標本の偏りSampling Bias
誰を選んだかで生まれる資料の偏り
- 標本の偏りは全体の中から一部を抜き出す方法のせいで、その一部が全体と違う姿になることです。
- 抜き出された資料自体は間違っていません。ずれるのはその結果に全体の名前を付ける瞬間です。
- **量を増やしても消えません。**同じ場所でもっと抜き出せば同じ偏りがもっと積み重なるだけです。
- 抜け落ちたほうは**資料に何の跡も残しません。**表だけ見ていては何が抜けたのかわかりません。
- 人に関する資料なら偏りは少なく含まれたほうの不利益として返ってきて、時間が経つほど差が広がります。
目次
1たとえで理解する
種の袋一つがどれくらいよく芽を出すか知りたいです。百粒全部を植えてみるわけにはいかないので、二十粒だけ取って濡れた布の上に置き、数日様子を見ます。十八粒から芽が出れば、この袋はよく芽を出す袋だと書きます。
問題はその二十粒をどうやって取ったかです。袋を振らずに上から手を入れると、太くてよく実った種だけがつかまります。細かくてしいなのようなものは下に沈んでいて、一粒もつかまりません。そうして選んだ二十粒がよく芽を出すのは当然です。袋が良いのではなく、手が良いものだけを選んで取ってきただけです。
標本の偏りはこの手です。全体を知りたくて一部を抜き出したのに、抜き出す方法のせいでその一部が全体と違う姿になることです。
2くわしく
手を入れる場所が結果を決める
上からだけつかめば太いものだけ、袋の隅だけ探ればその隅のものだけが出てきます。資料を集めるときも同じです。アプリの中だけで意見を集めればアプリを使う人の意見だけが積み重なり、平日の昼間だけ電話をかければその時間に電話に出られる人の答えだけが集まります。
このとき集まった資料が嘘をついているわけではありません。抜き出された二十粒は本当によく芽が出ました。ずれるのはその結果に付ける名前です。この袋はよく芽を出す袋だと書いた瞬間、抜き出さなかった残りの八十粒まで代わりに語ってしまうことになります。
資料の量を増やしてもこの偏りは薄まりません。同じ場所で二十粒を二百粒に増やしても、依然として上のほうのものです。偏りは個数の問題ではなく、抜き出す方法の問題です。
抜け落ちたほうは跡を残さない
いちばん扱いにくい点は、抜き出されなかったほうが何の跡も残さないことです。袋の下に沈んだ種は布の上に上がってこないので、数えることすらできません。集めた資料だけを見ても、どこが空いているかを知る手立てがなく、表をいくら見ても空いた場所は見えません。
だから偏りは資料を見るときではなく、資料を集めた方法を見るときに現れます。どこで、いつ、どんな経路で集めたのかを書いておかないと、あとでたどる方法がありません。集める過程を記録に残しておくことが、検査と同じくらい大事な理由です。
モデルも抜き出されたほうしか見て学びません。そして一度も見たことのないほうについても、ためらいなく答えます。
人に関する資料なら不利益が返ってくる
種なら袋をまた買えば済みますが、人に関する資料が偏るとその結果が人に返ってきます。ある集団の資料が少なく含まれると、その集団についての判断が甘くなり、甘い判断が書類選考や相談の自動割り当てのような場面でそのまま使われます。
もっと悪いのは巻き戻しです。うまく当てられない集団はサービスが不便なのであまり使わなくなり、使わなければ資料がもっと少なく積み重なり、資料が少ないのでもっと当てられません。最初の小さな偏りが時間とともに広がります。
全体の成績が高いからといって安心できない理由です。全体を一つにまとめた数字は多く含まれたほうの成績に引っ張られて、少なく含まれたほうがどれだけ悪いかを隠してしまいます。集団ごとに分けて見て初めて見えてきます。
偏りを減らす方法
まず袋を振ります。どこからでも均等に抜き出すのがいちばん単純で丈夫な方法です。上・真ん中・下にあらかじめ枠を分けておき、枠ごとに決まった数だけ抜き出す方法もあります。こうすればどの枠も丸ごと抜けることはありません。
一つの経路だけに頼らないのも方法です。アプリと電話と紙の申請書を一緒に使えば、一つの経路がふるい落とす人を別の経路が拾います。それでも残る偏りは、あとで重みを変えて手直しすることもあります。少なく含まれたほうの資料をより重く数える方式です。
何をするにしても最初の一歩は同じです。この資料が誰を含み、誰を漏らしているのかを文章にしてみることです。書いてみると、抜け落ちたほうがそこで初めて目に入ります。
3もう少し正確に
標本の偏りは全体の中から一部を抜き出す過程で、抜き出される可能性が対象ごとに違うために生じる偏りです。抜き出される機会すらなかったほうがまるごと抜け落ちる場合をカバレッジの問題と別に呼び、抜き出されたのに答えなかったために残ったほうだけが資料になる場合を無回答の問題と呼びます。生き残ったものだけを集めて全体を語る生存者バイアスも同じ根から出ています。
たとえがずれる点もあります。種の袋はその気になれば百粒全部を取り出して数えられますが、実際の資料では全体がどんな姿かを誰も知らないことがほとんどです。比べる正解がないので偏りの大きさを正確に測ることもできず、年齢層や地域のように別に信頼できる基準数値がある項目でだけ、おおよそ見積もれます。
データの偏りというもっと広い言葉とも区別しておくとよいです。標本の偏りはその中でも抜き出す段階で生じる一つの枝です。正解ラベルを付ける人の偏りや、世の中に元からあった偏りが資料にそのまま移ってくることは、また別の枝です。
4やってみる
5よくある誤解
資料をたくさん集めれば偏りが薄まると思われがちですが、実際には同じ方法でもっと抜き出すと、同じ偏りがもっと固まるだけです。
抜き出された資料が間違っているという意味だと思われがちですが、実際には抜き出された資料は正確でありえて、問題はその結果を全体の話として読むところにあります。
表をよく見れば偏りを見つけられると思われがちですが、実際には抜け落ちたほうが表にそもそも存在しないので、集めた方法をたどって初めて見えてきます。
7ひとこと要約
つまり標本の偏りは抜き出す手が作り出した偏りで、そうして抜き出された一部に全体の名前を付ける瞬間、抜け落ちたほうがまるごと消されます。
誤りや、もっと良いたとえがありますか？ 修正を提案する · 最終更新2026-09-02