Loading article…
統計学において、標本抽出バイアスとは、標本が収集される際に、対象母集団の一部のメンバーの標本抽出確率が他のメンバーよりも低かったり高かったりするバイアスのことです。その結果、母集団（または非人的要因）の標本が偏ってしまい、すべての個人または事例が均等に選択される可能性がなくなります。 [ 1 ] [ 2 ]このバイアスを考慮しないと、結果が標本抽出 方法ではなく、研究対象の現象に誤って帰属される可能性があります。
医学文献では、サンプリングバイアスをアセンションバイアスと呼ぶことがある。[ 3 ] [ 4 ]アセンションバイアスは基本的に同じ定義であるが、[ 5 ] [ 6 ]依然として別のタイプのバイアスとして分類されることがある。[ 5 ]
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として分類され、[ 7 ]時には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 ]独立したタイプ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の区別は、普遍的に受け入れられているわけではありませんが、テストの外的妥当性（結果を母集団全体に一般化できる能力）を損なうのに対し、選択バイアスは主に、手元のサンプルで見つかった差異や類似性に関する内的妥当性に関係するという点です。この意味で、サンプルまたはコホートを収集するプロセス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、それ以降のプロセスでの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われる。[ 12 ]
医学的疾患の研究は、逸話的な報告から始まります。こうした報告は、診断と治療のために紹介された症例のみを対象としています。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する子どもよりも、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、他の疾患の検査を受け、診断される可能性が高く、併存疾患の統計が歪められます。特定の診断が行動上の問題や知的障害と関連付けられるようになると、親は子どもがそのような診断で烙印を押されることを防ごうとしますが、これがさらなる偏りを生み出します。全人口から慎重に選ばれた研究によると、多くの疾患は以前考えられていたよりもはるかに一般的で、通常ははるかに軽度であることが示されています。
遺伝学者は、ヒト集団からデータを取得する方法に制約があります。例として、ヒトの特性を考えてみましょう。私たちは、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することに関心があります。メンデル遺伝の法則に従うと、家族の両親がその特性を持っていなくても、その特性の対立遺伝子を持っている場合、彼らは保因者（例えば、非発現ヘテロ接合体）です。この場合、彼らの子供はそれぞれ25%の確率でその特性を示します。問題は、特性を示す子供がいない限り、両親が保因者（ヘテロ接合体）である家族を特定できないことです。この説明は、サットンの教科書に従っています。[ 13 ]
両親が保因者である場合、子供が2人いる家庭では以下のようになります。
図には、各家族が選ばれる確率と、影響を受けた子供のサンプル頻度が示されています。この単純なケースでは、研究者は、使用する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であることを確認します。
選択バイアスの一例として、「洞窟人効果」と呼ばれるものがあります。先史時代の人々についての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、洞窟から得られたものです。もし同時代の絵画が木や動物の皮、丘の斜面に描かれていたとしたら、ずっと前に洗い流されてしまっていたでしょう。同様に、火の跡、貝塚、埋葬地などの証拠は、洞窟の中では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、そこにデータがまだ存在しているからであって、必ずしも彼らのほとんどが人生の大半を洞窟で過ごしたからではありません。[ 14 ]
標本バイアスは、標本から算出された統計量が系統的に誤っている可能性があるため問題となります。標本バイアスは、母集団における対応するパラメータの系統的な過大評価または過小評価につながる可能性があります。標本バイアスは、標本抽出において完全なランダム性を確保することが事実上不可能なため、実際に発生します。誤表現の程度が小さい場合、標本はランダム標本の妥当な近似値として扱うことができます。また、標本が測定対象量において著しく異ならない場合、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。実際、バイアスは、意図的に誤解を招こうとする意図やその他の科学的不正行為から生じることもあります。統計学においては、バイアスは、それが意図的であろうと無意識的であろうと、あるいは観察に用いられる機器の不完全さによるものであろうと、単に数学的な性質を表すものです。一部の人は、誤解を招く結果を生み出すために意図的にバイアスのあるサンプルを使用するかもしれませんが、多くの場合、バイアスのあるサンプルは、真に代表的なサンプルを得ることの難しさ、あるいは測定や分析の過程におけるバイアスへの無知を反映しているにすぎません。バイアスへの無知が存在する例として、生物学において差異の尺度として広く用いられている比率（別名：倍率変化）が挙げられます。与えられた差を持つ2つの小さな数値で大きな比率を得ることは容易であり、より大きな差を持つ2つの大きな数値で大きな比率を得ることは比較的困難であるため、比較的大きな数値測定値を比較する際には、大きな有意差が見落とされる可能性があります。比率（除算）を差（減算）の代わりに用いることで、分析結果が科学から疑似科学へと移行してしまうため、これを「境界設定バイアス」と呼ぶ人もいる（境界設定問題を参照）。
一部のサンプルは、統計設計に偏りがあるものの、パラメータの推定を可能にする。たとえば、米国国立健康統計センターは、全国規模の調査の多くで、少数民族集団からのサンプルを意図的に過剰抽出することで、これらの集団内での推定値の精度を十分に確保している。 [ 15 ]これらの調査では、すべての民族集団にわたって適切な推定値を得るために、サンプルウェイト（後述）の使用が必要となる。特定の条件（主にウェイトが正しく計算され、使用されていること）が満たされれば、これらのサンプルは母集団パラメータの正確な推定を可能にする。
偏ったサンプルと、それが生み出した誤解を招く結果の典型的な例は、1936年に起こった。世論調査の黎明期、アメリカの雑誌「リテラリー・ダイジェスト」は200万件以上の郵送調査を集め、アメリカ大統領選挙の共和党候補アルフ・ランドンが現職大統領フランクリン・ルーズベルトに大差で勝利すると予測した。しかし、結果は正反対だった。「リテラリー・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、自動車所有者と電話利用者の登録記録を加えたものだった。このサンプルには、共和党候補に投票する傾向が強い富裕層が過剰に含まれていた。対照的に、ジョージ・ギャラップの組織が選んだわずか5万人の市民を対象とした世論調査は、結果を正確に予測し、ギャラップ世論調査の人気につながった。
もう一つの典型的な例は、1948年の大統領選挙で起こった。選挙の夜、シカゴ・トリビューン紙は「デューイ、トルーマンを破る」という見出しを掲載したが、これは誤りだったことが判明した。翌朝、満面の笑みを浮かべた次期大統領ハリー・S・トルーマンが、この見出しの新聞を手にしている写真が公開された。トリビューン紙が誤った理由は、編集者が電話調査の結果を信頼したためである。当時、調査研究はまだ黎明期にあり、電話利用者のサンプルが一般人口を代表するものではないことに気づいていた学者はほとんどいなかった。電話はまだ広く普及しておらず、電話を持っている人は裕福で住所が安定している傾向があった。（多くの都市では、ベルシステムの電話帳と社交名簿に同じ名前が掲載されていた。）さらに、トリビューン紙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週間以上前のものだった。[ 17 ]
大気質データでは、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、同じ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よくあります。これらの相関関係は、空間（つまり場所）と時間（つまり期間）に依存します。したがって、汚染物質の分布は、すべての場所とすべての期間を代表するものではありません。低コストの測定機器を、より正確には基準機器の隣に配置して、フィールドデータで多変量的に校正すると、異なる化合物間の関係が校正モデルに組み込まれます。測定機器の位置を変更すると、誤った結果が生じる可能性があります。[ 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。COVID -19検査におけるサンプリングバイアスの変動が、各国における症例致死率と症例の年齢分布の大きな変動の原因となっていることが示されています。[ 19 ] [ 20 ]
サンプルから人口のセグメント全体が除外されている場合、人口全体を代表する推定値を生成する調整はできません。しかし、一部のグループが過小評価されており、過小評価の程度を定量化できる場合は、サンプルウェイトによってバイアスを修正できます。ただし、修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、バイアスを修正するために使用される方法は不正確になる可能性があります。[ 21 ]
例えば、架空の母集団に男性1,000万人と女性1,000万人がいるとします。仮に、偏りのあるサンプルとして抽出した100人の患者のうち、男性が20人、女性が80人だったとします。研究者は、男性1人あたり2.5、女性1人あたり0.625の重み付けを行うことで、この不均衡を補正できます。男性と女性が調査に参加する可能性に差がない限り、この調整によって、男性50人と女性50人が正確に含まれるサンプルと同じ期待値が得られるようになります。
's Medical Dictionary、第8版