統計は役に立たないのでは？？？

ある事象を説明するために変数を設定しますよね。
そして、あらゆる要因（変数）を同時に考慮ないないと、疫学でいうところの「交絡因子」というバイアスになりますよね。

しかし、多変量解析を用いて予測式を立てたところでそれが使いものにならない場合が多いように感じるのです。
相関係数が著しく低くなったり、回帰係数が０になる確率が棄却できなかったり・・・共線問題が発生している可能性があったり・・・

そこで、一応の情報量基準を満たしたモデルの回帰式を使うことにしたとしても、独立変数のいくつかは除外されたモデルになったりします。

すると、結局は除外された独立変数は交絡因子として存在することになるし、また、考え付かなかったような（設定しなかった）独立変数も交絡因子となっている場合があると思います。

そのことに対して、一体論文ではどのように説明すればよいのでしょうか？

こんな不完全な多変量解析なら、むしろ単（一）変量解析の検定を独立変数の個数回やったほうがいいのでは？

No.1 ベストアンサー 回答者： backs 回答日時： 2006/12/05 15:53

ちゃんとしたデータの取り方をして,それに適した分析方法を正しく使えば理論上は問題が発生することはありません。

ただ理論と実際は異なって,分析を行う過程で何らかのトラブルが発生してしまうのが事実でしょう。しかし,このような事があるからといって統計が使い物にならないというのは極端な話です。

統計を中途半端に理解しているようなうさんくさい人は「分析によって得られた結果は絶対だ」と過剰評価したり,あるいは曖昧な結果を誘導的に解釈してしまう人もいます。一方で全く統計を理解しない(理解しようとしない)人は分析によって得られた数値を見ようとも考えようともしないで批判します。

だから統計が使い物になるか否かは個人の判断に委ねるしかないでしょう。それでも私は数値には何らかの意味があって,それを解釈するためにはいわゆる多変量解析などのような統計的な分析手法を活用するのは大切なことだと考えます。データを活かすも殺すも分析者自身というわけです。・・・と,なんだか抽象的な話で直接な答えにはなっていないですね。

回帰分析において変数選択の問題は難しいことですが「こんな不完全な多変量解析なら、むしろ単（一）変量解析の検定を独立変数の個数回やったほうがいいのでは？」というように考えるのであれば,それはそれで実行してより良い結果が得られるのなら有意義なことでしょう。

また交絡因子の問題についても,完全に分析者側が説明しきれるものではないでしょう。得られたデータの中で限られた要因を考慮して最善の結果（予測）を行うことが精一杯ではあるとは思いますが、、、

この回答へのお礼

回答ありがとうございます。返事が遅くなり申し訳ありません。
なるほどよくわかりました。最善の結果を得られるように精一杯だと思いましたが、全く統計が役に立たないことはないと思うようになりました。

お礼日時：2006/12/09 17:42