ランダム化実験

科学において、ランダム化実験は、治療効果の統計的推定値の信頼性と妥当性を最大限に高める実験です。ランダム化に基づく推論は、実験設計と調査サンプリングにおいて特に重要です。

実験計画法の統計理論では、ランダム化とは、実験単位を治療群にランダムに割り当てることです。たとえば、実験で新薬と標準薬を比較する場合、ランダム化を使用して、患者を新薬または標準薬のコントロールに割り当てる必要があります。

ランダム化実験は行き当たりばったりではありません。ランダム化は、実験設計で明示的に考慮されていない他の要因を均等化することでバイアスを減らします (大数の法則による)。ランダム化によって無視できる設計も作成されます。これは、モデルベースの統計的推論、特にベイズまたは尤度ベースの統計的推論で役立ちます。実験の設計において、処理を比較するための最も単純な設計は「完全ランダム化設計」です。ブロッキングや変更が難しい要因を持つ実験では、ある程度の「ランダム化の制限」が発生する可能性があります。完全なランダム化が実行不可能な場合や、選択した効果の推定値の分散を減らすことが望ましい場合は、ランダム化に追加の制限が発生する可能性があります。

臨床試験における治療のランダム化は倫理的な問題を引き起こします。場合によっては、ランダム化によって医師と患者の両方にとって治療の選択肢が減るため、ランダム化には治療に関する 臨床的な均衡が必要です。

ウェブサイトではランダム化比較実験 ^[2]を実行してフィードバックループを作成することができます。^[3] オフライン実験とオンライン実験の主な違いは次のとおりです。^{[3] [4]}

• ログ記録: ユーザーの操作を確実にログに記録できます。
• ユーザー数: Amazon、Bing/Microsoft、Google などの大規模なサイトでは、それぞれ 100 万人を超えるユーザーが実験を行っています。
• 同時実行実験の数：大規模なサイトでは、数十の重複した、または同時実行実験が実行されます。^[5]
• ロボット。正当なソースからのWeb クローラーか、悪意のあるインターネット ボットかを問わず。^{[説明が必要]}
• 低いパーセンテージから高いパーセンテージまで実験を増やす機能。
• 速度/パフォーマンスは主要な指標に大きな影響を与えます。^{[3] [6]}

• 実験前の期間をA/Aテストとして使用して分散を減らす機能。^[7]

旧約聖書のダニエル書には、対照実験が示唆されているようだ。ネブカドネザル王は、イスラエル人の一部に「王の食卓から毎日一定量の食物とワイン」を食べるよう提案した。ダニエルは菜食を好んだが、役人は王が「あなたの容貌が他の同年代の若者たちよりも劣っていると見るだろうか。そうすれば、あなたのせいで王は私の首をはねるだろう」と心配した。そこでダニエルは、次のような対照実験を提案した。「あなたのしもべたちを十日間試してください。私たちには野菜だけを食べさせ、水だけを飲ませてください。そして、私たちの容貌を王の食物を食べる若者たちの容貌と比較し、あなたが見たものにしたがってしもべたちを扱ってください」（ダニエル書 1, 12– 13）。^{[8] [9]}

ランダム化実験は、 CS・ピアースによるランダム化実験の発明に続いて、1800年代後半に心理学と教育の分野で制度化されました。^{[10] [11] [12] [13]} 心理学と教育以外では、ランダム化実験はRA・フィッシャーの著書「研究者のための統計的手法」によって普及し、実験設計の新たな原則も紹介されました。

ルビン因果モデルは、ランダム化実験を説明する一般的な方法を提供します。ルビン因果モデルは因果パラメータ（ランダム化処理が結果に与える影響）を定義するためのフレームワークを提供しますが、実験の分析はさまざまな形式を取ることができます。このモデルでは、研究の各ユニットに 2 つの潜在的な結果（ユニットが処理を受けた場合の結果と、ユニットが処理を受けなかった場合の結果）があると想定しています。この 2 つの潜在的な結果の差は処理効果と呼ばれ、処理が結果に与える因果効果です。ランダム化実験は、最も一般的には、分散分析、スチューデントの t 検定、回帰分析、または同様の統計テストを使用して分析されます。このモデルでは、処理と結果の両方に影響を与える可能性のある潜在的な交絡因子も考慮されます。これらの交絡因子を制御することで、モデルは、観察された処理効果が真に因果的であり、処理と結果の両方に相関する他の要因の結果ではないことを保証するのに役立ちます。

ルビン因果モデルは、結果に影響を及ぼす可能性のある交絡変数がある場合でも、治療の因果効果を推定する方法を理解するための便利なフレームワークです。このモデルでは、治療の因果効果は、治療を受けた場合と治療を受けなかった場合に各個人に観察される結果の差であると規定されています。実際には、同じ個人で両方の潜在的な結果を観察することは不可能であるため、実験データを使用して因果効果を推定するために統計的手法が使用されます。

ランダム化研究と非ランダム化研究の間の違い、^{[14] [更新が必要]、}および適切にランダム化された試験と不適切にランダム化された試験の間の違いを経験的に検出することは困難でした。^{[15] [16]}

ランダム化は、多くの科学的主張の基礎です。ランダム化とは、交絡因子を排除できることを意味します。A が B に与える影響を研究するとします。しかし、Bに影響を与える可能性があり、発見の推定を混乱させる可能性のある観測不可能な要素Uが多数あります。このような問題を説明するために、統計学者や計量経済学者は今日、有向非巡回グラフを使用します。^{[更新が必要]}

• A/Bテスト
• 割り当ての隠蔽
• ランダム割り当て
• ランダムブロック設計
• ランダム化比較試験

• Caliński, Tadeusz & Kageyama, Sanpei (2000).ブロック設計: ランダム化アプローチ、第 1 巻: 分析。統計学講義ノート。第 150 巻。ニューヨーク: Springer-Verlag。ISBN 978-0-387-98578-7。
• Caliński, Tadeusz & Kageyama, Sanpei (2003).ブロック設計: ランダム化アプローチ、第2巻: 設計。統計学講義ノート。第170巻。ニューヨーク: Springer-Verlag。ISBN 978-0-387-95470-7。
• ハッキング、イアン（1988年 9月） 。「テレパシー：実験デザインにおけるランダム化の起源」。Isis。79 （ 3）：427–451。doi ：10.1086/354775。JSTOR 234674。MR  1013489。S2CID 52201011  。
• Hinkelmann, Klaus; Kempthorne, Oscar (2008)。実験のデザインと分析、第 1 巻: 実験デザイン入門 (第 2 版) 。Wiley。ISBN 978-0-471-72756-9. MR  2363107。
• Kempthorne, Oscar (1992)。「介入実験、ランダム化、推論」。Malay Ghosh および Pramod K. Pathak (編)。統計的推論の現在の問題 - D. Basu を記念したエッセイ。数理統計研究所講義ノート - モノグラフ シリーズ。ヘイワード、カリフォルニア州: 数理統計研究所。pp. 13–31。doi :10.1214 / lnms/1215458836。ISBN 978-0-940600-24-9. MR  1194407。