「アンケートに回答するのは楽しいですか？」という質問に対する仮想アンケートの結果を示す円グラフ。回答者の99.8%が「はい、アンケートに回答するのは楽しいです！」と回答し、0.2%が「いいえ、アンケートはゴミ箱に捨てます」と回答していることがわかります。
仮想人口調査における偏ったサンプルの例。参加者が調査に回答することを好むかどうかを尋ね、最初に回答する可能性が最も高い個人を選択する。

統計学において、標本バイアスとは、標本が収集される際に、対象とする母集団の一部の標本確率が他の集団よりも低かったり高かったりするバイアスのことである。その結果、母集団（または人間以外の要因）から、すべての個体または事例が均等に選択される可能性がない、偏った標本[1]が得られる。 [2]このバイアスを考慮しないと、結果は標本抽出 方法ではなく、研究対象の現象そのものに起因すると誤って判断される可能性がある。

医学的な情報源では、サンプリングバイアスを「確認バイアス」と呼ぶことがあります。[3] [4]確認バイアスは基本的に同じ定義ですが、[5] [6]、別の種類のバイアスとして分類されることもあります。[5]

選択バイアスとの区別

サンプリング バイアスは通常、選択バイアスのサブタイプに分類され、[7] 、特にサンプル選択バイアスと呼ばれることもありますが、[8] [9] [10]、別の種類のバイアスとして分類する人もいます。[11]サンプリング バイアスと、選択バイアスが主に手元にあるサンプルに見られる相違点や類似点に対する内的妥当性に関係 する点 (普遍的に受け入れられているわけではありませんが)の違いです。この意味で、サンプルまたはコホートを収集する過程で発生するエラーはサンプリング バイアスを引き起こし、その後のあらゆる過程で発生するエラーは選択バイアスを引き起こします。

しかし、選択バイアスとサンプリングバイアスはしばしば同義語として使用されます。[12]

種類

  • 特定の現実の地域からの選択。例えば、高校生を対象に10代の違法薬物使用状況を調査する調査は、自宅学習中の生徒や中退者を含まないため、偏った標本となります。また、母集団内の特定の構成員が他の構成員と比較して過少代表または過剰代表されている場合にも、標本は偏ったものとなります。例えば、特定の場所を歩いている人を選択する「街頭インタビュー」では、慢性疾患のある人よりも外出している可能性が高い健康な人が過剰代表となるでしょう。これは、母集団内の特定の構成員が標本から完全に除外される（つまり、選択される確率がゼロになる）ため、極端な偏った標本抽出と言えるでしょう。
  • 自己選択バイアス（無回答バイアスも参照）。これは、研究対象となる人々のグループが参加するかどうかを何らかの形で制御できる場合は常に発生する可能性があります（人間を対象とする研究の倫理に関する現在の基準では、多くのリアルタイム研究と一部の縦断的形式の研究にこれが求められています）。参加者の参加の決定は、研究に影響を与える特性と相関している可能性があり、参加者は代表的サンプルではありません。たとえば、強い意見やかなりの知識を持っている人は、そうでない人よりもアンケートに回答するために時間を費やす意思が強い場合があります。もう1つの例は、回答者が自己選択であるため、偏ったサンプルであるオンラインおよび電話による世論調査です。回答する意欲が高い個人、通常は強い意見を持っている個人は過剰に代表され、無関心または無関心な個人は回答する可能性が低くなります。これにより、回答が二極化し、要約では極端な視点が不釣り合いに重視されることがよくあります。結果として、この種の世論調査は非科学的であるとみなされます。
  • 除外バイアスは、特定の集団をサンプルから除外することで生じます。例えば、研究対象地域に最近移住してきた被験者を除外することなどです（これは、元となる集団を特定するために使用された登録簿に新規移住者が登録されていない場合に発生する可能性があります）。追跡調査中に研究対象地域から転居した被験者を除外することは、脱落や無回答と同等であり、研究の内的妥当性に影響を与えるという点で、選択バイアスとなります。
  • 健康ユーザーバイアスとは、研究対象集団が一般集団よりも健康である可能性が高い場合のバイアスです。例えば、健康状態が悪い人は肉体労働者として働く可能性が低いため、肉体労働者を対象に研究を実施すると、一般集団の健康状態が過大評価される可能性が高くなります。
  • バークソンの誤謬は、研究対象集団が病院から選ばれ、一般集団よりも健康状態が悪い場合に生じます。この誤謬は、疾患間の誤った負の相関関係を生み出す可能性があります。例えば、糖尿病のない入院患者は、そもそも入院する何らかの理由があるはずなので、胆嚢炎などの他の疾患を患っている可能性が高いのです。
  • 過剰マッチングとは、実際には曝露の結果である交絡因子を見かけ上マッチングすることである[説明が必要]。対照群は、曝露に関して一般集団よりも症例群に類似する。
  • 生存バイアスとは、「生き残った」対象のみを選択し、視野から外れた対象を無視する現象です。例えば、現在の企業の業績を景気や経済の指標として用いると、破綻してもはや存在しない企業が無視されてしまいます。
  • マルムキストバイアスは、観測天文学において、本質的に明るい物体を優先的に検出する効果です。

  • スポットライトの誤謬。特定のクラスまたはタイプのすべてのメンバーまたはケースは、メディアで最も注目されたり報道されたりするものと似ているという無批判な仮定。

症状に基づくサンプリング

病状の研究は、事例報告から始まります。その性質上、そのような報告には、診断と治療のために紹介された症例のみが含まれます。学校でうまく機能できない子どもは、苦労しながらも合格した子どもよりも、失読症と診断される可能性が高くなります。ある疾患の検査を受けた子どもは、他の疾患の検査・診断を受ける可能性が高く、併存疾患の統計に歪みが生じます。特定の診断が行動障害や知的障害と関連付けられるようになると、親は子どもがそれらの診断によって烙印を押されることを避けようとし、さらなる偏見を生み出します。全人口から慎重に選択された研究は、多くの疾患が以前考えられていたよりもはるかに多く発生し、通常ははるかに軽度であることを示しています。

家系研究における切断選択

サンプリングバイアスの簡単な家系図の例

遺伝学者がヒト集団からデータを取得する方法には限界がある。例えば、ヒトの特性を考えてみよう。我々は、その特性が単純なメンデル遺伝形質として遺伝するかどうかを判定したい。メンデル遺伝の法則に従えば、ある家族において両親がその特性を持たず、その対立遺伝子を保有している場合、両親は保因者（例えば、非発現性ヘテロ接合体）となる。この場合、その子供がその特性を示す確率はそれぞれ25%である。問題は、その特性を示す子供がいない限り、どの家族が両親ともに保因者（ヘテロ接合体）であるかを判断できないことである。説明はサットンの教科書に従っている。[13]

この図は、両親が保因者（Aa）の場合に、2 人の子供を持つ可能性のあるすべての家族の系図を示しています。

  • 非切断選択。理想的な世界では、単なる保因者も含め、遺伝子を持つすべての家系を発見できるはずです。この場合、解析は確認バイアスから解放され、家系図は「非切断選択」の対象となるでしょう。実際には、ほとんどの研究では、罹患した個人がいるかどうかに基づいて家系を特定し、研究に含めています。
  • 切り捨て選択。罹患した個人が研究対象とされる可能性が均等である場合、これは切り捨て選択と呼ばれ、遺伝子の保因者である家族が意図せず除外（切り捨て）されることを意味します。選択は個人レベルで行われるため、罹患した子供が2人以上いる家族は、研究対象とされる可能性が高くなります。
  • 完全切断選択は、影響を受けた子供を持つ各家族が研究に選ばれる可能性が平等にある特殊なケースです。

図には、各家系が選択される確率と、罹患児の標本頻度が示されています。この単純なケースでは、研究者は、切り捨て選択の種類に応じて、特性 の頻度が4 ⁄ 7または5 ⁄ 8となるように探索します。

原始人効果

選択バイアスの一例は「洞窟人効果」と呼ばれます。先史時代の人々に関する私たちの理解の多くは、約4万年前に描かれた洞窟壁画などの洞窟から得られています。もし同時代の木々、動物の皮、あるいは丘陵に壁画が描かれていたとしたら、それらははるか昔に流失していたでしょう。同様に、火床、貝塚、埋葬地などの証拠は、洞窟の中に現代までそのまま残っている可能性が最も高いです。先史時代の人々が洞窟と関連付けられるのは、データがまだそこに存在しているからであり、必ずしも彼らの多くが人生の大半を洞窟で過ごしたからではありません。[14]

サンプリングバイアスによる問題

標本バイアスが問題となるのは、標本から算出された統計量が体系的に誤りとなる可能性があるためです。標本バイアスは、母集団内の対応するパラメータを体系的に過大評価または過小評価することにつながる可能性があります。標本バイアスは、実際には、標本抽出において完全な無作為性を確保することが事実上不可能なため発生します。誤認の程度が小さい場合、標本は無作為標本の妥当な近似値として扱うことができます。また、測定対象となる数量が標本間で著しく異なる場合、バイアスのある標本であっても妥当な推定値となり得ます。

バイアスという言葉には、強い否定的な意味合いがあります。確かに、バイアスは、誤解を招く意図やその他の科学的詐欺から生じることがあります。統計的な用法では、バイアスは、意図的か無意識的か、または観察に使用される機器の不完全さによるものかに関係なく、単に数学的な特性を表します。誤解を招く結果を出すために偏ったサンプルを意図的に使用する人もいますが、多くの場合、偏ったサンプルは、真に代表的なサンプルを取得することの難しさ、または測定または分析のプロセスにおけるバイアスの無視を反映しているだけです。バイアスの無視がどのように存在するかを示す例として、生物学において差異の尺度として比率（別名、倍数変化）が広く使用されていることが挙げられます。与えられた差異を持つ 2 つの小さな数値で大きな比率を達成するのは簡単ですが、より大きな差異を持つ 2 つの大きな数値で大きな比率を達成するのは比較的難しいため、比較的大きな数値の測定値を比較する場合、大きな有意差を見逃す可能性があります。これを「境界バイアス」と呼ぶ人もいます。これは、差 (減算) ではなく比率 (除算) を使用すると、分析結果が科学から疑似科学へと移ってしまうためです (境界問題を参照)。

一部のサンプルでは、​​偏りのある統計設計が用いられていますが、それでもパラメータの推定は可能です。例えば、米国国立健康統計センター（National Center for Health Statistics）は、多くの全国調査において、少数民族集団から意図的に過剰サンプルを抽出し、これらの集団内での推定精度を高めています。 [15]これらの調査では、すべての民族集団にわたる適切な推定値を得るために、サンプルウェイト（後述）の使用が求められます。一定の条件（主にウェイトが正しく計算され、使用されていること）が満たされていれば、これらのサンプルから母集団パラメータを正確に推定することができます。

歴史的な例

偏ったサンプルの例：2008年6月時点で、使用されているウェブブラウザ（Internet Explorer ）の55%がAcid2テストに合格しませんでした。テストの性質上、サンプルは主にウェブ開発者で構成されていました。[16]

偏ったサンプルとそれが生み出した誤った結果の典型的な例が 1936 年に起こった。世論調査の黎明期、アメリカの文芸ダイジェスト誌は 200 万通を超える郵便調査書を集め、アメリカ大統領選挙で共和党候補のアルフ・ランドンが現職大統領のフランクリン・ルーズベルトに大差で勝つだろうと予測した。結果は全く逆だった。文芸ダイジェストの調査は、同誌の読者から集めたサンプルに、登録自動車所有者と電話使用者の記録を加えたものだった。このサンプルには富裕層が過剰に含まれており、富裕層は全体として共和党候補に投票する可能性が高かった。対照的に、ジョージ・ギャラップの組織が選んだわずか 5 万人の国民を対象とした世論調査で結果を正しく予測し、ギャラップの世論調査の人気につながった。

もうひとつの典型的な例は1948年の大統領選挙で起こった。選挙当夜、シカゴ・トリビューンは「デューイ、トルーマンに勝利」という見出しを載せたが、これは後に誤りであることが判明した。翌朝、にこやかな笑顔の大統領当選者ハリー・S・トルーマンがこの見出しの新聞を持っている写真に撮られた。シカゴ・トリビューンが間違っていた理由は、編集者が電話調査の結果を信頼したためである。当時、調査研究は始まったばかりで、電話利用者のサンプルが一般人口を代表していないことに気づいている学者はほとんどいなかった。電話はまだ普及しておらず、電話を持っている人は裕福で安定した住所を持っている傾向があった（多くの都市で、ベルシステムの 電話帳にはソーシャル・レジスターと同じ名前が掲載されていた）。さらに、シカゴ・トリビューンが見出しの根拠としたギャラップ社の世論調査は、印刷時点で2週間以上も前のものだった。[17]

大気質データにおいて、汚染物質（一酸化炭素、一酸化窒素、二酸化窒素、オゾンなど）は、同一の化学プロセスに由来するため、高い相関関係を示すことが多い。これらの相関関係は、空間（すなわち場所）と時間（すなわち期間）に依存する。したがって、汚染物質の分布は必ずしもあらゆる場所とあらゆる期間を代表するものではない。低価格の測定機器を多変量法、より正確には基準機器の隣に配置することで現場データを用いて校正すれば、異なる化合物間の関係が校正モデルに組み込まれる。しかし、測定機器の設置場所を変更すると、誤った結果が生じる可能性がある。[18]

21世紀の例としてはCOVID-19パンデミックが挙げられますが、 COVID-19検査におけるサンプリングバイアスのばらつきが、国ごとの致死率と年齢分布の大きなばらつきの原因となっていることが示されています。[19] [20]

偏ったサンプルに対する統計的補正

母集団の特定のセグメント全体がサンプルから除外されている場合、母集団全体を代表する推定値を生成するための調整は不可能です。しかし、一部のグループが過小代表されており、その過小代表の程度を定量化できる場合は、サンプルの重み付けによってバイアスを補正できます。ただし、補正の成功は選択された選択モデルに限定されます。特定の変数が欠落している場合、バイアスを補正するために使用する方法が不正確になる可能性があります。[21]

例えば、仮想的な母集団に男性1,000万人、女性1,000万人が含まれているとします。100人の患者から抽出された偏りのある標本に、男性20人と女性80人が含まれていたとします。研究者は、男性1人につき2.5、女性1人につき0.625の重み付けをすることで、この不均衡を修正できます。これにより、調査に参加する確率が男性と女性で異なる場合を除き、推定値は、ちょうど50人の男性と50人の女性を含む標本と同じ期待値になります。[要出典]

参照

参考文献

  1. ^ 「サンプリングバイアス」。医学辞典。2016年3月10日時点のオリジナルよりアーカイブ。2009年9月23日閲覧。
  2. ^ 「バイアスサンプル」TheFreeDictionary . 2009年9月23日閲覧。モズビー医学辞典第8版
  3. ^ Weising K (2005). 植物におけるDNAフィンガープリンティング：原理、方法、および応用. ロンドン: Taylor & Francis Group. p. 180. ISBN 978-0-8493-1488-9。
  4. ^ Ramírez i Soriano A (2008年11月29日). 複雑な人口動態と確認バイアス下における選択と連鎖不平衡検定(PDF) (博士論文). ポンペウ・ファブラ大学. p. 34.
  5. ^ ab Panacek EA (2009年5月). 「臨床研究におけるエラーとバイアス」(PDF) . SAEM年次会議. ニューオーリンズ、ルイジアナ州: Society for Academic Emergency Medicine . オリジナル(PDF)から2016年8月17日時点のアーカイブ。 2009年11月14日閲覧。
  6. ^ 「Ascertainment Bias」. Medilexicon Medical Dictionary . 2016年8月6日時点のオリジナルよりアーカイブ。 2009年11月14日閲覧。
  7. ^ 「選択バイアス」.がん用語辞典. 2009年6月9日時点のオリジナルよりアーカイブ。 2009年9月23日閲覧。
  8. ^ Ards S, Chung C, Myers SL (1998年2月). 「サンプル選択バイアスが児童虐待報告における人種差に与える影響」. Child Abuse & Neglect . 22 (2): 103–15 . doi : 10.1016/S0145-2134(97)00131-2 . PMID  9504213.
  9. ^ Cortes C, Mohri M, Riley M, Rostamizadeh A (2008). 「サンプル選択バイアス補正理論」(PDF) .アルゴリズム学習理論. コンピュータサイエンス講義ノート. 第5254巻. pp.  38– 53. arXiv : 0805.2775 . CiteSeerX 10.1.1.144.4478 . doi :10.1007/978-3-540-87987-9_8. ISBN  978-3-540-87986-2. S2CID  842488。
  10. ^ Cortes C, Mohri M (2014). 「ドメイン適応とサンプルバイアス補正理論および回帰分析アルゴリズム」(PDF) .理論計算機科学. 519 : 103– 126. CiteSeerX 10.1.1.367.6899 . doi :10.1016/j.tcs.2013.09.027. 
  11. ^ Fadem B (2009). 行動科学. Lippincott Williams & Wilkins. p. 262. ISBN 978-0-7817-8257-9。
  12. ^ Wallace R (2007). Maxcy-Rosenau-Last 公衆衛生と予防医学（第15版）. McGraw Hill Professional. p. 21. ISBN 978-0-07-159318-2。
  13. ^ サットンHE (1988). 人類遺伝学入門（第4版）. ハーコート・ブレイス・ジョバノビッチ. ISBN 978-0-15-540099-3。
  14. ^ Berk RA (1983年6月). 「社会学データにおけるサンプル選択バイアス入門」アメリカ社会学評論. 48 (3): 386– 398. doi :10.2307/2095230. JSTOR  2095230.
  15. ^ 「マイノリティの健康」国立健康統計センター、2007年。
  16. ^ 「ブラウザ統計」Refsnes Data. 2008年6月. 2008年7月5日閲覧。
  17. ^ Lienhard JH. 「ギャラップ世論調査」.私たちの創意工夫のエンジン. 2007年9月29日閲覧。
  18. ^ Tancev G, Pascale C (2020年10月). 「大気質モニタリングにおける現場校正済み低コストセンサーシステムの移転問題：サンプリングバイアス」. Sensors . 20 (21): 6198. Bibcode :2020Senso..20.6198T. doi : 10.3390/s20216198 . PMC 7662848. PMID  33143233 . 
  19. ^ Ward D (2020年4月20日). サンプリングバイアス：COVID-19症例の致死率における幅広い変動の説明.プレプリント（レポート）. ベルン、スイス. doi :10.13140/RG.2.2.24953.62564/1.
  20. ^ Böttcher L, D'Orsogna MR , Chou T (2021年5月). 「COVID-19の死亡率を決定するための超過死亡と検査統計の利用」. European Journal of Epidemiology . 36 (5): 545– 558. doi : 10.1007/s10654-021-00748-2 . PMC 8127858. PMID  34002294 . 
  21. ^ Cuddeback G, Wilson E, Orme JG, Combs-Orme T (2004). 「サンプル選択バイアスの検出と統計的補正」. Journal of Social Service Research . 30 (3): 19– 33. doi :10.1300/J079v30n03_02. S2CID  11685550.