データマイニングにおけるバイアス調整: ラドンとオゾンのローカル制御分析スタンリー・ヤングスタンヤング博士、CGStat LLC CEO
ボブ・オベンチェーン博士、リスク・ベネフィット・スタティスティックスLLC主席コンサルタント
ゴラン・クルスティッチ、フレーザー保健局
大規模な (観察) データ セットは、通常、研究の機会をもたらしますが、誤った主張につながる問題ももたらします。ビッグ データでは、サンプル サイズが大きくなるにつれて効果推定値の標準誤差がゼロになるため、小さなバイアスでも宣言された (ただし誤った) 主張につながる可能性があります。さらに、交絡因子との相互作用によって効果サイズに局所的な変動が生じる場合、処理の平均はほとんど意味をなさない可能性があります。データ マイナーには、これらのバイアスの原因を簡単かつ効率的に処理できる統計手法が必要です。ここでは、2 つのデータ セットの分析に、JMP アドインの Moving Median と新しい JMP プラットフォームの Local Control を使用する方法を示します。最初のケース スタディでは、環境疫学データ セットのバイアスの削減について説明します。2 番目のスタディでは、時系列の空気質の例に Local Control を使用します。相互作用を検出することで、データ マイナーは、ビッグ データの多様性と異質性によって通常暗示されるバイアスを削減する、より現実的で関連性の高い分析を作成できます。
