生物統計学
欠測データの統計 — 不完全な観測にどう向き合うか
現実の研究データには、脱落・未回答・測定不能などによる欠測が避けられない。欠測の扱いを誤ると、解析結果に深刻なバイアスが生じる。本稿では、欠測がなぜ起きるかを分類する欠測機構(MCAR・MAR・MNAR)、安易な完全ケース解析の危うさ、多重代入法と最尤法という主要なアプローチの理論的根拠と限界を整理する。
この記事の要点
- 欠測機構はMCAR(完全ランダム)・MAR(観測値に依存)・MNAR(欠測値自体に依存)に分類される。
- 完全ケース解析は欠測がMCARでない限りバイアスを生むことがある。
- 多重代入法は欠測を複数回補完し不確実性を反映した推定を与える(MAR前提)。
- 最尤法に基づく解析もMARのもとで妥当な推定を可能にする。
- MNARの可能性は検証不能であり、感度分析が重要な役割を果たす。
欠測機構の分類
欠測の扱いを決める鍵は、欠測がなぜ生じたかという欠測機構である。完全にランダムな欠測(MCAR)は、欠測の発生が観測値・欠測値のいずれにも依存しない場合で、この場合は完全ケース解析でもバイアスは生じない(ただし検出力は低下)。ランダム欠測(MAR)は、欠測の発生が観測された変数には依存するが、欠測した値そのものには条件付きで依存しない場合である。非ランダム欠測(MNAR)は、欠測の発生が欠測した値そのものに依存する場合で、最も扱いが難しい。
重要なのは、データから区別できるのはMCARとそれ以外までで、MARとMNARを観測データのみで判別することは原理的にできない点である。したがって、どの機構を仮定するかは、領域知識と欠測の発生過程の理解に基づく判断となる。
不適切な対処法
歴史的に使われてきた単純な対処法には、しばしばバイアスや過小評価された不確実性という問題がある。
- 完全ケース解析: 欠測のある個体を除外。MCAR以外ではバイアスや検出力低下を招きうる。
- 単一代入(平均値代入): 分散を過小評価し、不確実性を無視するため一般に非推奨。
- 最終観測値繰り越し(LOCF): 縦断研究で用いられたが強い仮定に依存し偏りを生みうる。
多重代入法と最尤法
多重代入法は、欠測値を観測値から予測される分布に基づいて複数回(典型的には数十回)補完し、各補完データセットで解析した結果を統合する。補完のばらつきを通じて、欠測に伴う不確実性を推定に正しく反映できる点が利点である。最尤法に基づくアプローチ(完全情報最尤法など)は、欠測を補完せず、観測されたデータの尤度を直接最大化する。いずれもMARを前提とし、観測された変数を適切にモデルに含めることが妥当性の条件となる。
エビデンスの現在地
確実性は中程度から強い。欠測機構の枠組みと、多重代入・最尤法の理論はよく確立しており、MARのもとでこれらが妥当な推定を与えることは理論的に保証されている。臨床試験ガイドラインも、安易な単一代入やLOCFより、これら原則に基づく手法と感度分析を推奨する方向にある。一方、MARの仮定そのものは検証不能であり、MNARの可能性を完全に排除できない点が根本的な限界として広く認識されている。
論点と限界
最大の論点は、MARの検証不能性である。観測データからはMARとMNARを区別できないため、解析はMAR仮定に依存しつつ、その仮定が破れた場合の影響を感度分析で評価することが標準的実践となっている。多重代入では、補完モデルの誤設定(重要な変数の欠落、非線形性の無視)がバイアスを生む。縦断試験における脱落は、しばしば結果と関連する(MNARが疑われる)ため、特に注意を要する。欠測の予防(デザイン段階での脱落最小化)が、いかなる統計的補正よりも重要であるという認識も共有されている。
現場・臨床応用
臨床試験では、脱落による欠測が主要評価項目の解釈を左右する。規制当局のガイドラインは、欠測の最小化、欠測機構の明示、主解析の前提に対する感度分析を求めている。観察研究やレジストリ解析でも、欠測の多い変数の扱いが結論を左右する。エビデンスを読む側は、欠測の割合と扱い方、感度分析の有無を確認することが重要であり、欠測が多く扱いが不透明な研究の結論には慎重さが求められる。
医療免責
本記事は教育目的の学習コンテンツです。診断・治療行為を代替するものではありません。痛み・しびれ・急性外傷・発熱・進行性の症状や、医師から運動制限を受けている場合は、自己判断で進めず医師・国家資格者にご相談ください。
主要な参考文献・ガイドライン
本記事は、以下の学会ガイドライン・ポジションステートメント・標準的な専門書などの公開情報に基づいて整理しています。具体的な数値や適用は原典・最新版をご確認ください。
- Little RJA, Rubin DB. Statistical Analysis with Missing Data (標準テキスト).
- Van Buuren S. Flexible Imputation of Missing Data.
- ICH E9(R1) 推定対象(estimand)と感度分析に関する補遺.
- National Research Council. The Prevention and Treatment of Missing Data in Clinical Trials.
よくある質問
欠測のある個体を除外して解析してはいけませんか。
欠測が完全にランダム(MCAR)であればバイアスは生じませんが検出力は下がります。MCARでない場合、完全ケース解析はバイアスを招きうります。多くの状況では多重代入法や最尤法に基づく解析が推奨されます。
MARとMNARはデータから判別できますか。
できません。観測データからはMCARとそれ以外までしか区別できず、MARとMNARの区別は原理的に不可能です。どちらを仮定するかは領域知識に基づく判断となり、仮定が破れた場合の影響は感度分析で評価します。
平均値で埋める単一代入はなぜ問題ですか。
欠測値をすべて平均値などで埋めると、データのばらつきが人為的に小さくなり分散を過小評価します。結果として標準誤差が狭くなり、不確実性を無視した過信的な推論になるため、一般に推奨されません。
感度分析とは何を確認するのですか。
主解析が依拠する欠測機構の仮定(多くはMAR)が成り立たない場合に、結論がどの程度変わるかを評価します。MNARを想定したシナリオで結果が頑健かを確認し、仮定への依存度を透明にする役割があります。
cortis Trainer Academy
学びを、現場で使える知識に。
基礎から評価・運動療法・医療連携まで。身体を診る専門職のための継続学習アカデミー。基礎は登録不要・無料。