1 多重代入の基礎
多重代入は、欠測値を含むデータに対して、欠けた部分を一つの値で埋めるのではなく、複数のもっともらしい値で置き換える方法である。各補完は観測された情報に基づいて生成され、後続の解析ではそれぞれの結果をまとめて扱う。これにより、欠測のある資料を使いながら、推定の不確実性をより適切に表現できる。
1.1 定義
この手法では、まず欠測箇所を予測モデルで補い、複数の完全なデータセットを作成する。その後、それぞれのデータセットに同じ分析を適用し、得られた推定量を統合して最終結果を求める。単なる代入ではなく、補完のたびに異なる値を与える点が特徴である。
1.2 欠測データとの関係
欠測データは、測定不能、未回答、記録漏れなどの理由で生じる。多重代入は、欠測を無視せずに扱うための代表的な統計的枠組みであり、完全事例解析に比べて情報の損失を抑えやすい。
1.2.1 欠測の種類
欠測は一般に、完全に無作為に起こる場合、観測された情報に依存する場合、そして欠測そのものの値に依存する場合に区分される。これらの違いは、どの程度まで補完が妥当か、また推定の偏りがどのように生じるかに影響する。
1.2.2 欠測が分析に与える影響
欠測があると、標本数が実質的に減り、推定精度が下がる。さらに、欠測の生じ方が偏っていると、平均や回帰係数などの推定値自体が歪むおそれがある。多重代入は、この問題を緩和するために用いられる。
1.3 単一補完との違い
単一補完は、欠測値に一つの値だけを入れるため、得られるデータは見かけ上完全になる。しかし、その方法では補完に伴う不確実性が反映されにくく、標準誤差が過小評価されやすい。多重代入は複数の候補を使うことで、この欠点を補う。
2 理論的背景
多重代入の考え方は、欠測値が未知であるだけでなく、その補い方にも確率的な揺らぎがあるという前提に立つ。したがって、補完結果を一意に定めるのではなく、複数の実現を通じて不確実性を保持することが重視される。
2.1 確率的補完の考え方
補完値は、予測式の点推定だけでなく、誤差項や分布のばらつきを加味して生成される。こうした確率的な補完により、同じ元データからでも異なる補完データセットが得られる。これは、欠測部分が本来持つ曖昧さを表すための工夫である。
2.2 不確実性の反映
多重代入では、補完後の推定値が一つに定まるだけでなく、どれほどぶれるかも重要になる。そこで、データ内部の変動と補完ごとの差異を分けて考え、最終的な推定精度を評価する。
2.2.1 補完内変動
補完内変動は、各補完データセットの中で見られる通常の標本変動を指す。これは、欠測がない場合でも生じる分析上のばらつきに相当し、各推定量の標準誤差の基礎となる。
2.2.2 補完間変動
補完間変動は、補完のたびに値が変わることによって生じる差である。欠測部分に由来する追加的不確実性を表し、この変動が大きいほど、最終的な推定の不確かさも大きくなる。
2.3 解析結果の統合
複数の補完データセットから得られた推定結果は、そのまま並べるのではなく、統合規則に従ってまとめる。統合では、各推定値の平均化に加え、分散成分の組み合わせが必要になる。これによって、点推定と不確実性の双方を一つの結果として提示できる。
3 実施手順
多重代入の実務では、補完モデルの設計、複数データセットの作成、各データセットでの分析、そして結果の統合という順序で進める。各段階の選択が最終結果に影響するため、形式的な手順であっても慎重さが求められる。
3.1 補完モデルの構築
補完モデルは、欠測値を予測するための設計図にあたる。観測済みの変数から欠測部分を説明できるように組み立て、解析目的に沿った構造を持たせることが重要である。
3.1.1 予測変数の選定
補完に使う変数は、欠測対象と関係のあるものを広く含めるのが一般的である。結果変数や補助変数を適切に取り込むと、補完の妥当性が高まりやすい。一方で、不要な変数を過度に増やすと、モデルが複雑になりやすい。
3.1.2 変数型への対応
連続変数、二値変数、順序尺度、名義尺度では、適した補完方法が異なる。例えば、回帰型の手法、ロジスティック型の手法、カテゴリカルな分布を扱う方法などを使い分ける。変数の性質に合わないモデルは、非現実的な補完値を生むおそれがある。
3.2 複数の補完データセットの生成
補完モデルを用いて、通常は複数回、独立に欠測値を埋める。こうして得られたデータセットは、互いに似ていながらも完全には同一でない。補完回数は解析精度や計算資源との兼ね合いで決められる。
3.3 各データセットでの分析
生成した各データセットに対して、同じ統計モデルや検定を適用する。回帰分析、分散分析、予測モデルなど、目的に応じた手法が利用される。ここでは、補完の違いによる結果の差が後の統合に反映される。
3.4 結果の統合方法
統合では、複数の解析から得た推定量を一つの結論にまとめる。一般に、点推定は平均化し、分散は補完内変動と補完間変動を合わせて算出する。統合規則は、推定値だけでなく、その信頼性も同時に示すための枠組みである。
3.4.1 推定値の統合
各補完データセットで得られた係数や平均などの推定値は、単純平均またはそれに準じる方法でまとめられる。これにより、単一の補完に依存しない総合的な点推定が得られる。
3.4.2 標準誤差と信頼区間の統合
標準誤差の統合では、各データセットの内部誤差に加えて、補完間の差も加味する。そこから導かれる信頼区間は、欠測に伴う追加的不確実性を含むため、単一補完よりも広くなることが多い。これは、過度に楽観的な結論を避けるうえで重要である。
4 応用と評価
多重代入は、欠測が避けにくい実証研究で広く利用される。特に、医学、社会科学、経済学のように、完全な観測を得ることが難しい分野で有用性が高い。もっとも、適用の成否はデータ構造と補完モデルの妥当性に左右される。
4.1 医学研究での利用
医学研究では、臨床試験や観察研究に欠測が生じやすい。脱落、未検査、途中中止などによる欠損に対し、多重代入は解析対象を狭めずに済む利点がある。治療効果や予後因子の推定で、しばしば採用される。
4.2 社会科学での利用
社会調査や行動研究では、回答拒否や無回答が珍しくない。多重代入は、属性情報や関連回答を用いて欠測を補うことで、サンプルの代表性を保ちやすくする。とくに、質問票の一部欠損を扱う際に実用的である。
4.3 経済学での利用
経済データでは、家計調査、企業データ、国際比較資料などに欠測が混じることがある。多重代入は、財務指標や所得情報の欠損を補い、回帰分析やパネル分析の一貫性を高めるために使われる。複数の時点や層を含む資料にも応用される。
4.4 手法の限界と注意点
多重代入は強力だが、万能ではない。補完はあくまでモデルに依存するため、仮定が崩れると結果も信頼しにくくなる。実装時には、欠測の構造、変数の関係、解析目的を踏まえた点検が必要である。
4.4.1 計算負荷
補完を複数回行い、そのたびに分析を繰り返すため、計算量は単一解析より大きくなる。変数が多い場合や、複雑な統計モデルを使う場合には、処理時間や資源の消費が問題になりやすい。
4.4.2 モデルの誤指定
補完モデルが実際のデータ生成過程に合っていないと、補完値が不適切になる。非線形性や相互作用、分布の歪みを見落とすと、推定の偏りが残ることがある。したがって、モデル診断や感度分析が重要である。
4.4.3 欠測機構への依存
この手法の妥当性は、欠測がどのように発生したかという前提に左右される。観測された情報だけで欠測を説明できる場合には扱いやすいが、欠測値そのものに強く依存する場合には難度が高い。前提が弱いと、補完の解釈は慎重に行う必要がある。