プログラミング不要のベイズ統計ツール「JASP」、その実力とは？

統計解析にプログラミングは必須ではない——そんな希望を現実にする無料ツール「JASP」が注目を集めている。マウス操作だけでベイズ推定やベイズ検定が行えるこのソフトは、統計に不慣れな社会人や学生にも使いやすい設計だ。今回は、実際の分析例を交えながら、JASPの基本機能と導入方法を紹介する。

JASPはオープンソースの統計パッケージで、名前はベイズ統計の先駆者であるサー・ハロルド・ジェフリーズにちなんで付けられた。Windows、macOS、Linux、Chrome OSに対応しており、公式サイトから無料でダウンロードできる。初期画面は英語だが、設定メニューから日本語表示に切り替えられる。プログラミングの知識が一切不要で、ツールバーにあるボタンをクリックするだけで、頻度論的な統計手法とベイズ的な手法の両方を実行できるのが最大の魅力だ。

具体的な使い方を見てみよう。例えば、30回の試行中23回成功したデータが得られた場合、二項検定で母比率が0.5と異なるかどうかを調べたい。JASPでは「ベイズを学ぶ」モジュールを追加し、「二項検定」を選択するだけで、画面上に結果が即座に表示される。成功数23、失敗数7を入力し、事前分布にベータ分布（α=1, β=1、すなわち一様分布）を指定すると、ベイズ因子BF₁₀が約17.01と算出された。これは「仮説1（θ≠0.5）を強く支持する証拠」と評価される。マウス操作だけでここまで分析できるのは、初心者にとって心強い。

t検定にも対応している。連載第3回で扱った「母平均が100と異なるか」という例題をJASPで再現してみよう。事前に用意したCSVデータを読み込み、「1標本のt検定」（ベイジアン版）を選び、帰無仮説「μ=100」、対立仮説「μ≠100」と設定する。結果はBF₁₀=78.93となり、非常に強い証拠で母平均が100とは異なる（おそらく100より大きい）ことが示された。ただし、同じデータをPythonのマルコフ連鎖モンテカルロ法で計算した場合、BF₁₀は68.60とやや異なる。JASPは内部でガウス求積法を用いて近似値を高精度に求めるため、値がずれることがある。精度を重視するなら、サンプリング回数を増やすなどの調整が必要だ。

JASPは決して万能ではない。モデルの自由な定義やカスタマイズには、PythonやPyMCなどのプログラミング知識が求められる場面もある。しかし、相関係数の検定や回帰分析、分散分析など、日常的な統計解析の多くはJASPで十分にカバーできる。ベイズ統計の「はじめの一歩」として、理論を学んだあとに実際のデータで試すツールとしては理想的な選択肢と言える。次回は連載本編に戻り、独立した二群の平均差のベイズt検定に取り組む予定だ。運動部と非運動部の体力差をテーマに、実践的な分析手順を解説する。