目次
- 1 1. 多重性とは何か：なぜ検定を重ねると「偶然の当たり」が増えるのか
- 2 2. ファミリーワイズエラー率（FWER）の定義と数式
- 3 3. 弱い制御と強い制御、そして閉包原理
- 4 4. 主要な補正法①：Bonferroni と Holm
- 5 5. 主要な補正法②：Hochberg・Šidák・Westfall–Young
- 6 6. FWER と FDR（偽発見率）の違い：BH法・BY法
- 7 7. 手法の選び方：研究目的と依存性の仮定で決める
- 8 8. 遺伝医療の現場での多重性：NIPT・拡大保因者検査・GWAS・臨床試験
- 9 9. 数値例とよくある誤解
- 10 よくある質問（FAQ）
- 11 参考文献
- 12 関連記事
📍 クイックナビゲーション
研究や検査で「同時にたくさんの項目を調べる」と、本当は差がないのに偶然『有意』と出てしまうこと（偽陽性）が避けられません。この問題を多重性（多重比較）と呼び、その代表的な指標がファミリーワイズエラー率（FWER）です。本記事では、FWERの意味から、ボンフェローニ・ホルム・FDRなどの補正法、そしてNIPTや拡大保因者検査・GWASといった遺伝医療の現場でなぜこの考え方が欠かせないのかまでを、一般の方にもわかるように臨床遺伝専門医が解説します。
Q. 多重性（多重比較）とFWERとは何ですか？まず結論だけ知りたいです
A. 検定を何度も繰り返すと、本当は差がないのに偶然「有意」と出る確率（偽陽性）が積み重なります。これが多重性の問題です。FWER（ファミリーワイズエラー率）は「少なくとも1つ偽陽性を出してしまう確率」のことで、これを基準値（通常5%）以下に抑えるのが補正の目的です。たとえば独立した検定を10回行うと、1つ以上の偽陽性が出る確率は約40%にもなります。確認的（結論を確定させる）研究ではFWER、探索的（候補を広く拾う）研究ではFDRを使い分けるのが実務的です。
- ➤多重性の正体 → 検定の数が増えるほど偽陽性が起きやすくなる（10検定で約40%、20検定で約64%）
- ➤FWERの意味 → 少なくとも1つ偽陽性を出す確率。少数の主要結論を厳密に守る確認的研究で重要
- ➤代表的な補正 → Bonferroni（単純）／Holm（一様に強い）／Hochberg・Šidák／Westfall–Young
- ➤FDRとの違い → FDRは「発見のうち偽陽性が占める割合」を抑える。探索的・高次元向き
- ➤遺伝医療との接点 → NIPT・拡大保因者検査・GWAS・臨床試験の「結果の読み方」に直結する
1. 多重性とは何か：なぜ検定を重ねると「偶然の当たり」が増えるのか
統計の世界では、ひとつの仮説を調べるときに「有意水準」という基準をあらかじめ決めます。一般に使われる5%（0.05）という値は、「本当は差がないのに、偶然だけで“差がある”と判定してしまう確率を5%まで許す」という約束ごとです。つまり1回の検定なら、間違って「有意」と言ってしまうリスクはおよそ20回に1回。多くの場面では、これは受け入れられる範囲です。
ところが現実の研究や検査では、ひとつのデータからいくつもの項目を同時に調べることがほとんどです。複数の評価項目、複数のグループ比較、何百もの遺伝子の同時解析——こうして検定の回数が増えるほど、「どれか1つくらいは偶然で有意に見える」ことが起こりやすくなります。これが多重性（多重比較）の本質であり、第一種の過誤（偽陽性）が積み重なっていく現象です。
💡 用語解説：第一種の過誤（だいいっしゅのかご）＝偽陽性
「本当は差がない（＝帰無仮説が正しい）のに、差があると判定してしまう」間違いを第一種の過誤、または偽陽性（False Positive）と呼びます。健康診断でたとえると、「本当は健康なのに“異常あり”と出てしまう」状態に近いものです。検定の回数を増やすほど、この“偶然の空振り”が紛れ込む確率が高まる——これが多重比較で最初に押さえるべきポイントです。
どのくらい増えるのかを、独立した検定で計算してみましょう。1回の検定で偽陽性を出さない確率は95%ですが、これが10回独立に重なると、すべて空振りしない確率は0.95を10回かけた約60%まで下がります。裏を返せば、少なくとも1つ偽陽性が出る確率はおよそ40%。検定数が増えるほどこの確率は急上昇します。
検定の数と「少なくとも1つ偽陽性が出る確率」（各検定α=0.05・独立の場合）
1−(1−0.05)ⁿ で計算した値
1検定
3検定
5検定
10検定
20検定
最初の難所は「どこまでを1つの家族（family）とみなすか」
多重性を論じるとき、まず決めるべきなのは「どの検定の集まりを、ひとまとめに誤りを管理すべき単位（family）と考えるか」です。Shafferは、これを「最初の、そしておそらく最も重要な決断」と表現しています。familyは単に「同じデータから出た検定の寄せ集め」ではなく、ひとつの最終結論を共同で支える推論の単位として設計されるべきものです。BenderとLangeも、複数の検定結果を1つの結論や意思決定に統合するなら、多重性の補正が必要だと強調しています。
2. ファミリーワイズエラー率（FWER）の定義と数式
FWER（Familywise Error Rate）は、ひとつのfamilyの中で「少なくとも1つ、真実は差がない仮説を誤って“有意”と判定してしまう確率」です。数式では次のように整理します。m個の帰無仮説を同時に検定し、そのうち本当に正しい（差がない）帰無仮説の個数をm₀、検定で「有意」と判定した総数をR、そのうち間違って有意としてしまった数（偽陽性）をVと置きます。すると、
FWER ＝ Pr(V ≥ 1) ＝ 1 − Pr(V = 0)
となります。さらに、m₀個の真の帰無仮説をそれぞれ局所有意水準 a で独立に無補正検定すると、FWER ＝ 1 −(1 − a)m₀ という関係が得られます。これは「検定数が増えるほど、少なくとも1つの偽陽性が起こりやすくなる」ことを厳密に表した式で、第1章のグラフはまさにこの計算結果です。補正とは、この右辺が目標値（通常はα＝0.05）を超えないように、各検定の判定を厳しくする作業だといえます。
💡 用語解説：帰無仮説・有意水準・p値
帰無仮説（きむかせつ）とは「差がない・効果がない」という、最初に立てる“否定される候補”の仮説です。p値は「もし帰無仮説が正しいとしたら、観測されたデータ（またはそれ以上に極端な結果）が偶然得られる確率」を表します。
有意水準（α）はその判定ラインで、ふつう0.05に設定します。p値が有意水準より小さいと「偶然では説明しにくい＝有意」と判断します。多重比較の補正とは、検定の数に応じてこの判定ラインを引き下げ、偽陽性が積み重なるのを防ぐ操作にほかなりません。
3. 弱い制御と強い制御、そして閉包原理
FWERの「抑え方」には、強さの異なる2つの保証があります。弱い制御（weak control）は、すべての仮説が真（差がない）という完全帰無の状況に限ってFWERをα以下に保証するもの。一方強い制御（strong control）は、どの仮説が真でどれが偽であっても、つまり真偽の組み合わせがどうであってもFWERをα以下に保証します。BenjaminiとHochbergも、古典的な多重比較手続きでは通常この強い制御が要求されると明記しており、結論を確定させる確認的研究で求められるのは、ほぼ常に強い制御です。
強い制御を支える一般理論が閉包原理（closed testing principle）です。考え方はこうです。仮説の各部分集合について、それらを「すべて同時に正しい」とみなす交差仮説をつくります。そして個々の仮説は、それを含むすべての交差仮説が有意水準αで棄却されたときに限って棄却します。この枠組みはMarcus、Peritz、Gabrielの古典論文（1976）に由来し、後で説明するHolmはボンフェローニ型の局所検定を使った閉包手続きの効率的な近道、Hochbergはシメスの不等式に基づく閉包手続きの段階的な近道として理解できます。
🔍 関連記事：LODスコアと統計的有意性のしきい値／臨床遺伝専門医とは
4. 主要な補正法①：Bonferroni と Holm
最も有名で単純なのがボンフェローニ法（Bonferroni）です。検定の数をmとすると、各検定の判定ラインをα/m まで引き下げ、p値がα/m以下のときだけ有意と判定します（あるいは各p値をm倍した調整p値で考えても同じです）。仕組みが単純で、説明しやすく、データの依存構造にも頑健という長所があります。ただし検定数が多い・相関が強い場面では判定が厳しすぎて、本物の差まで見逃しやすくなる（保守的になる）という弱点があります。
ホルム法（Holm）は、このボンフェローニを一様に改良した段階的な手法（step-down法）です。p値を小さい順に並べ、i番目には α/(m − i + 1) という、後ろにいくほど緩む判定ラインを当てます。小さいほうから順に確認し、最初に基準を満たさなくなった時点で止め、それ以降はすべて棄却しません。ボンフェローニより必ず強く（同じデータでより多く拾え）、しかも依存構造に追加の仮定を必要としないのが大きな魅力です。
この「依存に追加仮定が要らない」性質は、両手法に共通する重要な強みです。ボンフェローニとホルムは、真の帰無仮説のp値が“過度に小さくならない”という穏やかな条件（超一様性：Pr(pᵢ ≤ t) ≤ t）さえ満たせば、データ同士がどう絡み合っていても（どんな同時依存があっても）FWERを守れます。だからこそ、依存構造がよくわからないときの“安全な既定値”はホルムになるのです。
5. 主要な補正法②：Hochberg・Šidák・Westfall–Young
ホックバーグ法（Hochberg）は、ホルムと同じ判定ラインα/(m − i + 1)を使いますが、大きいp値の側から順に確認していく段階的な手法（step-up法）です。条件を満たす最大の順位kを見つけたら、そこまでをまとめて棄却します。多くの場合ホルムより鋭く（より多く検出でき）、検出力が高くなります。ただしその鋭さは、検定どうしが独立であるか、シメス（Simes）の不等式が成り立つような正の依存関係にあることに頼っています。条件を外れると守りたい誤りを守れないことがあるため、使う場面を選びます。
シダック法（Šidák）は、各検定に共通の局所水準 1 −(1 − α)1/m を当てる方法で、検定が独立のときには正確で、ボンフェローニよりわずかに緩い基準になります。ただし独立の仮定が前提であり、依存が不明なときの既定の選択にはしにくい手法です。
ウェストフォール–ヤング法（Westfall–Young）は、データのラベルを並べ替える「並べ替え（permutation）」を使って、検定統計量やp値の“同時の帰無分布”をデータそのものから推定する方法です。検定どうしの相関が強い場面で、ボンフェローニやホルムより高い検出力を発揮できるのが強みです。一方で、有効な並べ替えの設計、しばしば交換可能性（exchangeability）、そして強い制御のためのサブセット・ピボタリティ（subset pivotality）といった前提が重要で、これらが疑わしい場面で機械的に使うべきではありません。
6. FWER と FDR（偽発見率）の違い：BH法・BY法
ここまではすべて「少なくとも1つの偽陽性も出したくない」という考え方＝FWERでした。しかし、数百〜数万もの候補を一気にふるいにかける探索的な解析では、FWERは厳しすぎてほとんど何も拾えなくなりがちです。そこで登場するのが偽発見率（FDR：False Discovery Rate）という、目的のまったく異なる基準です。
💡 用語解説：偽発見率（FDR）
FWERが「1つでも偽陽性を出す確率」を抑えるのに対し、FDRは「“発見”と判定したもののうち、偽陽性が占める割合（の期待値）」を抑えます。たとえば「見つけた100件のうち、間違いは平均5件まで許す」という発想です。1件も間違えたくないFWERより緩いぶん、より多くの発見を許し、検出力が高くなります。式で書くと、有意とした総数R・そのうち偽陽性Vとして Q=V/R（Rが0ならQ=0）とおき、FDR＝E(Q) と定義されます。
興味深いのは、すべての帰無仮説が真のときには、FDRとFWERは一致するという点です（このときR＝Vになるため）。しかし一部に本物の効果があるときには、FDRのほうがFWERより緩くなり、より多くの発見を許します。これが、BH法・BY法が高次元の探索で広く使われる理論的な理由です。
代表的なのがベンジャミニ–ホックバーグ法（BH）で、p値を小さい順に並べ、p(k) ≤ k・q/m を満たす最大のkまでを発見として採用します（qは許容するFDR）。これは独立、または正の回帰依存（PRDS）のもとで有効です。任意の依存に対応させたのがベンジャミニ–イェクティエリ法（BY）で、qを q/cm（cm＝1＋1/2＋…＋1/m）に置き換えます。あらゆる依存構造で頑健ですが、そのぶんかなり保守的になります。
まとめると、確認的・規制的な結論にはFWER、探索的・高次元スクリーニングにはFDRという役割分担が、実務上もっとも自然です。両者は代替関係ではなく、目的の異なる基準なのです。
7. 手法の選び方：研究目的と依存性の仮定で決める
どの手法を使うべきかは、2つの問いで整理できます。第一に「研究の目的は確認的か、探索的か」。第二に「検定どうしの依存性をどこまで仮定できるか」。下の図は、その意思決定を簡略化したものです。
図：多重性への対処と手法選択の流れ
確認的研究（主要結論・規制判断）→ FWERを制御
依存性が不明／仮定したくない：Holmを基本に（Bonferroniはより単純）
独立・Simes型の正依存：Hochberg／Šidák
強い相関＋permutationが妥当：Westfall–Young
探索的研究（高次元スクリーニング）→ FDRを制御
独立／PRDS（正の回帰依存）：BH法
任意の依存：BY法（保守的）
理論的に見ると、仮定を置かない古典的なFWER法の既定値はホルムです。ボンフェローニより強く、しかも依存構造に追加仮定を要さないからです。より高い検出力が欲しければ、独立またはSimes型の正依存が言えるならHochberg、並べ替えが正当化できるならWestfall–Youngが有力になります。反対に「少なくとも1つの偽陽性でも困る」というほどではないなら、BH／BYのFDR制御へ切り替えるのが合理的です。
💡 用語解説：検出力と「補正のトレードオフ」
検出力（power）とは「本物の差を、きちんと有意として拾い上げられる力」です。逆に本物の差を見逃す間違いを第二種の過誤（偽陰性）と呼びます。
多重比較の補正は、判定ラインを下げて偽陽性（第一種の過誤）を抑える代わりに、本物の差を見逃す偽陰性（第二種の過誤）を増やしやすいという宿命があります。だからこそ「後でまとめて補正する」より、最初から主要な仮説の数を絞り、family を小さく設計するほうが有効です。
注意したいのは、「相関しているから自動的にHochbergやBHでよい」という思い込みです。Gou（2023）のレビューは、多重検定で使われる依存条件を体系的に整理し、弱い“正の依存”だと思っていても第一種の過誤が膨らむことがあると示しています。したがって、依存が不明ならHolm、依存が理論的に保証できるならHochberg、並べ替えが妥当ならWestfall–Young、という順で考えるのが安全です。
8. 遺伝医療の現場での多重性：NIPT・拡大保因者検査・GWAS・臨床試験
多重性は、机上の統計論ではありません。遺伝医療は「一度にたくさんの項目を調べる」検査の連続であり、結果をどう読み解くかに多重比較の考え方が直接効いてきます。ここが、この用語を遺伝診療に関わる方にも知っていただきたい最大の理由です。
① GWASの「ゲノムワイド有意水準」は多重比較そのもの
疾患に関わる遺伝的特徴を全ゲノムで網羅的に探すGWAS（ゲノムワイド関連解析）では、一度に数十万〜数百万もの場所を個別に検定します。当然、偶然だけで小さなp値を示す場所が紛れ込むため、強い多重比較の補正が必要です。GWASで広く使われる「5×10⁻⁸」という有意基準は、おおよそ100万回の独立な検定に対するボンフェローニ的な補正に相当します。多重性の発想がなければ、ゲノム研究は“偶然の当たり”であふれてしまうのです。
② NIPT・拡大保因者検査：多数を同時に調べる検査の宿命
出生前のNIPTや、結婚前・妊娠前に調べる拡大保因者検査787のように、多数の疾患・遺伝子を一度に調べる検査では、調べる対象が増えるほど「偶発的・境界的な所見」が出る確率も上がります。これはまさに多重性の問題です。とくに大切なのが陽性的中率（PPV）という考え方で、これはFDR（発見のうち偽陽性が占める割合）と地続きの発想です。
💡 用語解説：陽性的中率（PPV）
陽性的中率（Positive Predictive Value）とは「検査で“陽性”と出た人のうち、実際にその状態である人の割合」です。同じ精度の検査でも、もともと頻度の低い（まれな）対象を調べると、陽性のうち本物の割合が下がり、偽陽性が相対的に増えます。だからNIPTは「確定診断」ではなく「スクリーニング（ふるい分け）」であり、陽性なら羊水検査・絨毛検査などの確定検査で確かめる、という流れがとても重要になります。
③ 臨床試験：複数の評価項目をどう守るか
薬の有効性を確かめる確認的な臨床試験でも、複数の評価項目（エンドポイント）を扱うと多重性が生じます。米国FDAやEMAのガイダンスは、評価項目のグループ化や優先順位づけ（順序づけ）を通じて多重性を管理すべきだとしています。逆に、解析した後で都合よくfamilyを切り分けるのは妥当ではありません。「事前に何を主要結論とするか」を決めておくことが、結論の信頼性を守る鍵になります。
🔍 関連記事：当院の臨床試験情報／遺伝カウンセリングとは
9. 数値例とよくある誤解
「ホルムはボンフェローニより一様に強い」とはどういう意味か、4個の仮説を使って具体的に見てみましょう。有意水準はα＝0.05、昇順に並べたp値を 0.010・0.013・0.030・0.040 とします。
この例では、ボンフェローニは1番目だけを棄却しますが、ホルムは1番目と2番目を棄却します。調整p値で書くと、ボンフェローニは（0.040, 0.052, 0.120, 0.160）、ホルムは（0.040, 0.040, 0.060, 0.060）。α＝0.05では前者が1個、後者が2個を棄却します。これが「ホルムはボンフェローニより一様に強い（同じデータで決して負けず、しばしば多く拾える）」という実務上の意味です。両者の違いは「全仮説を同じ局所水準で見る」か「順位に応じて局所水準を緩めながら進む」かにあります。
よくある4つの誤解
誤解①「補正すれば必ず正しくなる」
補正は偽陽性を抑える代わりに、本物の差を見逃す偽陰性を増やしやすいのが宿命です。後で補正するより、主要な仮説の数を絞り、結論の構造を最初から明確にするほうが有効です。
誤解②「相関があるからHochberg・BHでよい」
相関があるだけでこれらが自動的に正当化されるわけではありません。弱い正の依存でも第一種の過誤が膨らむことがあり、依存が不明ならHolmが安全です。
誤解③「事前登録すれば補正は不要」
事前登録は計画的解析と探索的解析を区別する有用な手段ですが、多重性補正の代わりにはなりません。複数の計画的検定が1つの結論を支えるなら、やはり補正が要ります。
誤解④「常に補正すべき or 補正不要」
どちらの極端も避けるのが実務的です。ルーチンな一律補正に慎重な立場もある一方、複数検定を1つの意思決定に使う確認的な場面では、誤差率の事前指定が不可欠です。
🏥 遺伝子検査の「数字の読み方」も含めてご相談ください
NIPT・拡大保因者検査・遺伝性腫瘍の検査では
「陽性の意味」「偽陽性の可能性」の理解がとても大切です。
臨床遺伝専門医が在籍するミネルバクリニックにお気軽にご相談ください。
よくある質問（FAQ）
参考文献
- [1] Marcus R, Peritz E, Gabriel KR. On Closed Testing Procedures with Special Reference to Ordered Analysis of Variance. Biometrika. 1976;63(3):655-660. [Biometrika]
- [2] Holm S. A Simple Sequentially Rejective Multiple Test Procedure. Scandinavian Journal of Statistics. 1979;6:65-70. [JSTOR]
- [3] Hochberg Y. A Sharper Bonferroni Procedure for Multiple Tests of Significance. Biometrika. 1988;75(4):800-802. [Biometrika]
- [4] Šidák Z. Rectangular Confidence Regions for the Means of Multivariate Normal Distributions. Journal of the American Statistical Association. 1967. [JASA]
- [5] Benjamini Y, Hochberg Y. Controlling the False Discovery Rate: A Practical and Powerful Approach to Multiple Testing. Journal of the Royal Statistical Society Series B. 1995;57(1):289-300. [JRSS B]
- [6] Benjamini Y, Yekutieli D. The Control of the False Discovery Rate in Multiple Testing Under Dependency. Annals of Statistics. 2001;29(4):1165-1188. [Annals of Statistics]
- [7] Shaffer JP. Multiple Hypothesis Testing. Annual Review of Psychology. 1995;46:561-584. [Annual Reviews]
- [8] Bender R, Lange S. Adjusting for Multiple Testing—When and How? Journal of Clinical Epidemiology. 2001;54(4):343-349. [DOI]
- [9] Westfall PH, Young SS. Resampling-Based Multiple Testing: Examples and Methods for p-Value Adjustment. Wiley; 1993. [Wiley]
- [10] Westfall PH, Troendle JF. Multiple Testing with Minimal Assumptions. Biometrical Journal. 2008;50(5):745-755. [PMC3117234]
- [11] Chen SY, Feng Z, Yi X. A General Introduction to Adjustment for Multiple Comparisons. Journal of Thoracic Disease. 2017;9(6):1725-1729. [J Thorac Dis]
- [12] Gou J. On dependence assumption in p-value based multiple test procedures. Journal of Biopharmaceutical Statistics. 2023;33(5):596-610. [PubMed 36607042]
- [13] U.S. Food and Drug Administration. Multiple Endpoints in Clinical Trials: Guidance for Industry. [FDA]
- [14] European Medicines Agency. Multiplicity Issues in Clinical Trials (Scientific Guideline). [EMA]
