選択バイアスを克服するための、償却ベイズ推論による統計研究手法
arXiv stat.ML / 2026/4/21
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、サンプルの取り込み確率が関心対象の変数に依存することで推定値と不確実性推定が歪む「選択バイアス」を扱う。
- その解決として、選択メカニズムを生成シミュレータに埋め込むバイアス対応型のシミュレーションベース推論フレームワークを提案し、扱いやすい尤度を不要にした償却ベイズ推論を可能にする。
- 欠測がランダムである（MAR）という仮定に依存しがちな従来手法と異なり、本手法は観測されないアウトカムや共変量に依存して選択が起きる状況を想定している。
- シミュレーションと観測データの不一致を検出し、事後分布のキャリブレーションを評価するための診断機能を組み込み、バイアスの有無を明示的にテストできる。
- 3つの多様な統計応用で、異なる選択メカニズムに対して事後分布が適切にキャリブレーションされ、尤度ベースの補正が偏る場合でもデバイアス推定が得られることを示している。
