1 尤度比の基礎
尤度比は、二つの仮説やモデルを比較し、どちらが観測結果をより支持するかを数値で表す指標である。統計学では、単に当てはまりの良さを見るだけでなく、異なる説明候補の相対的な優劣を整理する目的で用いられる。検定、診断、予測、モデル選択など、幅広い場面で基礎概念となる。
1.1 定義
尤度比は、あるデータが与えられたときに、仮説Aの下での尤度を仮説Bの下での尤度で割った比として定義される。値が1より大きければ前者をより強く支持し、1より小さければ後者が相対的に有利と解釈される。絶対的な真偽を直接示すものではなく、あくまで比較量である。
1.2 尤度との関係
尤度は、観測済みのデータを前提に、あるパラメータやモデルがどれだけそのデータと整合的かを表す関数である。尤度比は、その尤度を二つ以上の候補間で相互比較することで得られる。したがって、尤度そのものが高いことと、尤度比が大きいことは関連するが、同一ではない。
1.3 比較対象となる仮説とモデル
比較の対象は、点仮説である場合も、複数のパラメータを含む統計モデルである場合もある。たとえば、同じ観測値に対して異なる分布仮定を置く場合や、説明変数の有無が異なる回帰モデルを比べる場合がある。実務上は、理論的に競合する説明を同じデータに当てて評価する用途が多い。
1.4 解釈の基本
尤度比は、証拠の方向と強さを要約する。大きな比は、一方の仮説が他方よりデータを説明しやすいことを示すが、確率そのものではない。なお、事前情報を含めない純粋なデータ適合の比較であるため、確率的な確信度と混同しないことが重要である。
2 尤度比の計算
尤度比の計算は、データの型やモデルの性質によって異なるが、基本原理は共通している。各仮説の下で尤度を求め、それらを比として整理する。実際の分析では、積の形で現れる尤度を扱いやすくするため、対数変換がしばしば利用される。
2.1 一般的な式
一般形では、尤度比は L(H1) / L(H0) のように表される。ここでL(H1)は仮説H1の下での尤度、L(H0)は仮説H0の下での尤度である。複数パラメータを含む場合は、それぞれの仮説のもとでパラメータを最尤推定した値を使うことが多い。
2.2 離散型データでの計算
離散型データでは、確率質量関数に基づいて各事象の確率を計算し、観測列全体の確率を積で求める。たとえば二項データでは、成功回数と試行回数から各仮説の尤度を算出できる。カテゴリカルデータでも同様に、各セルの確率構造を用いて比較する。
2.3 連続型データでの計算
連続型データでは、確率密度関数の値を用いて尤度を構成する。密度は確率そのものではないため、観測値が点として与えられたときの相対的な整合性を評価する形になる。正規分布や指数分布など、分布仮定に応じて式が変化する。
2.4 対数尤度比
対数尤度比は、尤度比の対数を取った量であり、乗算を加算に変換できる。これにより、複数の観測から得られる証拠を足し合わせやすくなる。統計解析では、値の解釈と数値処理の両面で有用である。
2.4.1 計算上の利点
対数を用いると、大きな標本では極端に小さい数の積を直接扱わずに済む。これは計算機上の桁落ちやアンダーフローを避けるのに役立つ。さらに、微分や最適化の過程でも式が簡潔になり、推定計算が扱いやすくなる。
2.4.2 数値安定性
尤度は試行回数が増えるほど非常に小さくなることがあり、通常の浮動小数点演算では誤差が増大しやすい。対数化すると、極端な値の範囲を圧縮できるため、安定した比較が可能になる。大規模データ解析や反復推定では特に重要である。
3 統計的仮説検定との関係
尤度比は、仮説検定の中心的な道具の一つである。観測データが帰無仮説のもとでどれほど起こりにくいかだけでなく、対立仮説のほうがどれだけ説明的かを比較できる点に特徴がある。これにより、単純な閾値判定よりも構造的な評価が可能になる。
3.1 尤度比検定
尤度比検定は、二つの入れ子になったモデルの適合度を比較する方法である。一般に、制約の少ないモデルと制約の強いモデルの尤度を比べ、差が十分大きければ制約の強い仮説を棄却する。回帰分析や分散分析など、さまざまな枠組みで用いられる。
3.2 帰無仮説と対立仮説
帰無仮説は基準となる単純な説明、対立仮説はより柔軟な説明として設定されることが多い。尤度比は、これら二つの説明力の差を要約する。帰無仮説が真である確率を直接与えるわけではないが、どちらの仮説がデータに近いかを比較する手がかりとなる。
3.3 検定統計量としての利用
尤度比そのもの、あるいはその変形は検定統計量として扱われる。実際には2倍の対数尤度比が使われる場合が多く、これは標本が大きいときに便利な性質を持つ。統計量の値が大きいほど、二つのモデルの差が明瞭であることを示す。
3.4 有意性との関係
有意性判定では、尤度比に基づく統計量を用いてp値を計算し、観測された差が偶然かどうかを評価する。もっとも、尤度比が大きいことと、実質的に重要な差があることは一致しないこともある。統計的有意性は、あくまで判断材料の一部である。
3.4.1 漸近分布
大標本では、対数尤度比に由来する統計量が特定の分布に近づくことが知られている。これにより、厳密計算が難しい場合でも近似的な有意性評価が可能になる。漸近理論は、尤度比検定の理論的基盤を支えている。
3.4.2 自由度との対応
入れ子モデルの比較では、制約によって失われる自由度が検定の基準になる。統計量の分布は、その自由度に応じて評価されることが多い。自由度の数が増えるほど、比較の解釈は複雑になりやすい。
4 応用
尤度比は理論的な検定だけでなく、実際のデータ分析でも広く使われる。モデルを絞り込む場面、医療検査で結果の信頼性を見積もる場面、ベイズ的な証拠評価を行う場面など、利用領域は多岐にわたる。
4.1 モデル選択
複数の候補モデルのうち、どれが観測データに最も整合的かを選ぶ際に、尤度比が役立つ。説明変数の追加や分布仮定の違いが、適合度にどの程度反映されるかを比較できる。過度に複雑なモデルを避けるための補助指標としても機能する。
4.1.1 情報量規準との関係
情報量規準は、当てはまりと複雑さのバランスを評価する枠組みである。尤度比はその構成要素として現れることがあり、単独で使う場合よりも総合評価の一部として扱われることが多い。AICやBICのような基準は、尤度の差を罰則項と組み合わせて判断する。
4.1.2 ネストしたモデルの比較
ネストしたモデルでは、より単純なモデルがより複雑なモデルの特殊例になっている。尤度比を用いると、追加されたパラメータが十分な改善をもたらしているかを検証できる。これは、変数を一つずつ加える段階的分析でも有用である。
4.2 診断検査
医療や工学の診断では、検査結果が真の状態をどれだけ支持するかを評価するために尤度比が使われる。陽性・陰性の結果に応じて、疾患や故障の可能性を更新する補助指標となる。感度や特異度と併せて解釈されることが多い。
4.2.1 陽性尤度比
陽性尤度比は、検査が陽性だったときに、病気がある場合の起こりやすさを病気がない場合と比べた比である。値が高いほど、陽性結果が対象状態を強く示唆する。診断性能の比較で広く参照される。
4.2.2 陰性尤度比
陰性尤度比は、検査が陰性だったときに、対象状態がある場合とない場合の相対的な起こりやすさを表す。値が小さいほど、陰性結果によって状態の存在を否定しやすい。除外診断の能力を把握するうえで重要である。
4.2.3 事前確率と事後確率
尤度比は、事前確率を事後確率へ更新する際の橋渡しとして使われる。事前に想定していた発生確率に、検査結果の証拠を加えることで、より現実的な推定が得られる。ベイズ的な更新と親和性が高い。
4.3 ベイズ統計学での利用
ベイズ統計では、尤度比は事前分布と組み合わせて証拠を評価する役割を持つ。単一のデータ列がどの仮説をどれだけ支持するかを、事後分布の変化として捉える。モデル比較の場面では、尤度比が重要な中間量となる。
4.3.1 ベイズ因子との関係
ベイズ因子は、二つの仮説の周辺尤度の比であり、尤度比と形式的に近い。両者はしばしば関連づけて説明されるが、ベイズ因子はパラメータについて積分した量を使う点が異なる。したがって、単純な最尤比とは一致しないことがある。
4.3.2 証拠の強さの評価
ベイズ的分析では、尤度比やベイズ因子を使って証拠の強さを段階的に評価することがある。数値の大きさに応じて、弱い支持から強い支持までを区別する。もっとも、解釈の基準は分野や慣習によって異なる。
5 関連する概念
尤度比は、周辺の統計概念と密接に結びついている。オッズ比や尤度関数、ベイズ因子などは、いずれも比較や更新に関わるが、意味と使用法はそれぞれ異なる。これらを区別することは、誤解を避けるうえで重要である。
5.1 オッズ比
オッズ比は、二つの割合の比を表す尺度で、主に二値データの関係を記述する。尤度比と似た名称を持つが、基礎となる量が異なる。疫学や回帰分析では、両者が並んで用いられることがある。
5.2 尤度
尤度は、与えられたデータの下で仮説がどれほど適合するかを示す関数である。尤度比は、その尤度を比較の形に拡張したものである。尤度の理解は、比を正しく解釈する前提となる。
5.3 ベイズ因子
ベイズ因子は、二つの仮説の相対的支持を表す指標で、ベイズ推論におけるモデル比較に使われる。尤度比と近い役割を持つが、事前分布や周辺化を含む点で異なる。両者の違いを意識すると、推論の枠組みが明確になる。
5.4 尤度関数
尤度関数は、パラメータを変数と見なしてデータの説明力を表す関数である。尤度比は、複数の尤度関数、または同一関数の異なる点を比較する操作と考えられる。推定理論では中心的な役割を担う。
5.5 情報量
情報量は、観測がもたらす不確実性の減少や、モデル選択における効率性を表す広い概念である。尤度比は、証拠の蓄積や情報の優劣を定量化する手段として位置づけられる。情報理論的な視点からも関連が深い。
6 性質と注意点
尤度比は強力な道具だが、使い方を誤ると解釈を誤りやすい。尺度変換、標本数、モデル仮定の影響を受けるため、単独の数値だけで結論を出すのは適切でない。背景理論と合わせて用いることが望ましい。
6.1 スケール変換の影響
尤度比は比そのものとしても、対数や別のスケールに変換しても利用できる。変換後は数値の見やすさが増す一方、直感的な意味が変わることがある。報告時には、どの尺度で表したかを明示する必要がある。
6.2 サンプルサイズへの感度
標本が大きいほど、わずかなモデル差でも尤度比が極端な値になりやすい。逆に、標本が小さいと差があっても明瞭に現れないことがある。したがって、数値の大小だけで実質的な重要性を判断するのは不十分である。
6.3 解釈上の限界
尤度比は相対比較であり、仮説の絶対的真理を保証しない。さらに、モデルがどちらも不適切であれば、比が大きくても実際の説明力は低い。観測誤差やモデル誤設定の影響も受けるため、補助的な判断材料として使うのが基本である。
6.4 適用上の前提条件
適切な計算には、仮定した確率モデルがデータ構造に合っていることが必要である。独立性、同分布性、測定の精度などが破れていると、結果の信頼性が下がる。分析前に前提を点検し、必要に応じて頑健な方法を併用することが望ましい。