生物統計学
混合効果モデルと縦断データ — 相関のある観測を扱う
同一個体の反復測定や、施設・地域などでクラスタ化されたデータでは、観測が独立でない。この相関構造を無視すると標準誤差が歪み、誤った推論につながる。混合効果モデルと一般化推定方程式(GEE)は、相関を明示的に扱うための主要な枠組みである。本稿では固定効果と変量効果の区別、相関構造の扱い、縦断研究での応用を整理する。
この記事の要点
- 反復測定やクラスタデータは観測が独立でなく、相関を無視すると標準誤差が歪む。
- 混合効果モデルは固定効果(集団平均)と変量効果(個体・クラスタ差)を同時にモデル化する。
- 変量効果は個体ごとの切片や傾きのばらつきを捉え、相関構造を生成する。
- GEEは集団平均効果を、相関構造を補正しつつ頑健に推定する代替手法である。
- 混合モデルは条件付き(個体)解釈、GEEは周辺(集団)解釈という違いがある。
相関データと独立性の破れ
標準的な回帰モデルは観測の独立性を仮定するが、多くの生物医学データではこの仮定が成り立たない。同一患者を複数回測定する縦断研究では、同じ個体の測定値が互いに相関する。同じ病院・地域・家族に属する個体もクラスタ内で類似する。こうした相関を無視して通常の回帰を適用すると、標準誤差が過小(または過大)に推定され、信頼区間とp値が誤った精度を示す。
相関を扱う代表的な二つのアプローチが、混合効果モデルとGEEである。前者は相関の発生源を変量効果として明示的にモデル化し、後者は相関を扱いつつ集団平均効果を頑健に推定する。どちらを選ぶかは、推論の対象(個体レベルか集団平均か)と相関構造への関心に依存する。
固定効果と変量効果
混合効果モデルは二種類の効果を区別する。両者の組み合わせが「混合」の名の由来である。
- 固定効果: 集団全体に共通する平均的な関係(例えば治療の平均効果)。
- 変量効果: 個体やクラスタごとに異なる切片・傾きのばらつき(確率変数として扱う)。
- 変量切片は個体間のベースライン差を、変量傾きは時間的変化の個体差を表す。
混合モデルとGEEの違い
線形混合効果モデルは、変量効果を通じて相関構造を生成し、個体ごとの軌跡をモデル化する。係数は、特定の個体・クラスタを条件としたときの効果(条件付き解釈)を表す。一方GEEは、相関構造を作業相関行列として指定し、集団平均の効果(周辺解釈)を推定する。GEEはサンドイッチ分散推定により、相関構造の指定が多少誤っていても頑健な標準誤差を与える点が特徴である。非線形(ロジスティック等)では両者の係数の解釈が一致しない点に注意を要する。
エビデンスの現在地
確実性は強い。混合効果モデルとGEEの理論は確立し、縦断研究・クラスタランダム化試験・マルチレベルデータの標準解析法として広く受容されている。相関を無視した解析が誤った推論を招くことは方法論的に明確であり、これらの手法は規制ガイドラインや報告基準でも推奨される。一方、変量効果の分布の仮定、作業相関構造の選択、欠測との相互作用といった実装上の判断は専門性を要し、誤った指定が結論を歪めうる点も認識されている。
論点と限界
論点の一つは、条件付き効果と周辺効果の区別である。非線形モデルでは、混合モデル(条件付き)とGEE(周辺)の係数は数値的に異なり、解釈を取り違えると誤解を生む。変量効果の正規性の仮定が破れると推定に影響しうる。GEEは作業相関の誤指定に頑健だが、欠測がMARの場合はバイアスを生みうる(混合モデルはMARに比較的頑健)。小さなクラスタ数では分散推定が不安定になる。相関構造の選択と、推論対象の明確化が、適切な手法選択の鍵となる。
現場・臨床応用
縦断臨床試験では、複数時点で測定されたアウトカムの経時変化を混合モデルで解析するのが標準的である(反復測定混合モデル、MMRM)。クラスタランダム化試験では、施設間相関を考慮した解析が必須となる。教育・公衆衛生のマルチレベルデータ(生徒が学校に、患者が地域にネストする)にも広く応用される。エビデンスを読む側は、相関構造が適切に扱われているか、報告された効果が個体レベルか集団平均かを確認することが重要である。相関を無視した解析の信頼区間は過信的でありうる。
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。
- Fitzmaurice GM, Laird NM, Ware JH. Applied Longitudinal Analysis (標準テキスト).
- Diggle PJ, et al. Analysis of Longitudinal Data.
- Verbeke G, Molenberghs G. Linear Mixed Models for Longitudinal Data.
- ICH E9 統計的原則(臨床試験の統計に関する国際調和ガイドライン).
よくある質問
なぜ反復測定に通常の回帰を使ってはいけないのですか。
同一個体の反復測定は互いに相関しており、観測の独立性という前提が破れます。相関を無視すると標準誤差が誤って推定され、信頼区間やp値が実際より狭く(または広く)なり、誤った推論につながります。
混合モデルとGEEはどちらを選ぶべきですか。
推論対象によります。個体ごとの軌跡や条件付き効果に関心があれば混合モデル、集団平均効果を頑健に推定したいならGEEが適します。非線形モデルでは両者の係数の解釈が異なるため、目的を明確にして選ぶ必要があります。
変量効果とは何を表しますか。
個体やクラスタごとに異なる切片や傾きのばらつきを確率変数として表したものです。変量切片は個体間のベースライン差、変量傾きは経時変化の個体差を捉え、これが観測間の相関構造を生成します。
クラスタランダム化試験で個人を解析単位にしてよいですか。
いけません。クラスタ内の個人は相関しているため、個人を独立とみなすと標準誤差を過小評価します。クラスタを考慮した混合モデルやGEE、あるいはクラスタレベルの解析が必要です。
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。