健診受診者100人の収縮期血圧を集計し、平均が130.5mmHgだったとします。この130.5mmHgは手元の100人について計算した値ですが、研究で知りたいのは、ある地域の対象年齢全体や、定めた適格基準を満たす患者全体の平均かもしれません。観測した標本と、結論を向ける母集団を同じものとして扱うと、数字は計算できても、何を推定した結果なのかが曖昧になります。
この記事では、母集団を研究目的から定め、そこから得た標本で母平均を推定する関係を扱います。点推定が返す一つの値と、95%信頼区間が表す不確実性を分けて理解できましたら幸いです。なお、抽出法の各論、一般化のための重み付け、ベイズ信用区間、仮説検定の詳細には広げません。
推定は母集団の定義から始まる
母集団とは、研究結果を向けたい対象の集合です。標本は、その母集団から観測された一部の対象です。たとえば「2026年にA病院を受診した成人」を母集団とする研究と、「同じ地域に住む成人」を母集団とする研究では、同じ100人を解析しても結論を向ける範囲が異なります。母集団はデータファイルを開いた時に自動的に決まる名称ではなく、研究目的、適格基準、時期、地域などによって定義されます。
この関係を記号で置くと、母集団の平均を母平均$\mu$、母集団から得た標本サイズを$n$、各対象の観測値を$X_i$とします。手元の標本で計算する標本平均$\bar{X}$は、次の点推定量です。
$$\bar{X}=\frac{1}{n}\sum_{i=1}^{n}X_i \tag{1}$$
式(1)は、$n$人の観測値を合計して人数で割り、未知の母平均$\mu$を一つの値で推定することを表しています。
ここで区別したいのは、推定量と推定値です。$\bar{X}$は標本を取り直せば値が変わる計算規則、130.5mmHgは今回の標本から得た具体的な推定値です。一方、$\mu$は固定されていますが、通常は全員を観測できないため未知のままです。この区別が、区間推定の読み方につながります。
標本は母集団の縮図とは限らない
標本平均を計算できても、それだけで母集団への推定が正当化されるとは限りません。参加しやすい人だけが登録された場合や、欠測が特定の背景を持つ人に偏った場合には、標本平均の偶然のばらつきとは別に、選択過程によるズレが生じます。標本サイズを100人からさらに増やせば偶然誤差は小さくなりますが、選択のズレが自動的に消えるとは限りません。
「母集団を代表する標本でなければ研究にならない」と考えるのも単純すぎます。Rothmanら（2013）は、代表性を一律に要求するより、研究目的、選択過程、効果の異質性を分けて考える必要を論じています。母平均を記述したい本記事の設定では、どの仕組みで100人が母集団から観測されたのかが、推定をどこまで広げられるかを決めます。
私なら、平均値の計算より先に、母集団を一文で特定できるか、標本に入るまでの選択がその定義と対応しているかを確認します。ここが曖昧なまま、95%信頼区間だけを精密に計算する進め方は適切ではありません。区間が扱うのは定めた確率モデルの下での標本変動であり、対象集団の取り違えまで補正するものではないからです。
点推定は一つの値だけを返す
母平均130mmHg、標準偏差15mmHgの正規分布から100人をランダムに生成したデータセットでは、標本平均は130.5mmHgでした。真の母平均との差は0.5mmHgです。ただし、0.5mmHgという小ささは今回の乱数で観察された結果であり、標本平均が常に母平均の近くに出るという保証ではありません。別の100人なら、標本平均も別の値になります。
点推定には、結果を一つの尺度で伝えやすい利点があります。医学論文で平均値やリスク差などの効果量を報告する時、その大きさは点推定値から読み始めます。しかし、130.5mmHgだけでは、その推定値がどれほど安定しているのかが分かりません。標本サイズ、観測値のばらつき、推定手続きが異なっても、偶然に同じ130.5mmHgが得られることがあります。
そのため、点推定値だけを見て母集団の値を断定する読み方は避けます。知りたいのが母平均なら、推定値の大きさと同時に標準誤差や信頼区間を確認し、標本を取り直した時にどの程度動き得る推定なのかを見ます。
95%信頼区間は手続きの被覆率
母標準偏差が未知の時、正規母集団から得た標本の母平均に対する95%信頼区間は、標本標準偏差$s$と自由度$n-1$の$t$分布を使って構成できます。
$$\bar{X}\pm t_{n-1,\,0.975}\frac{s}{\sqrt{n}} \tag{2}$$
式(2)は、標本平均$\bar{X}$の両側に、標準誤差$s/\sqrt{n}$と$t$分布の97.5百分位点を掛けた幅を取ることを表しています。
今回の100人では、標本標準偏差が15.6mmHg、標準誤差が1.56mmHgで、95%信頼区間は127.4〜133.6mmHgでした。区間推定は一つの答えをぼかすために付ける飾りではなく、同じ推定手続きを反復した時の不確実性を下限と上限で表す方法です。
「この区間に母平均が入る確率は95%」と読みたくなりますが、頻度主義の95%信頼区間については正確ではありません。母平均は固定され、観測後の区間には入るか入らないかのどちらかです。95%は、同じ条件で標本抽出と区間構成を何度も繰り返した時、作られた区間が真の母平均を含む長期的な割合を指します。Hoekstraら（2014）は、統計学を学んだ人でさえもこの読み違いをしていることを報告し、Moreyら（2016）も観測済みの一区間へ確率を割り当てる解釈を批判しています。
標本サイズ25と100の精度差
同じ母平均130mmHg、標準偏差15mmHgでも、標本サイズが変わると標本平均のばらつきが変わります。10,000回の反復抽出では、標本サイズ25の標本平均の経験的な標準誤差は3.00mmHg、標本サイズ100では1.50mmHgでした。人数を4倍にしたため、標準誤差はほぼ半分になっています。
区間の幅にも同じ関係が現れました。95%信頼区間の平均幅は、25人で12.2mmHg、100人で5.9mmHgとなり、前者は後者の2.06倍でした。標本サイズを増やすと、同じ母集団分布と推定方法の下では偶然誤差が小さくなり、区間は狭くなります。
もっとも、狭い区間が研究目的に十分かどうかは別の判断です。5.9mmHgという幅を許容できるかは、何を測り、どの程度の差を区別したいかに依存します。また、区間が狭くても選択のズレや測定誤差は残り得ます。精度の高さと、推定対象への妥当性を同じ言葉で済ませないことが重要です。
医学論文では区間推定を添える
GardnerとAltman（1986）は、医学研究の結果を検定による二分法だけで伝えるのではなく、効果の大きさと信頼区間を報告する重要性を述べています。Altman（2005）も、信頼区間が推定値の不確実性と、データに整合する値の範囲を読む助けになると説明しています。
この文脈では、点推定と区間推定は競合する選択肢ではありません。標本平均130.5mmHgは大きさを伝え、127.4〜133.6mmHgという95%信頼区間は推定精度を添えます。私なら、主要な推定結果を点推定値だけで報告する方法は選びません。同じ値でも区間の幅によって、母集団について言えることの強さが異なるためです。
なお、95%信頼区間に含まれる全ての値が医学的に同じ意味を持つとは限りません。区間は統計的な不確実性を表しますが、治療や診断にとって意味のある差は、研究領域の根拠に基づいて別に定める必要があります。本記事のランダムに生成した血圧データから、医学的な許容範囲を決めることはしません。
Rで10,000回の反復抽出を確認
base Rとstatsパッケージだけを使い、母平均130、標準偏差15の正規分布から100人を抽出しました。標本平均と$t$信頼区間を求める主要部分は次のコードです。
set.seed(42)
population_mean <- 130; population_sd <- 15; sample_size <- 100L
sample_values <- rnorm(sample_size, mean = population_mean, sd = population_sd)
point_estimate <- mean(sample_values)
standard_error <- sd(sample_values) / sqrt(sample_size)
t_critical <- qt(0.975, df = sample_size - 1)
confidence_interval <- point_estimate + seq(from = -1, to = 1, by = 2) * t_critical * standard_error
c(mean = point_estimate, lower = confidence_interval[1], upper = confidence_interval[2])#> mean lower upper
#> 130.4877 127.3883 133.5871出力のmeanが点推定値、lowerとupperが95%信頼区間の下限と上限です。ここで130.4877を母平均そのものと読まず、100人から得た推定値と読みます。また、127.3883〜133.5871は観測後の母平均に95%の確率を与えた範囲ではありません。
同じ条件で100人の標本を10,000回生成すると、95%信頼区間のうち9,482本、94.8%が母平均130mmHgを含みました。有限回のシミュレーションなので95%と完全には一致しませんが、被覆率の長期的な意味を確認できます。図の左側では最初の100本を描き、母平均を含まない区間を橙色にしています。右側は標本サイズ25と100の標本平均の分布です。
simulations <- 10000L; small_size <- 25L
repeated_samples <- matrix(rnorm(sample_size * simulations, population_mean, population_sd), nrow = sample_size)
repeated_means <- colMeans(repeated_samples)
repeated_se <- apply(repeated_samples, 2, sd) / sqrt(sample_size)
repeated_margin <- qt(0.975, sample_size - 1) * repeated_se
repeated_lower <- repeated_means - repeated_margin; repeated_upper <- repeated_means + repeated_margin
contains_population_mean <- repeated_lower <= population_mean & repeated_upper >= population_mean
small_samples <- matrix(rnorm(small_size * simulations, population_mean, population_sd), nrow = small_size)
small_means <- colMeans(small_samples)
small_se <- apply(small_samples, 2, sd) / sqrt(small_size)
small_width <- 2 * qt(0.975, small_size - 1) * small_sec(covered = sum(contains_population_mean), coverage = mean(contains_population_mean), se_n25 = sd(small_means), se_n100 = sd(repeated_means), width_n25 = mean(small_width), width_n100 = mean(repeated_upper - repeated_lower))
#> covered coverage se_n25 se_n100 width_n25 width_n100
#> 9482.00000 0.94820 3.00086 1.50347 12.22554 5.94383shown <- seq_len(100)
interval_colors <- ifelse(contains_population_mean[shown], "#2C7FB8", "#D95F0E")
png("figures/confidence-interval-coverage.png", width = 1100, height = 688, res = 200, type = "cairo"); par(mfrow = c(1, 2), mar = c(4.2, 4.2, 2.5, 1), las = 1, cex = 0.85)
plot(x = repeated_means[shown], y = shown, xlim = range(repeated_lower[shown], repeated_upper[shown]),
xlab = "Mean (95% CI)", ylab = "Repeated sample", main = "First 100 intervals",
pch = 16, col = interval_colors)
segments(x0 = repeated_lower[shown], y0 = shown,
x1 = repeated_upper[shown], y1 = shown, col = interval_colors)
abline(v = population_mean, lty = 2, lwd = 2)
plot(density(small_means), xlab = "Sample mean", ylab = "Density",
main = "Sampling distributions")
lines(density(repeated_means), col = "#2C7FB8", lwd = 2)
abline(v = population_mean, lty = 2, lwd = 2)
legend("topright", legend = c("n = 25", "n = 100"), col = c("black", "#2C7FB8"), lwd = 2, bty = "n")
dev.off()
図を読むときは、青い区間だけに注目しないことが大切です。同じ正しい手続きを使っても、標本変動によって母平均を外す区間が生じます。一方、右側の青い曲線が細いのは今回設定した正規母集団での結果であり、選択のズレが減ったことを意味しません。
研究目的に戻って結果を読む
母集団と標本を分ける目的は、統計用語を増やすことではなく、結果をどこまで述べられるかを決めることです。母集団の定義、標本に入る仕組み、推定した母数が論理的につながっていれば、点推定値と信頼区間の役割も明確になります。
実際の報告では、点推定値から大きさを読み、95%信頼区間から精度を読みます。その上で、区間の幅が研究目的に照らして十分か、標本の選択過程が結論を向けたい母集団と対応しているかを判断します。p値の有無だけで結論を決めたり、信頼区間が狭いという理由だけで母集団への一般化を正当化したりする順序は避けるべきです。
参考文献
- Gardner MJ, Altman DG. Confidence intervals rather than P values: estimation rather than hypothesis testing. Br Med J (Clin Res Ed). 1986;292(6522):746-750.
- Altman DG. Why we need confidence intervals. World J Surg. 2005;29(5):554-556.
- Hoekstra R, Morey RD, Rouder JN, Wagenmakers E-J. Robust misinterpretation of confidence intervals. Psychon Bull Rev. 2014;21(5):1157-1164.
- Morey RD, Hoekstra R, Rouder JN, Lee MD, Wagenmakers E-J. The fallacy of placing confidence in confidence intervals. Psychon Bull Rev. 2016;23(1):103-123.
- Rothman KJ, Gallacher JEJ, Hatch EE. Why representativeness should be avoided. Int J Epidemiol. 2013;42(4):1012-1014.
