さあ今こそ統計解析を用いて、問題解決の専門家を目指そう！

昨今の高度情報化社会では、どうしても問題が複雑化します。そこで必要なのは問題解決の方法論と共に、情報をまとめる力です。統計解析は、情報を数値化して分析する効率的な方法論を提供してくれます。もちろん統計解析の手法を取らずに膨大なデータを逐一調べることも重要でしょう。しかし統計解析では、検出力という考え方で、いかに少ないデータ数でより多くの結論を合理的に導くかを考えて行きます。

私の最近の興味は、医学統計の分野でよく用いられる「多重比較法」にあります。多重比較法とは、臨床試験の用量設定の段階で必然的に用いられる手法であり、これが無くてはこの世に「新薬」が産まれないというほど重要な役割を果たしています。ここで検出力が高いとは、より少ないデータ数で他の手法と同じ意義のある結論を導くことを意味します。つまり臨床試験に関わる人数が最小で済むのです。臨床試験は我々が「新薬」を得るためには避けられない道ですが、このリスクに関わる人を最小限に留めることが、研究の目的となります。

このように大変意義深い「多重比較法」において、通常の検定で行われる「第1種の誤り」の確率に似た、「Type I FWE」という考え方があります。一般的に、多重比較法として認知されるためには、このType I FWEがコントロールされていることが必要です。この「正しい仮説のうちで、1つ以上を棄却する確率」を抑えるためには、閉検定手順という方法が提案されています。しかし、検定される対象が複雑に絡んでいるという背景があり、現実に提案されている手法は、必ずしも検出力を最大にするように設計されてはいません。

現在、多群の比較では決定版と言われている「ペリの方法」を研究しています。統計解析は純粋に理論的な研究ですが、改良版が実現すると、リスクが少ない「新薬開発」が可能となり、社会の効率化に貢献することができます。皆さん、一緒に研究しませんか