t検定とは ― 営業マネジャーのための「少ないデータで差を見る」入門

1. この記事で学べること

2. エピローグ

在宅で仕事を始めて半年が経った。

最近、ある習慣がついた。 作業中に音楽をかけることだ。

「音楽をかけた方が、集中できる気がする。」

そう感じていた。 でも気のせいかもしれない。 そもそも本当に作業が進んでいるのか、確かめたことはなかった。

1週間、音楽ありの日となしの日を交互にして、1日に完了したタスク数を記録してみた。

音楽あり: 8, 7, 9, 8(平均8.0) 音楽なし: 6, 7, 5, 6(平均6.0)

音楽ありの方が、平均2つ多くタスクを終えていた。

やっぱり音楽があった方がいい。

でも待てよ、と思った。 たった7日分のデータで「音楽がある方が効率的だ」と言い切っていいのか。 たまたまそういう週だっただけかもしれない。

いちこ

サンプルが少ないと、たまたまかもしれないってことですね。

シュン

そうなんだよ。でも「サンプルが少ないから判断できない」じゃ前に進めないよね。実は少ないサンプルでも差があるかを検証する方法があって、それがt検定なんだ。

寝る前の習慣を変えてみた。

最近、寝つきが悪い。 スマホを見ながらベッドに入ると、なかなか眠れない。

「寝る前に読書をすると、よく眠れる気がする。」

そう感じて、1週間試してみた。 読書した日としなかった日で、睡眠アプリのスコアを記録した。

読書あり: 82, 78, 85, 80(平均81.3) 読書なし: 72, 68, 75, 70(平均71.3)

読書した日の方が、睡眠スコアが10点ほど高かった。

読書が効いている気がする。

でも、これも7日間のデータだ。 偶然の差なのか、本当に読書が効いているのか。

スタンディングデスクを導入した。

「立って作業した方が、夕方の疲労感が少ない気がする。」

健康のために買ったが、本当に効果があるのか気になった。

1週間、立って作業した日と座って作業した日で、夕方の疲労感を10点満点でスコア化した。

立ち作業: 3, 4, 3, 2(平均3.0・低いほど疲れていない) 座り作業: 6, 5, 7, 6(平均6.0)

立った日の方が、疲労感スコアが低かった。

立った方が疲れにくいのかもしれない。

でも、たった数日分のデータだ。 この差は本物なのか。

シュン

この3つ、全部「少ないサンプルで差があるかを知りたい」という共通点があるよね。

いちこ

音楽も読書も立ち仕事も、1週間ずつしか試してないですもんね。

シュン

そうそう。営業の現場でも全く同じことが起きるんだよね。「新しいトークスクリプトの方が良さそう」と思っても、試せるのは数件だけ。そういう少ないデータで差を確認するのが、t検定の得意分野なんだ。

音楽、読書、立ち仕事。

3つに共通しているのは「少ないサンプルで、2つの条件に差があるかを知りたい」ということだ。

この「少ないデータで差を検証する」道具が、t検定だ。

3. t検定とは何か

t検定とは、2つのグループの平均に統計的な差があるかを検証する手法だ。 サンプル数が少ないとき(目安として30件未満)に使う。

z検定との違い

営業の現場では「データが少ない」ことがほとんどだ。 だからz検定よりt検定の方が、実務では使う機会が多い。

4. 図で見る

音楽あり・なしのタスク完了数を比較するとこうなる。

平均では音楽ありが2つ多い。 でも棒グラフだけでは「この差が偶然かどうか」は分からない。

そこで、ばらつきも含めて見るために箱ひげ図で確認する。

2つの箱がほとんど重なっていない。 これは「差がありそう」という視覚的なサインだ。

t検定で計算すると:

• t値: 3.46
• p値: 0.013

p値が0.05を下回っているため、「この差は偶然ではない」と判断できる。 たった4日ずつのデータでも、差があると言える。

ここで2つのことを覚えておいてほしい。

① サンプルが少なくても、差は検証できる

「データが少ないから判断できない」と諦める必要はない。 t検定なら数件ずつのデータでも、差があるかを統計的に確認できる。 営業現場のように「試せる回数が限られる」状況で特に役立つ。

② サンプルが少ないほど、差の判定は慎重になる

t検定はサンプルが少ないほど「差がある」と判定しにくくなる仕組みになっている。 これは少ないデータで早とちりしないための安全装置だ。 逆に言えば、少ないデータで「差がある」と出たら、それなりに信頼できる結果だ。

5. 計算式

シュン

教科書的な計算式も紹介しておくね。

いちこ

シーン別の記事では、プロンプトも紹介してくれてますね。まさに生成AIに頼るところですね！

対応のないt検定のt値

• $\bar{x}_1, \bar{x}_2$: 2つのグループの平均
• $s_1^2, s_2^2$: それぞれの分散
• $n_1, n_2$: それぞれのサンプル数

判断の流れ

1. t値を計算する
2. 自由度(サンプル数-1程度)からp値を求める
3. p値 < 0.05なら「有意差あり(偶然ではない)」

生成AIにデータを渡せば10秒で計算できる。手計算は不要。

6. まとめ

いちこ

この統計テーマを使った事例記事も見てみてね♪

この統計テーマを使った営業シーン記事

• セミナー効果の検証 ― 参加者と未参加者の差を検定で証明する
• 受注率のばらつき ― 標準偏差でばらつきを評価する