ドキュメントとユーザーガイド

1.1 前提条件と起動

実行可能ファイルをダブルクリックしてアプリケーションを起動します。このソフトウェアにはMicrosoft .NET 8.0 Runtime Frameworkが必要です。お使いのコンピュータにインストールされていない場合は、プロンプトに従ってダウンロードしてインストールし、プログラムを再起動してください。

図1.1: メインインターフェース

1.2 パラメータ設定

デフォルトでは、アプリケーションは「年齢」と「性別」の2つの連続変数を事前入力し、クイックリファレンスとして機能します。グループ名はデフォルトで「Control Group」に設定され、サンプルサイズは100ケースに設定されています。研究で複数のグループが必要な場合は、各実行のパラメータを更新して各グループのデータセットを順次生成・エクスポートできます。

• 連続数値変数の追加： 新しい量的変数を追加するには、+ Numeric ボタンをクリックします。指標名（例：「Body Mass Index」や「BMI」）、平均、標準偏差、小数点以下の桁数を指定できます。最小値と最大値のフィールドはオプションで、特定の値の制限がない場合は空白のままにできます。
• データ分布の設定： デフォルトでは、生成される数値指標は正規分布に従います。非正規分布のデータが必要な場合は、Normal Distribution オプションを No に設定するだけです。

図1.2: 変数の追加

1.3 カテゴリカル変数の追加

+ Categorical ボタンをクリックして、質的変数（例：「高血圧」）を追加します。カテゴリ名と対応する目標分布または比率を入力できます。カテゴリ比率の合計は、設定されたサンプルサイズに合わせて動的にスケーリングされます。

1.4 生成の実行

Generate ボタンをクリックして、要求された数のレコードを合成します。計算後、記述統計のサマリーウィンドウが表示され、実際の生成値が設定パラメータと一致するかどうかを確認できます。

図1.3: 生成の実行

図1.4: データの表示

1.5 エクスポートと検証

Save ボタンをクリックして、生成されたデータセットを標準のExcelファイルとしてエクスポートします。エクスポートされたスプレッドシートを開き、標準のExcel数式を使用して「年齢」の記述統計（小数点以下2桁に四捨五入）を計算すると、実際の平均と標準偏差が初期設定と完全に一致します。

図1.5: 生成されたテーブルのExcelへのエクスポート

図1.6: Excelでの平均計算

図1.7: Excelでの標準偏差計算

図1.8: 初期設定と一致する検証結果

1.6 計算効率

高性能最適化エンジンを搭載しており、数千から数万のレコードを含むデータセットを数秒で生成できます。最大反復回数後にシステムが収束しない場合は、設定の統計的妥当性を再確認するか、最小値/最大値なしでクエリを実行してみてください。プログラムは特殊な科学研究のニーズを満たすために、最大8桁の小数点精度をサポートしています。

2.1 ワークフロー

Analyze → Independent T-Test に移動します。以下のように設定ウィンドウが表示されます。

図2.1: 独立したT検定の設定

2.2 パラメータ

プログラムは「Control Group」と「Experimental Group」のサンプル設定を事前入力します。各グループのサンプルサイズ、平均、標準偏差を入力すると、計算されたt値とp値がリアルタイムでプレビューされます。最小値と最大値のパラメータはオプションです。

Generateボタンをクリックすると、両グループの生データセットが下のプレビューテーブルに作成され、最終的なt値とp値は実際の生成データを反映するように調整され、Leveneの等分散性検定が使用されます。

図2.2: 独立したサンプルのT検定データの表示

3.1 ワークフロー

Analyze → Paired T-Test に移動します。ワークスペースのレイアウトは以下のとおりです。

図3.1: 対応のあるT検定の設定

3.2 シミュレーションロジック

ソフトウェアはデフォルトで2つのペア変数（Paired Var1とPaired Var2）を設定します。各変数の平均と標準偏差を定義し、全体のサンプルサイズを設定し、対応のあるt検定の目標p値範囲を確立できます。エンジンは反復的に準拠したデータセットを計算します。

図3.2: 対応のあるサンプルのT検定データの表示

4.1 ワークフロー

Analyze → Chi-Square Test に移動します。設定ペインが以下のように開きます。

図4.1: カイ二乗検定の設定

4.2 分割表

インターフェースはデフォルトでカイ二乗計算用の標準的な2x2分割表を使用します。グループ名とカテゴリ名は完全に編集可能です。各セルに観測頻度（カウント）を入力すると、計算されたカイ二乗値とp値がリアルタイムで更新されます。

グループ（行）やカテゴリ（列）を動的に追加して、より大きなモデルに対応できます。Generate ボタンをクリックしてこれらの頻度に一致する個々の生レコードを生成し、Save をクリックしてデータセットをExcelにエクスポートします。

図4.2: カイ二乗検定データの表示

5.1 ワークフロー

Analyze → ANOVA → One-Way ANOVA に移動します。ワークスペースのレイアウトは以下のとおりです。

図5.1: 一元配置分散分析の設定

5.2 設定

システムは「Control Group」、「Experimental Group」、「Treatment Group」の3つのグループのパラメータを事前読み込みします。各グループのサンプルサイズ、平均、標準偏差を入力するだけで、全体的なF統計量、p値、TukeyのHSDの事後多重比較結果を即座にプレビューできます。

Generate ボタンをクリックして、個々の生レコードを計算・プレビューします。全体的なF値とp値は自動的に更新され、実際の生成値を表します。

図5.2: 一元配置分散分析データの表示

6.1 ワークフロー

Analyze → ANOVA → Two-Way ANOVA に移動します。設定ペインが以下のように表示されます。

図6.1: 二元配置分散分析の設定

6.2 因子と交互作用

ツールはデフォルトで「時間」（2水準）と「濃度」（2水準）の2因子を使用します。因子に複数の分類が含まれる場合は、Add Group をクリックしてより多くの水準を設定します。

各セルのサンプルサイズ、平均、標準偏差を入力することで、時間の主効果、濃度の主効果、およびそれらの交互作用効果（時間×濃度）のF統計量とp値をプレビューできます。Generate ボタンをクリックして、プレビューペインに一致する個々の生レコードを構築します。

図6.2: 二元配置分散分析データの表示

7.1 ワークフロー

Analyze → ANOVA → Repeated Measures ANOVA に移動します。ワークスペースのレイアウトは以下のとおりです。

図7.1: 一元配置反復測定分散分析の設定

7.2 反復観測

システムはデフォルトで3つの観測時点を使用します。Add Time Point ボタンをクリックして簡単に拡張できます。各時点の平均と標準偏差を入力し、目標のp値範囲を定義します。

Generate ボタンをクリックして、準拠した値を合成します。

図7.2: 反復測定分散分析データの表示

8.1 ワークフロー

Analyze → Non-parametric → 2 Independent Samples に移動します。設定ワークスペースは以下のとおりです。

図8.1: 2つの独立標本の順位和検定の設定

8.2 設定

プログラムはデフォルトで2つの参照グループを設定します。ノンパラメトリック手法は非正規分布データ向けに設計されているため、Normal Distributionオプションはデフォルトで No に設定されています。マン・ホイットニーのU検定を使用して、目標のp値範囲を定義できます。Generate ボタンをクリックして、統計的にこの閾値に準拠する生データを合成します。

図8.2: 2つの独立標本の順位和検定データの表示

9.1 ワークフロー

Analyze → Non-parametric → K Independent Samples に移動します。設定ワークスペースは以下のとおりです。

図9.1: クラスカル・ウォリス検定の設定

9.2 マルチグループ順位付け

プログラムはデフォルトで3つの参照グループを設定し、クラスカル・ウォリス検定を実行します。2グループテストと同様に、計算はプールされたデータセットの順位に基づいているため、設定されたマルチグループパラメータに大きな矛盾があり（非常に有意なp値が得られる）、目標がp > 0.05に設定されている場合、シミュレーションエンジンは自動的にグループ間の差を圧縮します。結果の統計情報はポップアップウィンドウに要約されます。

図9.2: クラスカル・ウォリス検定データの表示

10.1 ワークフロー

Analyze → Quartile Data に移動します。レイアウトは以下のとおりです。

図10.1: 四分位データの設定

10.2 パラメータ定義

目標のサンプルサイズ、Q1（25パーセンタイル）、Q2（中央値/50パーセンタイル）、Q3（75パーセンタイル）を定義します。特定の制約がない場合は、最小値/最大値の境界は空白のままにできます。小数点精度を選択し、Generate ボタンをクリックして、これらの正確な四分位境界を満たす観測値を生成します。

要約： Q1、Q2、Q3のサンプルサイズと目標値を設定します。オプションパラメータには最小値、最大値、小数点以下の桁数が含まれます。Generate ボタンをクリックして、目標の四分位構造に一致する生データを計算して表示します。マルチグループ設定では、グループ間の目標p値範囲も設定できます。

図10.2: 四分位データの表示

11.1 ワークフロー

Analyze → Regression → Binary Logistic に移動します。

図11.1: 二項ロジスティック回帰の設定

11.2 設計

デフォルトでは、2つの連続独立変数が参照として設定されます。二項ロジスティックモデルでは、従属変数には正確に2つの結果（0と1）があります。したがって、従属変数は0と1のグループとして構成され、デフォルトではカテゴリあたり100ケースのサンプルサイズ（カスタマイズ可能）になります。

• 変数設定： + Numeric をクリックして連続独立変数（例：「年齢」、「BMI」）を追加します。変数名、平均、標準偏差、小数点以下の桁数、目標p値範囲（最終的なロジスティック回帰モデルで変数が達成する目標有意水準を指定）を入力します。最小値/最大値の制約はオプションです。
• 生成と検証： Generate ボタンをクリックして合成アルゴリズムを実行します。システムは反復的に、ロジスティック回帰モデルが設定と一致するp値を生成するデータセットを計算します。

IBM SPSSの書式と一致する詳細な回帰分析レポートが自動的に表示されます。このレポートを閉じると、プレビューテーブルに生データセットが表示され、Excelにエクスポートできる状態になります。

図11.2: 二項ロジスティック回帰データの表示

12.1 ワークフロー

Analyze → Regression → Linear Regression に移動します。

図12.1: 重回帰の設定

12.2 モデル設定

インターフェースは、連続従属変数（「血糖変動」）と2つの独立変数（数値の「総コレステロール」、カテゴリカルの「性別」）をデフォルトのサンプルサイズ200ケースで事前読み込みします。目標のR二乗（R²）範囲（例：0.4〜0.6）を設定できます。

Generate ボタンをクリックして回帰モデルを実行します。SPSS出力と一致する検証レポートが表示されます。このレポートを閉じると、生データプレビューテーブルに戻り、Excelスプレッドシートとして保存できます。

図12.2: 重回帰データの表示

13.1 ワークフローと技術ガイドライン

Analyze → Regression → Cox Regression に移動します。

図13.1: コックス比例ハザード回帰の設定

• 総サンプルサイズ（N）： 被験者/患者の総数（例：200被験者）。
• 観測イベント（結果イベント）： 追跡期間中に最終結果（例：死亡、再発、イベント失敗）を経験した陽性症例の数。注：イベント数は総サンプルサイズより厳密に小さくなければなりません。
• 生存時間範囲（T）： 生存期間の[最小追跡]から[最大追跡]の範囲を定義し（例：1〜60ヶ月）、時間を日、月、年でラベル付けし、数値の小数点精度を定義します。

13.2 研究変数の構築

変数カードの下部にある対応するボタンをクリックして、独立共変量を構築します：

• 連続数値変数： + Numeric をクリックして連続共変量（例：年齢、BMI、臨床バイオマーカー）を追加します。平均、標準偏差（必須）、およびオプションで外れ値の制限と小数点精度のための最小値/最大値の境界を入力します。
• カテゴリカル変数： + Categorical をクリックして名義/順序共変量（例：性別、満足度スコア）を追加します。各カテゴリの正確な目標頻度を入力します。注：すべてのカテゴリのカウントの合計は、実行するために総サンプルサイズと厳密に等しくなければなりません。
• 四分位変数： + Quartile をクリックして四分位構造の変数を追加し、Q1、Q2（中央値）、Q3の目標パラメータを入力します。

目標パラメータ： すべての変数カードには、下部に2つの強力な目標パラメータが含まれています：

1. 回帰p値： 有意目標を選択します（例：p > 0.05、p < 0.05、p < 0.01、またはp < 0.001）。
2. ハザード比（HR）の方向： HR > 1（リスク因子、ハザード率の増加を示す）またはHR < 1（保護因子、ハザード率の減少を示す）のいずれかを選択します。

13.3 データ生成の実行と保存

すべてのパラメータが入力されたら、ウィンドウの下部にある Generate ボタンをクリックします。バックエンドは高度に並行した反復シミュレーションを実行します。IBM SPSSで計算された正確な統計とスタイルを反映した、信頼性の高い包括的なコックス比例ハザード回帰分析レポートが自動的に表示されます。

Save ボタンをクリックして、合成された生データセットをExcelファイルにエクスポートします。このファイルは検証のためにSPSSや他のプロフェッショナルな統計スイートに簡単にインポートできます。

図13.2: コックス比例ハザード回帰データの表示

14.1 ワークフロー

Analyze → Correlation に移動します。

図14.1: 相関分析の設定

14.2 パラメータ

システムはクイックリファレンス用に2つの変数セットを事前読み込みします。連続（平均/SD）、四分位、カテゴリカル形式をサポートする変数を簡単に追加できます。設定パネル内で、各指標のサンプルサイズ、平均、標準偏差を指定します（最小値/最大値の制限はオプションです）。

グループ間の正確な目標相関係数（r）を指定できます。Generate ボタンをクリックしてシミュレーションを実行し、結果の相関行列をポップアップウィンドウに表示します。その後、Excelファイルとしてエクスポートできます。

図14.2: 相関分析データの表示

15.1 ワークフロー

Analyze → ROC Curve に移動します。

図15.1: ROC曲線設定

比率： 左側のパラメータパネルで、陽性サンプル（1）と陰性サンプル（0）の目標ケース数を入力します（例：100の陽性ケースと100の陰性ケース）。生成エンジンはこれらの比率に基づいて中核となる統計的サンプリング行列を構築します。

15.2 変数タイプ

左下の + Continuous または + Categorical をクリックして、対応する変数を作成します：

• 連続変数： カード上の変数名、最小値/最大値の範囲、目標の小数点以下の桁数をカスタマイズします。ピンクのスライダー（陽性グループ）と青のスライダー（陰性グループ）をドラッグして、それぞれの平均と標準偏差の分布を迅速に調整します。
• 精度調整： ビジュアルスライダーが必要な粒度に達しない場合は、パラメータの横にあるギアアイコンをクリックして、正確な浮動小数点値を手動で入力します。
• AUCの監視： この調整プロセス全体を通じて、カード右上のAUC = 0.XXXインジケーターと中央のプロットキャンバスが完全にリアルタイムで更新され、曲線を正確な目標カットオフに視覚的に合わせることができます。
• カテゴリカル変数： 陽性コホートと陰性コホートの正確な比率またはカウントを定義するだけです。ROC曲線とAUC値の対応する変化を即座に監視できます。

図15.2: ROC曲線プロットの表示

16.1 保存/復元

• 設定のエクスポート： File → Export Configuration に移動して、すべての設定パラメータ、変数定義、グループ構造、目標をローカルの`.json`設定ファイルとしてコンピュータに保存します。
• 設定のインポート： 将来のセッションで設定を復元するには、File → Import Configuration に移動し、以前保存した設定ファイルを選択します。ワークスペースはすぐにリロードされ、すべての変数カード、スライダー、パラメータ値を復元します。