授業アンケートの回答から学生の平均勉強時間を計算し、「この大学の学生は」と書き始めたところで、回答したのは一部の授業の履修者だけだったと気づく場面があります。手元の数字は回答した人について確かな値でも、知りたかったのが全学生の姿なら、その数字をどこまで広げてよいかは別に考える必要があります。
このとき区別しているのが母集団と標本で、どちらについて結論を出しているのかを曖昧にしたまま計算を進めると、検定や信頼区間がどれほど精密でも、結論を当てはめる対象そのものがズレてしまいます。
推測統計は標本から母集団を語る方法
統計学で母集団(population)と呼ぶのは、結論を当てはめたい対象全体のことで、ある大学の全学生、ある年に健診を受けた全員、ある工場で今月作られた全製品などが当たります。一方、実際に測定できたのはその一部で、これを標本(sample)と呼び、推測統計は標本の値から母集団の値について何が言えるかを、ばらつきの大きさを含めて述べる方法の体系です。
この関係を記号で書くと、母集団の大きさを$N$、標本の大きさを$n$として、母集団の平均と標本の平均は次のように表せます。
$$\mu = \frac{1}{N}\sum_{i=1}^{N} y_i \tag{1}$$
式(1)は、母集団に属する$N$人全員の値$y_i$を足して$N$で割った値が母平均$\mu$であることを表しており、$\mu$は母集団が決まれば1つに定まる値です。母集団を「ある大学の全学生」から「全国の大学生」に替えれば、同じ式でも$N$と$y_i$が入れ替わり、$\mu$は別の値になります。
$$\bar{y} = \frac{1}{n}\sum_{i \in S} y_i \tag{2}$$
式(2)は、標本$S$に選ばれた$n$人の値だけを平均したものが標本平均$\bar{y}$であることを示し、$S$は選ばれた人の集合です。そのため、$\mu$が1つしかないのに対し、$\bar{y}$は誰が選ばれたかによって値が変わります。
この違いに名前を付けたのが母数(パラメータ)と統計量の区別で、$\mu$のように母集団を特徴づける値を母数、$\bar{y}$のように標本から計算する値を統計量と呼びます。推測統計が最終的に主張したいのは母数についての内容で、統計量はそこへ近づくための手がかりという位置づけになります。
しかも、全員を測れば母数は計算できますが、その場合は推測の必要がなくなるため、推測統計が扱うのは、普段は見えない$\mu$について、見えている$\bar{y}$と標本の取り方の情報からどこまで言えるかという場面になります。
母集団を先に決めないと結論の範囲は決まらない
同じ400人分の血圧データでも、それを「ある市の成人全体」の標本とみるか、「ある企業の健診受診者全体」の標本とみるかで、平均値が語る内容は変わります。数字そのものは同じでも、結論を当てはめる範囲は母集団の定義で決まるため、標本を集める前に、誰についての値を知りたいのかを言葉で定めておく必要があります。
この定義が曖昧なまま解析を進めると、結果を当てはめてよい範囲を後から説明できなくなります。実際、冒頭の授業アンケートは、その授業の履修者を母集団とするなら全数に近い調査ですが、全学生を母集団とするなら、特定の授業を選んだ学生という偏った層だけを集めた標本になります。
もっとも、名簿が存在しない、全員に連絡できないといった事情があると、母集団を明確に決めても、実際に抽出できる集団(抽出枠)と結論を当てはめたい母集団がズレることは珍しくありません。このズレが、次に述べる偏りの入り口になります。
さらに、母集団の定義には時期や地域も含まれます。2020年の調査で得た平均を2026年の同じ地域の値として語る時には、調査時点の母集団と現在の母集団が同じとみなせるかという、標本の情報だけでは確かめられない仮定が1つ増えることになります。
10万人の母集団を乱数で作って確かめる
母集団と標本の関係は、母数が分かっている状況を作ると目で確かめられます。そこで、平均128、標準偏差16の正規分布から、ある地域の成人10万人の収縮期血圧(mmHg)を乱数で生成し、これを有限の母集団として扱いました。
この母集団から400人の標本を取る方法として、10万人の誰もが等しい確率で選ばれる単純無作為抽出と、血圧が高い人ほど参加しやすい自己選択型の調査を模した抽出を用意しました。後者の参加確率は血圧のロジスティック関数で与え、血圧が1mmHg高いごとに参加のオッズが一定の割合で増える設定にしています。
set.seed(42)
# 10万人の収縮期血圧(mmHg)からなる有限母集団
population_sbp <- round(rnorm(100000, mean = 128, sd = 16), 1)
pop_mean <- mean(population_sbp)
# 血圧が高い人ほど調査に参加しやすい参加確率
participation_prob <- plogis(-3 + 0.04 * (population_sbp - 128))
random_sample <- sample(population_sbp, size = 400)
self_sample <- sample(population_sbp, size = 400, prob = participation_prob)
round(c(population = pop_mean, random = mean(random_sample),
selfselect = mean(self_sample)), 2)
#> population random selfselect
#> 127.93 128.66 137.18
この出力では、母平均は127.9mmHgで、無作為に選んだ400人の標本平均は128.7mmHgと母平均から0.73mmHg離れただけでしたが、自己選択の標本平均は137.2mmHgで、9mmHg以上高く出ました。ただし、1回の抽出だけを見ている段階では、0.73mmHgのズレも9mmHg以上のズレも、たまたまその人たちが選ばれた結果なのか、取り方に組み込まれた偏りなのかを区別できません。
もっとも、現実の調査では、この1回分の標本しか手に入らず、母平均の127.9mmHgも分かりません。そこで、母平均が分かっているこの設定を使い、取り方そのものの性質を調べます。
標本を取り直すと標本平均はどう動くか
1回の抽出で生じたズレが偶然か偏りかは、同じ取り方で標本を何度も取り直し、標本平均がどこに集まるかを見ると分かります。そのため、どちらの方法でも400人の抽出を2,000回繰り返し、得られた2,000個の標本平均について、その平均と標準偏差を求めました。
# 同じ抽出を2,000回繰り返す
random_means <- replicate(2000, mean(sample(population_sbp, size = 400)))
self_means <- replicate(2000, mean(sample(population_sbp, size = 400,
prob = participation_prob)))
round(c(random_mean = mean(random_means), random_sd = sd(random_means),
self_mean = mean(self_means), self_sd = sd(self_means)), 2)
#> random_mean random_sd self_mean self_sd
#> 127.94 0.79 137.40 0.77
実際、繰り返した結果を見ると、無作為抽出では2,000個の標本平均の平均が127.94mmHgで母平均127.93mmHgとほぼ一致し、個々の標本平均はその周りに標準偏差0.79mmHgほどでばらついていました。これに対して自己選択では、標本平均の平均が137.4mmHgと母平均より約9.5mmHg高い位置にあり、ばらつきの大きさは0.77mmHgで無作為抽出とほとんど変わりませんでした。
breaks <- seq(floor(min(random_means, self_means)) - 1,
ceiling(max(random_means, self_means)) + 1, by = 0.25)
hist(random_means, breaks = breaks, col = rgb(0.2, 0.4, 0.8, 0.5), border = NA,
main = "Sample means from 2,000 repeated samples (n = 400)",
xlab = "Sample mean of systolic BP (mmHg)", ylab = "Frequency")
hist(self_means, breaks = breaks, col = rgb(0.9, 0.4, 0.1, 0.5), border = NA, add = TRUE)
abline(v = pop_mean, lwd = 2, lty = 2)
legend("top", legend = c("Simple random sample", "Self-selected sample", "Population mean"),
fill = c(rgb(0.2, 0.4, 0.8, 0.5), rgb(0.9, 0.4, 0.1, 0.5), NA),
border = NA, lty = c(NA, NA, 2), lwd = c(NA, NA, 2), bty = "n")

この図1で2つの分布を並べると、幅はほぼ同じで、異なるのは中心の位置です。このため、標本ごとのばらつきの大きさだけを見ても自己選択の偏りは見つからず、標本平均が母平均の周りでばらつくという性質は、無作為抽出という取り方があって初めて成り立つものだと読めます。
こうした、取り直すたびに変わる標本平均の分布を標本分布と呼び、その標準偏差が標準誤差に当たります。今回の0.79mmHgは無作為抽出の場合の標準誤差の目安になりますが、自己選択の0.77mmHgは、ズレた中心の周りでのばらつきを表しているだけで、母平均からの距離は何も教えてくれません。
偏りは標本を増やしても消えない
参加しやすさが血圧そのものと結びついている限り、参加者を増やして小さくなるのは標本平均のばらつきだけで、中心の隔たりは残ります。Meng(2018)は、選択の仕組みと測定値の相関がわずかでも残ると、標本が大きいほど誤差の大部分を偏りが占めるようになることを明らかにし、大量のデータが小さな無作為標本より不正確になりうることを論じています。
実際、自己選択の抽出を標本サイズ100、400、1,600、6,400でそれぞれ500回繰り返し、母平均からの偏りと標本平均の標準偏差を求めました。計算を速くするため、ここでは参加確率に比例した復元抽出で近似しています。
size_check <- t(sapply(c(100, 400, 1600, 6400), function(n_i) {
self_n <- replicate(500, mean(sample(population_sbp, size = n_i, replace = TRUE,
prob = participation_prob)))
c(n = n_i, self_bias = mean(self_n) - pop_mean, self_sd = sd(self_n))
}))
round(size_check, 2)
#> n self_bias self_sd
#> [1,] 100 9.35 1.50
#> [2,] 400 9.56 0.81
#> [3,] 1600 9.50 0.40
#> [4,] 6400 9.49 0.20
この出力では、標本サイズを64倍にしても偏りは9.35から9.49mmHgとほぼ変わらない一方、標準偏差は1.50から0.20まで縮んでいます。人数を増やすと推定は狭い範囲に集まりますが、その集まる位置は母平均から約9.5mmHg離れたままで、精度が上がるほど誤った値を確信を持って報告することになります。
さらに、標本が大きいほど標準誤差が小さくなって信頼区間は狭くなるため、自己選択の標本ではズレた位置に狭い区間を描くことになります。この状況で区間が母平均を外すのは取り方に組み込まれた偏りの帰結で、標準誤差の計算をいくら正しく行っても直りません。
同じ問題について、Keiding and Louis(2016)は疫学研究や社会調査への自己選択による参加を取り上げ、参加者が誰かによって推定値が目標とする母集団の値から離れうること、その隔たりの大きさは参加の仕組みについての仮定なしには評価できないことを論じています。また、Bethlehem(2010)はウェブ調査を例に、回答者が自ら参加を選ぶ形式では、回答者数を増やしても選択バイアスが残ることを報告しました。
無作為抽出が推測の根拠になる理由
無作為抽出では、母集団の誰がどの確率で選ばれるかを調査する側が決めているため、標本平均がどの範囲でばらつくかを確率の計算として導けます。Neyman(1934)は、無作為に抽出した標本に基づいて母集団の値を区間で推定する考え方を提案し、典型的と判断した単位を選ぶ有意選出(purposive selection)では、この確率的な裏づけが得られないことを論じました。
この裏づけがあるため、今回の無作為抽出では2,000個の標本平均の平均が母平均とほぼ一致しました。逆に、参加確率が調査する側に分からない自己選択では、ばらつきの大きさは計算できても、中心がどこにあるかを標本の中の情報だけからは判断できません。
なお、実際の調査では名簿の不備や回答拒否があり、完全な無作為抽出はまれですが、その場合も、誰がどの理由で抜けたかを記録しておけば、偏りの向きと大きさを議論する材料が残ります。今回の設定でいえば、参加者に血圧の高い人が多いと分かっていれば、標本平均が母平均より高めに出ている可能性を少なくとも向きとしては読み取れます。
代表性が必要な推定と必要でない推定
標本に母集団の縮図を求めるべきかどうかは、推定したいものによって変わります。ある地域の高血圧の割合や平均血圧のように母集団そのものの値を記述したい場合には標本の代表性が欠かせませんが、Rothman, Gallacher and Hatch(2013)は、要因と結果の関係のような科学的な関係を調べる研究では、代表性よりも比較の妥当性を優先すべきだと論じています。
この議論を今回の例に当てはめると、自己選択の標本で母集団の平均血圧を述べるのは避けるべきですが、同じ標本の中で別の要因と血圧の関係を調べる場合には、参加の仕組みがその関係を歪めるかどうかで判断します。そのため、標本の取り方が適切かどうかは単独では決まらず、推定したい対象とセットで評価する必要があります。
ここまでの結果から、母集団の平均や割合を述べることが目的の研究で、自己選択や便宜的に集めた標本の値をそのまま母集団の値として報告する進め方は採りません。今回の設定では400人の自己選択標本の平均が母平均より9mmHg以上高く、しかもそれが人数を増やしても縮まらない種類のズレなので、参加の仕組みと標本の特徴を併記し、結論を当てはめる範囲を参加者の範囲に絞って書く方が、読み手にとって正確な報告になります。
論文や報告書ではどう扱われているか
論文や報告書では、標本がどの母集団から、どの方法で得られたかを方法の節に書くことが基本になります。Keiding and Louis(2016)の議論でも、参加者がどのように集まったかの記述は、結果を母集団へ広げてよいかを読み手が判断する材料として位置づけられています。
このため、報告では目標とした母集団、実際に抽出できた集団、抽出の方法、参加や回答の割合を区別して記載し、標本平均や信頼区間はどの母集団についての推定かと一緒に示すと、読み手が結論の範囲を誤解しにくくなります。一方、無作為抽出に基づかない標本で信頼区間を報告する場合、その区間が表すのは抽出のばらつきだけで、選択による偏りは含まれていないことを明記しておく必要があります。
医療研究の文脈で、母集団と標本の区別を点推定と区間推定に結びつけた説明は、【医療統計版】母集団と標本:点推定と区間推定の違いにあります。また、手元の標本を母集団の代わりとみなして標本を作り直す発想は、【医療統計版】ブートストラップ(1/5):経験分布から標本を作り直す仕組みの土台になっています。
標本の数字を母集団の言葉にする前に
手元にある数字は、どれほど正確に計算しても、まずは標本についての値です。それを母集団についての結論として書けるのは、母集団を定義し、その母集団から誰がどの確率で選ばれたかを説明できる場合に限られます。
したがって、検定や信頼区間の結果を読む前に、その推定がどの母集団についてのものか、標本はどう集められたかを確かめておくと、有意差や区間の幅だけから結論を広げすぎる誤りを避けられます。母数と推定値の区別や標準誤差の大きさも、この土台の上で初めて意味を持つ量です。
参考文献
- Neyman J. On the two different aspects of the representative method: the method of stratified sampling and the method of purposive selection. Journal of the Royal Statistical Society. 1934;97(4):558-625.
- Keiding N, Louis TA. Perils and potentials of self-selected entry to epidemiological studies and surveys. Journal of the Royal Statistical Society: Series A. 2016;179(2):319-376.
- Rothman KJ, Gallacher JEJ, Hatch EE. Why representativeness should be avoided. International Journal of Epidemiology. 2013;42(4):1012-1014.
- Meng XL. Statistical paradises and paradoxes in big data (I): law of large populations, big data paradox, and the 2016 US presidential election. The Annals of Applied Statistics. 2018;12(2):685-726.
- Bethlehem J. Selection bias in web surveys. International Statistical Review. 2010;78(2):161-188.


