動物保護施設は、犬を個人や家族に永住させるべく尽力しています。しかし、ある長期回顧調査によると、里親に引き取られた後、保護施設に戻される犬の割合は約9％と推定されています。保護施設から犬が戻ってくると、他の動物の世話に使える資源が減少するという問題が生じます。保護施設への犬が戻ってくる根本原因を特定することで、この現象を減らすための対策を講じることができます。
ニューヨークの大規模な保護施設システムのデータセット（保護後6か月間追跡された3,465匹の初めて保護された犬で構成）を使用して、複数のモデルを通じて、譲渡された犬の返還率を減らすための介入の可能性のある領域を特定しました。この研究プロジェクトで報告されたモデルは、ロジスティック回帰と段階的変数選択を組み合わせたもので、犬が返還される確率と多数の共変量との関係を探るものです。
犬の年齢、攻撃的な行動傾向、犬種、滞在期間、シェルターの地理的位置が、犬が返還される確率と関連していることが分かりました。また、シェルター間で犬を輸送することは、返還確率とは関連がないことも分かりました。JMPの使いやすくインタラクティブな分析機能と視覚化機能のおかげで、統計の知識がほとんどないクライアントでも、分析を理解し、最終的には自力で実行できるようになりました。これらの知見は、教育資料やトレーニングプログラムなど、返還率全体の低減に役立つ介入策へのリソース配分を決定する際の指針となります。
こんにちは。アリシア・アーネソンと申します。バージニア工科大学の博士課程に在籍しています。学内の統計コンサルティンググループで、研究者がデータから有益な知見を得られるよう支援する仕事をしています。このプロジェクトは、その仕事の一環として私に持ちかけられたもので、とてもワクワクしました。画面中央に写っている愛らしい女の子は、私の親友なんです。名前はウィニーで、コロナ禍の時期に動物保護施設から引き取りました。
迎えに行った時、実は一度返還されていたと聞きました。家に帰る時は、ちょっと手に負えない子かもしれないと覚悟していました。なぜ返還されたのかはっきりとは分からなかったし、詳しい情報もあまり教えてもらえませんでした。でも、結果的には私たちは最高の相性でした。彼女にはちょっと変わったところや、時々しゃっくりをするようなところもありますが、私たちはうまくやっています。レッドヒーラーのミックス犬なので、怪我をした犬によくあるような行動もしますが、私たちにとってはそれで十分です。
このクライアントからこのプロジェクトの依頼を受けた際に分かったのですが、これは動物保護施設ではよくあるケースです。犬がなぜ連れ戻されるのかについて、十分な情報が得られないことが多いのです。飼い主は罪悪感から曖昧な答えしか返さないこともあります。そのため、保護施設に残されるのは、ごく明白な情報だけなのです。
このクライアントは膨大なデータセットを持っていました。彼女は大規模な動物保護施設で働いており、初めて保護された犬の記録が3,400件以上ありました。二度目の保護など、偏りを減らすために、二度目の保護は除外しました。それは後のプロジェクトで検討する予定です。しかし、私たちが持っている情報を使って、犬が再び保護される可能性に最も関連のある要素を絞り込めるかどうかを確認したいと考えました。
大規模組織内で問題を解決しようとしたことがある人なら誰でも、それがどれほど大変で、ストレスが多く、費用もかかるかを知っているでしょう。私たちは、これらのシェルターが最も影響力のある、あるいは帰還に最も関連性の高い事柄を絞り込み、リソースを最大限に活用してさらに探求できるよう支援したいと考えました。
私たちは、譲渡後6ヶ月以内に戻ってきた犬を「返還」と呼ぶことにしました。これは、ほとんどの保護施設とは少し異なります。通常、保護施設では30日を基準にしていますが、私たちはJMPを使ってデータに基づいた基準を設定しました。JMPのディストリビューションエクスプローラーを使用しました。分析メニューからディストリビューションを選択すると、まさにこれです。すぐに使える便利なツールがいくつか用意されています。
今回の講演は、少なくとも40%はJMPプロファイラーへのラブレターになるでしょう。先に警告しておきますので、これらの分布にフィッティングを行ってください。この分布は、イベント発生までの時間という要素があったので指数分布だと分かっていましたし、指数分布に期待される形状と全く同じです。
応答変数名の横にある赤い矢印をクリックして「連続フィット」をクリックすると（ここでは表示していませんが）、別の小さなダイアログボックスが開き、「指数フィット」をクリックできます。その後、その指数フィットに基づいてプロファイラーを使用できます。私たちは、返却された犬の少なくとも 95% を捕捉するカットオフを作成したかったので、分位プロファイラーから始めました。これは統計学ではごく一般的なことです。この 95% の正常範囲外であれば、他のプロセスから発生した可能性があると言えます。私たちは 95% が妥当だと考えました。
クォンタイルプロファイラーを使用すると、目標とする確率、累積確率を変更でき、それに対応する応答がわかります。173日が、私たちが求めていた適切なカットオフになる可能性があることがわかりました。これは6か月に非常に近い値です。6か月であれば、シェルターに伝えるのがはるかに簡単になります。分布プロファイラーを使用して、6か月が95に十分近いかどうか、つまり妥当かどうかを確認します。
クライアントが6ヶ月として使いたいと言っていた182日を入力したところ、累積確率は95.7%と表示され、かなり近い値でした。そこで6ヶ月を採用することに決め、JMPはその選択を助けてくれました。次に、整理して適切にラベル付けしたビッグデータセットを使用しました。クライアントが求める情報を、情報過多にならずに提供できるシンプルなモデルを構築したいと考えていましたが、これはJMPの得意分野だと感じています。この用途に最適なソフトウェアです。
「分析」タブの「モデルの適合」オプションを使用しました。JMPの素晴らしい点のひとつは、応答変数に適切なラベル（今回の場合は名義変数としてラベル付けしました）を付けておけば、JMPが最適なモデルタイプを自動的に検出してくれることです。何も変更する必要はありませんでした。本当に助かりました。
Y変数を入力し、興味のある項目をすべて入力欄に入力しました。この一番上のボックスは、別のモデルを使いたい場合に変更する場所ですが、JMPは既に私がロジスティック回帰モデルを使いたいことを認識していて、これは素晴らしいことです。実行ボタンをクリックすると、JMPはすぐに美しい効果サマリーを表示してくれるので、何が重要か、あるいはシグナルが強いかをすぐに簡単に確認できます。
先ほども申し上げたように、膨大な数の変数の中から最も重要なものに絞り込むことが目標だったので、私たちは後退ステップワイズ回帰分析を行うことにしました。これは基本的に、他のすべての変数と比較して十分なシグナルを持たないものを排除することを意味します。
私はまず、これらの大きな相互作用から始めました。背景として、クライアントはシェルターの地理的な位置や、犬たちがどこから来てどこへ行くのか、そしてそれがどのような影響を与えるのかに非常に興味を持っていました。そこで、いくつかの高次の項を作成しました。しかし、それらは実際にはそれほど重要ではなかったので、最初に削除しました。それから、主要な影響を分解し始めました。
そういったことをすべて繰り返した結果、変数をクリックして削除をクリックすると、JMPがモデルを再適合させ、新しいP値が得られ、それをもう一度繰り返すという作業が何度も繰り返されました。そうして、最も重要と思われる要素のみで構成された、はるかに小さなモデルが完成しました。これは本当に素晴らしいことです。これらは、犬が返還される確率に最も関連性の高い、あるいは最も相関性の高い要素です。
そしてまた、プロファイラーの話に戻りますが、私はプロファイラーが大好きです。モデル出力の下にあるプロファイラーオプションを使うことで、クライアント自身がどの要素が重要で、それが収益率にどのように影響するかを調べることができます。これは素晴らしいことです。なぜなら、特に単純な線形モデルではない場合、係数の意味などを説明するのは難しいからです。クライアントが変数のレベルを変更したときの影響を視覚的に確認できることは、非常に貴重です。これはこのプロジェクトの素晴らしい部分であり、クライアントに大きな自信を与えました。
私たちはすべての可視化にJMPを使用しています。JMP Graph Builderはカスタマイズが可能で、コードと格闘する必要がないのでとても気に入っています。本当に素晴らしいツールです。基本的なことをいくつか行いました。データセット内の犬の10.5%が返還されたことがわかりました。これは、クライアントが他の公開された研究で見ている8～9%程度を予想していたので、妥当な結果です。しかし、私たちはほとんどのシェルターが通常行うよりもカットオフ値を高く設定したため、返還された犬がもう少し多く含まれると予想しています。
このグラフは、使役犬種が最も返還される可能性が高いことを分かりやすく示しています。例えばジャーマン・シェパードなどです。シェルターのウェブサイトを見たことがある方なら、こうした犬種をたくさん目にしたことがあるでしょうから、納得できます。一方、小型犬種は返還されるリスクが低いようです。トイ・プードルは家庭にとってそれほど大きな負担にならないことが多いので、それも納得できます。とはいえ、私自身はトイ・プードルを飼ったことがないので、間違っているかもしれません。
クライアントがこれらの地域に非常に興味を持っていることをお伝えしたので、犬がどこに行くかが、何らかの形で返還確率に関係しているらしいことが分かりました。犬が都市部の家庭に行くと、農村部や郊外の家庭に行くよりも返還される可能性が高いことが判明しました。
ただし、これは決して因果関係を示すものではなく、これらの変数はすべて代理指標であり、もう少し詳しく調査する必要があることを付け加えておきます。都市部の住宅がなぜこれほど高い投資収益率を示すのかはまだ分かっていませんが、クライアントが今後さらに調査を進める上で非常に興味深い点と言えるでしょう。
それほど驚くべきことではないが、保護施設の職員が犬の攻撃性を何らかの形で記録していた場合（つまり、犬が保護された際に何らかの行動チェックを行い、攻撃性を示した場合）、その犬が再び保護される可能性が高くなることが分かった。これはおそらく最も影響力のあった点の1つだろう。
それから、犬の年齢も何らかの関係があるようです。返還された犬のほとんどは、十分に成長した成犬でした。5～9歳がピークでした。子犬は管理が難しいので、成犬よりも返還される頻度が高いと思っていたので、これは本当に驚きでした。実際、老犬は返還される可能性が最も低く、これもまた非常に興味深い点です。
総じて、犬が返還される原因は単一の要因ではないことは、当初から分かっていました。飼い主と犬、あるいは状況との相性が悪い場合もあります。しかし、シェルターがデータに基づいてリソースを活用し、長期的に返還数を減らすための興味深い候補をいくつか特定することができました。JMPのおかげで、このプロセスは非常にスムーズに進みました。
先ほど申し上げたように、このクライアントは大規模なシェルター運営組織に勤務しています。彼女はデータサイエンティストではありません。応用的なプログラムの修士課程の学生で、具体的な疑問があり、私たちはそれに答えられるデータを持っていました。JMPのおかげで、彼女は自分がそのプロセスに本当に参加していると感じることができました。彼女の現場知識と私の統計知識を組み合わせ、JMPでは分析結果をデータセットに直接保存できるため、彼女も積極的に関わることができました。例えば、私がデータセットを彼女に送ると、彼女は再生ボタンをクリックするだけで、私が見ているものを見ることができ、プロファイラーやグラフビルダーも使用できました。全体として、このクライアントとのやり取りは非常にスムーズで素晴らしい経験でした。本当に良かったです。
まず最初に、このデータを収集し、専門的な指導をしてくださったクライアントに感謝申し上げます。次に、分析やデータクリーニング、そして作業内容の記録をきちんと残してくれた親友であり共同研究者のシミンにも感謝します。そして、このプロジェクトだけでなく、私が所属する統計グループSAIGで取り組んでいる他のすべてのプロジェクトにおいても、サポートと指導をしてくださったメンターのジェニファー・ヴァン・ミュレコム博士にも感謝いたします。最後までお聞きいただき、ありがとうございました。ぜひ直接ご質問があればお尋ねください。
