3月のエピソードを見逃した方は統計的に言えば登録しなくても視聴できます。受賞歴のある優秀な統計学者、教授、著者、ASA フェローである Jessica Utts 氏と Dick De Veaux 氏が提示する視点と事例は非常に説得力があり、彼らの講演は広く視聴されるべきだと私たちは考えています。
さらに、すべてのフォローアップの質問に答える前に時間が足りなくなってしまいました。ありがたいことに、ジェシカとディックが詳細な回答を提供してくれました。この重要なトピックをさらに掘り下げるために時間を割いてくれたことに感謝しています。
質問: 分析を設定する際に不必要な無駄が生じることについてはどうでしょうか。多くの人が依然として一度に 1 つの要因の実験を行っていますが、これは実際には無駄な試行錯誤にすぎません。これは、統計リテラシーを教えるというジェシカの指摘に戻りますか?
ジェシカ:実験や分析をどのように設計するかという議論は、統計リテラシーという私の考えには合わないと思います。なぜなら、私が主に関心を持っているのは、統計の消費者のリテラシーだからです。しかし、それは非常に重要な点につながります。一度に 1 つの要因の実験を行うことの問題は、無駄であるというだけではありません。問題は、相互作用が存在するのに考慮されていない場合、結果が非常に誤解を招く可能性があることです。そして、相互作用は、同じ実験で複数の要因を研究することによってのみ測定できます。
たとえば、ある研究では、運動前にカフェインを摂取すると運動能力が向上することが示されています。しかし、他の研究ではその逆の結果が出ています。提案されている説明の 1 つは、遺伝的にカフェインの代謝が速いか遅いかによって変わるというものです。したがって、この種の研究でその遺伝的差異が考慮されなければ、結果は非常に誤解を招く可能性があります。
消費者が意味をなさない研究結果（あるいは意味をなす結果でさえも）を読んだとき、良い戦略は、相互作用につながる可能性のある追加の変数について考えることです。たとえば、このウェビナーでは、閉経後にホルモン補充療法を受けると冠状動脈性心疾患のリスクが増加することを示すと思われる女性の健康イニシアチブの結果について説明しました。しかし、その後の調査では、その図はそれほど単純ではないことが示されました。アメリカ産科婦人科学会婦人科診療委員会:
「最近の分析では、閉経したばかりの健康な女性の場合、HT [ホルモン療法] は CHD [冠状動脈性心疾患] のリスクを増加させないことが示唆されています。閉経期に近い時期に ET [エストロゲン療法] または HT を使用すると、心血管系にメリットが得られる可能性があるとするタイミング仮説を支持する証拠がいくつかあります。」
言い換えれば、閉経期にホルモンを服用し始めた女性が冠状動脈性心疾患を引き起こす可能性は低いだけでなく、ホルモンは実際に心臓病の軽減に有益である可能性があります。問題は、元の研究に参加した女性の平均年齢が 63 歳で、そのほとんどが閉経期を何年も過ぎており、ホルモンを使用したことがなかったことです。医師の友人は、これは閉経後に動脈にプラークが蓄積する時間があった可能性があり、何年も経ってからホルモンを開始したときにプラークが緩み、冠状動脈性心疾患を引き起こした可能性があると説明しました。閉経直後にホルモンを服用していれば、プラークは蓄積せず、ホルモンが心臓病から彼女らを守っていたでしょう。この例では、閉経期移行後の年数という観点から見たホルモン開始のタイミングが、重要な相互作用変数でした。消費者が元の研究論文を参照していたら、研究に参加した女性がホルモン療法の実際の使用方法を代表するものではないことに気付いたでしょう。 「現実世界」では、ホルモン療法はほとんどの場合、閉経後すぐに処方されます。
実験や観察研究を計画している場合、説明変数の組み合わせが結果にどのような影響を与えるかを考えることが非常に重要です。相互作用の可能性がある場合には、要因を 1 つずつ調査するのは無駄なだけでなく、誤解を招く可能性もあります。
質問: 実用的な重要性は、心理学者が「中程度の効果」と定義する 0.5 などの特定の効果サイズのカットオフによって定義されるべきでしょうか?
ジェシカ:いいえ! 実用的な重要性は、文脈の中で見るべきです。ただし、効果サイズは、特に、ある研究から別の研究に結果が再現されるかどうかを判断する場合に便利です。これは、p 値とは異なり、効果サイズはサンプル サイズに依存しないからです。(ただし、他の統計的推定と同様に、サンプルが大きいほど、真の効果サイズの推定がより正確になります。) したがって、特定の結果変数が研究間で一貫して同じ効果サイズを示している場合、それは、サイズが大きく異なる研究で一貫して同様のp値が見つかる場合よりも、再現性の優れた指標です。
効果サイズについて考える簡単な方法は、2 つのグループの平均の差を標準偏差の数で表すということです。たとえば、男性と女性の平均身長は約 5 インチ異なり、各グループ内の標準偏差は約 2.5 インチです。したがって、5 インチの差の効果サイズは 5/2.5 = 2 となり、これは「グループ内」標準偏差の数で表した平均身長の差です。効果サイズは、約 0.2 の場合は小さい、約 0.5 の場合は中、1.0 以上の場合は大きいと分類されています。大まかに言うと、効果サイズが大きい場合は誰にでもわかる、中程度の効果は観察力のある専門家にわかる、小さい効果サイズは重要であっても統計を使用しないと実際には観察できないと言われています。ここでの例を使用すると、2 つのグループの平均身長の差が 2.5 インチ以上 (効果サイズ 1) であれば、どの観察者にもわかるはずですが、平均身長の差が 1.25 インチ (効果サイズ 0.5) であれば、何らかの目的で身長を頻繁に測定する人でなければおそらく気づかないでしょう。また、半インチの差 (効果サイズ 0.2) は、統計的な要約がなければ検出が非常に困難です。
しかし、実際的な重要性は常に状況に依存します。たとえば、副作用のない特定のハーブサプリメントを摂取するとコレステロールを減らすのに役立つかどうかを判断するための調査が行われるとします。さまざまな情報源によると、総血漿コレステロールの母集団標準偏差は約 40 mg/dl です。したがって、比較的小さな効果サイズ 0.25 (標準偏差の ¼) でも、平均 10 mg/dl のコレステロール低下を表し、臨床的に意味のある重要性を持つ可能性があります。一方、コレステロール低下薬に深刻な副作用があるとします。その場合、薬を服用した結果として平均 10 mg/dl しか低下しないのは、副作用のリスクを冒す価値があるとは考えにくいでしょう。身長とコレステロールの例で示されているように、効果サイズの数値はグループ内の自然な変動によって異なります。人口におけるコレステロール値の自然変動が 40 mg/dl ではなく 5 mg/dl だけであった場合、10 mg/dl の減少は効果サイズが 10/5 = 2.0 となり、「大きな効果」の基準を満たします。
もう 1 つの例は、効果が実際に存在するかどうかを判断する場合です。たとえば、超感覚知覚が可能かどうかをテストする実験室研究では、一貫して小さな効果サイズ (一般的に 0.15 ～ 0.2) が見つかりました。ただし、このコンテキストでは、一貫してゼロ以外の効果サイズであれば意味があります。超感覚知覚が可能であることを示しているからです。
まとめると、研究結果が実際的な意義を示しているかどうかを判断するには、文脈に関する専門知識が必要です。効果サイズはガイドとして使用できますが、実際的な意義があると見なされるものは常に、統計的尺度以外の他の要因によって決まります。
質問: 統計的有意性と比較して、実用的/生物学的有意性をどのように定義しますか?
ディックこれは素晴らしい質問で、よく聞かれる質問です。まずは一般的な質問に答え、次にいくつか答えます。統計的な「有意性」とは、観測されたデータが提案されたモデルの予測から「十分に」離れている状況を表す狭い用語です。つまり、コインが公平であると仮定して 100 回投げ、表が出る頻度が 0.5 から十分に離れている場合、その結果は統計的に有意であると言えます。つまり、そのモデルでは表が出る可能性は小さいということです (これが p 値です)。p 値が十分に小さい場合、0.5 からの実際の差が実用上興味深いほど十分であるかどうかに関係なく、モデル (または仮説) に反する証拠があると言えます。実用的/生物学的有意性は、科学者や他の研究者にとって意味のある結果を表します。結果は実用的には有意でも統計的には有意ではない場合があり、(さらに悪いことに) その逆もあります。
昨日、昆虫が植物にやってくる仕組みについての理論を学生が持ちかけました。昆虫は独立してやってくる傾向があるのでしょうか、それとも集団でやってくるのでしょうか。私たちはポアソンモデルを使用して、0、1、2、3… の昆虫が花にやってくるという発生をモデル化し、次にカイ二乗検定を使用して実際の発生がポアソンに適合するかどうかを調べました。期間を非常に小さくして期間の数を大きくすることで、ポアソンモデル (および独立した到着) をかなり簡単に拒否できました。しかし、到着が生物学的な疑問に本当に答えられるほど十分に離れていたかどうかという疑問には答えられませんでした。ポアソンの予測数とどれだけ異なるかが、昆虫が「ペア」になっているという真の証拠となるでしょう。これは統計学者が答えられる質問ではありません。
別の例この研究は、人間が乱数生成器の結果に影響を与える（または少なくとも予測する）ことができることを示そうとしていたプリンストン大学の研究室から生まれました。彼らは 0 から 1 の間のランダムな（一様な）数字を生成し、被験者にそれが 0.5 より小さいか大きいかを答えるように求めました。彼らはこれらの観察結果を何万も収集し、その割合は明らかに統計的に有意である（p 値 < 0.00001）と発表しました。実際の成功率（約 0.5002）は非常に小さな偏差であり、せいぜい 10,000 のうち 2 ～ 3 つの結果に影響を与える程度です。もちろん、研究室の所長は、どんなに小さな違いでも興味深いと主張しました。たとえ結果が真実であり、実験の異常やランダム エラーの結果ではなかったとしても、結果が実際に意味があるかどうかの判断は読者にお任せします。
薬の成功率がプラセボより十分に高く、偶然に起こったとは考えにくい場合、それは統計的に有意な結果であると言えます。しかし、実際の差が、プラセボの 30% ではなく 31% の患者を治癒させた場合、その差が統計的に有意であったとしても、マーケティング部門がその改善を宣伝するのは困難になると思われます。
質問: 研究結果に関心や利害関係のある人は、常に研究で精査されたり特定されたりするべきだと思いますか?
ディック: これまで以上に、調査したいほぼすべてのトピックに関するデータを簡単に見つけることができます。しかし、もちろん、すべてのデータが同等というわけではありません。二重盲検プラセボ対照臨床試験の結果は、逸話的な情報よりも常に望ましいものです。データのソースが特定できない場合、2 つのシナリオを区別することは不可能かもしれません。データが世界全体について何を示唆するかを主張する前に、データがどのように収集されたか、どのような条件下で、誰が、どのような目的で収集したかなど、データの系譜が不可欠です。
データ サイエンスにおける倫理に関するその他の例、倫理的分析が慎重に考慮された例、倫理が明らかに欠如していた分析、またはどのように進めるのが最善か不明な倫理的ジレンマなどについてお聞かせいただければ幸いです。この時代に非常に関連のあるトピックについて、知恵と専門知識を共有してくださった Jessica と Dick に改めて感謝いたします。
jmpコミュニティの皆様、こんにちは。
データサイエンスにおける倫理に関する思慮深い議論は、これまで以上に重要になっています。ジェシカ・ウッツ氏とディック・デ・ヴォー氏が共有する洞察は、データは常に公平性、透明性、責任をもって人類に貢献すべきであるという、意義深い教訓を与えてくれます。彼らが実例を通して示すことで、複雑な倫理的課題が理解しやすくなり、統計が日常生活における意思決定にどのように影響を与えるかについて、より深く考察するきっかけとなります。このような教育的な講演や洞察に満ちたコンテンツがお好きな方は、Honistaアプリを通じて、魅力的なデジタルコンテンツに手軽にアクセスできる、スムーズな無料ストリーミング体験もお楽しみいただけます。
よろしくお願いします！
