この「健康データ（大規模）」は、1000行を超える多数の参加者の健康に関する情報を集めた架空のデータセットです。
「大規模なデータセットでもSARU統計がスムーズに動作するか？」「多くの数値変数が正規分布に従っているか？」といった、アプリのパフォーマンス確認や、統計解析の前提条件となる正規性の検定を試すのに最適です。
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。
- ID: 各参加者を識別する番号
- 性別: 男性、女性
- 年齢: 20歳から79歳までの数値
- 身長: cm単位の数値
- 体重: kg単位の数値
- BMI: 体格指数（数値）
- 血圧_収縮期: 収縮期血圧（数値）
- 血圧_拡張期: 拡張期血圧（数値）
- コレステロール: 数値
- 血糖値: 数値
- 運動時間_週: 週あたりの運動時間（数値）
- 喫煙: あり、なし
- 飲酒: あり、なし
多数の数値変数とカテゴリ変数が含まれており、特に数値変数の分布の性質を調べるのに適しています。
2. SARU統計での活用例
大規模データでの処理速度を体感する
- メニューから「⚙️ オールインワン統計」 > 「⚙️ 独立した群の比較」を選択します。
- 「🎯 群変数」エリアに「性別」をドラッグ＆ドロップします。
- 「📊 平均値±SD」エリアに「年齢」「身長」「体重」「BMI」「血圧_収縮期」「コレステロール」「血糖値」など、多くの数値変数をドラッグ＆ドロップします。
- 「▶ 解析実行」ボタンを押します。
→ 1000行を超えるデータでも、SARU統計がスムーズに解析を実行し、結果を表示するパフォーマンスを体験できます。
3. ヒント / 応用
- 大規模データこそ「n ≧ 30のルール」:
- このデータセットのように各グループが30人以上（今回は1000人）いる場合、個々のデータの分布が多少歪んでいても、平均値の比較は統計学的に非常に安定します（中心極限定理）。
- そのため、シャピロ・ウィルク検定などの「事前検定」で正規性をチェックする必要はありません。むしろ、人数が多すぎると些細なズレで「正規分布ではない」と判定されやすくなり、かえって混乱を招きます。
- 多重性の問題を回避する:
- 「事前検定をしてから本検定をする」という二段構えは、検定を繰り返すことで間違い（偽陽性）を増やす「多重性の問題」を引き起こします。
- 最初から「📊 平均値±SD」エリア（ウェルチ法）を使い、シンプルで頑健な解析を行うのがベストな選択です。
4. まとめ
この「健康データ（大規模）」は、大量のデータを扱う際のアプリの応答性や、統計解析の重要な前提条件である正規性の確認方法を学ぶのに役立ちます。実際の研究や分析において、データの性質を適切に評価するための基礎力を養うことができます。
