え方や、様々な検定手法の適用を学ぶのに最適です。

1. データ概要

このデータセットには、以下の情報が含まれています。

数値変数とカテゴリ変数がバランス良く含まれており、様々な検定手法を試すことができます。

→ 性別による各健康指標や生活習慣の差が、記述統計量とP値で一覧表示されます。

「性別」と「BMI」の比較:
1. メニューから「📈 統計解析」 > 「📈 連続変数の検定」 > 「対応のないt検定」を選択します。
2. 「🎯 群変数」に「性別」、「📊 目的変数」に「BMI」を投入し、解析を実行します。
3. オプションで「Welch法」と「Student法」を切り替えて結果を比較してみましょう。
「喫煙習慣」と「運動習慣」の関連:
1. メニューから「📈 統計解析」 > 「📊 名義変数の検定」 > 「カイ二乗検定」を選択します。
2. 「🎯 群変数」に「喫煙習慣」、「📊 目的変数」に「運動習慣」を投入し、解析を実行します。
「年齢」と「BMI」の相関:
1. メニューから「📈 統計解析」 > 「🔗 相関の検定」 > 「相関分析 (無相関検定)」を選択します。
2. 「📊 目的変数」に「年齢」と「BMI」を投入し、解析を実行します。

迷ったら「人数（n）」で決める:
- 各グループの人数が30人以上なら、「📊 平均値±SD」エリア（ウェルチの手法）を使いましょう。統計学の「中心極限定理」により、30人程度いれば分布の形に関わらず正しく解析できることが知られています。
- 30人未満のグループがある場合は、「📈 中央値[IQR]」エリア（ノンパラメトリック手法）を使うのが安全です。
事前検定の「罠」に注意:
- 教科書には「まず正規性を調べて…」と書かれていることがありますが、SARU統計では推奨しません。解析の前に何度も検定（事前検定）を繰り返すと、全体として「たまたま有意な結果」が出る確率が高まってしまう（多重性の問題）からです。
- 本アプリの「平均値」エリアは、分散が等しくなくても使えるウェルチ（Welch）法をデフォルトにしているため、等分散性のチェックも不要です。
データ加工: 「データ管理」の「➕ 変数作成」で、BMIの計算式（体重 / (身長/100)^2）を自分で入力して新しい変数を作成する練習もできます。

この「健康診断データ」は、統計解析の基本的な流れを理解し、様々な検定手法を試すための優れた出発点となります。身近なテーマなので、結果の解釈も容易に行えるでしょう。