要因計画法とは？複数要因の効果と交互作用を効率的に検証する実験手法

要因計画法とは

要因計画法（Factorial Design）は、複数の要因（Factor）を同時に操作し、各要因の主効果と要因間の交互作用を体系的に評価する実験計画法です。1つの実験で複数の問いに同時に答えられるため、実験の効率性が大幅に向上します。

たとえば「価格」と「広告文」の2要因がコンバージョン率に与える影響を調べる場合、A/Bテストでは要因ごとに個別の実験が必要です。要因計画法では1回の実験で両方の主効果と交互作用を同時に推定できます。

この手法は、1920年代にイギリスの統計学者ロナルド・フィッシャーがロザムステッド農事試験場での農業実験を通じて体系化しました。フィッシャーは分散分析（ANOVA）とともに要因計画法の理論的基礎を確立し、実験科学全般に革命をもたらしました。

構成要素

主効果と交互作用

効果の種類	定義	例
主効果（Main Effect）	ある要因の水準変化がアウトカムに与える平均的な効果	価格を下げると購買率が10%上がる
交互作用（Interaction）	ある要因の効果が他の要因の水準に依存する現象	価格引き下げの効果は広告文によって異なる

完全実施要因計画

すべての要因の全水準の組み合わせを実験する設計です。2水準k要因の場合、2^k通りの実験条件が必要です。要因数が少ない場合に適しており、すべての主効果と交互作用を推定できます。

一部実施要因計画

要因数が多い場合に、全組み合わせの一部だけを戦略的に選んで実験する設計です。高次の交互作用は通常小さいという仮定のもと、主効果と低次の交互作用に焦点を当てます。解像度（Resolution）の概念で設計の品質を評価します。

中心複合計画と応答曲面

2水準だけでなく、中心点を追加して曲線的な関係を検出する拡張設計もあります。連続的な最適条件を探索する際に有用です。

実践的な使い方

ステップ1: 要因と水準の決定

実験の目的に基づき、検証したい要因とその水準を決めます。要因数は3〜5程度に絞り、各要因は2〜3水準が一般的です。要因が多すぎる場合はスクリーニング実験で絞り込みます。

ステップ2: 実験計画の設計

完全実施か一部実施かを選択します。実験条件の数が現実的に実施可能な範囲か確認します。ランダム化やブロック化も考慮に入れます。

ステップ3: 実験の実施とデータ収集

設計どおりにすべての条件を実施します。実験条件の実施順序をランダム化し、系統的なバイアスを防ぎます。各条件で十分な反復数（Replicate）を確保します。

ステップ4: 分散分析による効果の評価

ANOVAを用いて各主効果と交互作用の統計的有意性を検定します。交互作用が有意な場合は、主効果だけでは結果を正しく解釈できないため、交互作用プロットで詳細を確認します。

活用場面

• Webサイトの複数UI要素（ボタン色、レイアウト、コピー文）を同時に最適化するマルチバリエイトテスト
• 製造プロセスにおける温度、圧力、時間などの条件最適化
• マーケティングキャンペーンで価格、チャネル、クリエイティブの最適な組み合わせを探索する場面
• 新薬や治療法の投与量と投与間隔の最適条件を検証する臨床研究

注意点

実験条件数の指数的増加

要因数が増えると実験条件数は指数的に増加します。5要因2水準でも32条件、6要因では64条件になります。事前に予算やサンプルサイズの制約を確認し、一部実施要因計画やスクリーニング設計の活用を検討してください。

交互作用の解釈の難しさ

高次の交互作用（3要因以上の交互作用）は統計的に有意であっても実務的な解釈が困難です。ビジネスの文脈で意味のある説明ができるかどうかを基準に、分析対象とする交互作用の次数を事前に決めておくことが重要です。

まとめ

要因計画法は、複数の要因の効果と交互作用を1回の実験で効率的に検証できる手法です。単純なA/Bテストでは捉えられない要因間の相乗効果や打ち消し合いを発見できるため、ビジネスの意思決定の質を高めます。要因数とサンプルサイズのバランスを事前に設計することが成功の鍵です。