ランダム効果モデル

ウィキペディア

ランダム効果モデル

出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2023/01/30 08:09 UTC 版)

ランダム効果モデル（らんだむこうかもでる、random effects model、変量効果モデル、分散成分モデル variance componets model とも）は、統計学において、モデルパラメータが確率変数である統計モデル。これはマルチレベルモデルの一種であり、分析対象のデータが異なる階層から抽出され、その違いが階層に関連していると仮定する。 計量経済学では、固定効果を仮定しない（個人効果を許容する）場合に、パネルデータ分析に用いられる。ランダム効果モデルは、混合モデルの特殊なケースである。

「固定」効果は母集団平均を、「ランダム」効果は被験者固有の効果を指す（後者は一般的に未知の潜在変数）^{[1] [2] [3] [4]}。

定性的説明

ランダム効果モデルは、異質性が時間の経過とともに一定であり、独立変数と相関していない場合に、観測されない異質性をコントロールするのに役立つ。この定数は、差分を取ることによって縦断的データから取り除くことができる^[5]。

個々の効果については、ランダム効果の仮定と固定効果の仮定という2つの仮定を立てることができる。ランダム効果の仮定とは、個々の観測されない異質性が独立変数と相関していないというものである。固定効果の仮定は、個々の効果が独立変数と相関しているというものである^[5]。

ランダム効果の仮定が成立するとき、変量効果推定量は固定効果モデルよりも効率的である。

簡単な例

${\displaystyle m}$個の大きな小学校を無作為に選び、各学校で同学年の ${\displaystyle n}$ 人の生徒を無作為に選び、標準的な適性検査を行った場合を考える。 ${\displaystyle i}$ 番目の学校の ${\displaystyle j}$ 番目の生徒の得点を ${\displaystyle Y_{i,j}}$ とすると、次のようにモデル化できる。

${\displaystyle Y_{i,j}=\mu +U_{i}+W_{i,j}}$

ここで、 ${\displaystyle \mu }$ は母集団全体の平均テストスコア。 このモデルでは、${\displaystyle U_{i}}$は学校固有のランダム効果である。 これは、学校 ${\displaystyle i}$ の平均スコアと全国の平均スコアの差に相当する。 ${\displaystyle W_{i,j}}$ の項は、個人固有の変量効果である。 つまり、${\displaystyle i}$ 番目の学校の平均からの ${\displaystyle j}$ 番目の生徒のスコアの偏差である。

モデルは、群間差に関する追加の説明変数を含めることによって拡張できる。例えば

${\displaystyle Y_{i,j}=\mu +\beta _{1}\,\mathrm {Sex} _{i,j}+\beta _{2}\,\mathrm {ParentsEduc} _{i,j}+U_{i}+W_{i,j}}$

ここで、${\displaystyle \mathrm {Sex} _{i,j}}$ は男の子/女の子のダミー変数、${\displaystyle \mathrm {ParentsEduc} _{i,j}}$は、例えば子供の親の平均教育レベルを示す。 性と親の教育に固定効果の項を導入しているため、これは混合モデルであって、純粋なランダム効果モデルではない。

分散の構成要素

${\displaystyle Y_{i,j}}$ の分散は、${\displaystyle U_{i}}$ の分散 ${\displaystyle \tau ^{2}}$ および ${\displaystyle W_{i,j}}$ の分散 ${\displaystyle \sigma ^{2}}$ の和に等しい。

${\displaystyle {\overline {Y}}_{i,\bullet }={\frac {1}{n}}\sum _{j=1}^{n}Y_{i,j}}$

を ${\displaystyle i}$ 番目の学校におけるスコアのうち無作為標本に含まれるものの平均値とすると、

${\displaystyle {\overline {Y}}_{\bullet ,\bullet }={\frac {1}{mn}}\sum _{i=1}^{m}\sum _{j=1}^{n}Y_{ij}}$

が総平均となる。

${\displaystyle \mathrm {SSW} =\sum _{i=1}^{m}\sum _{j=1}^{n}(Y_{i,j}-{\overline {Y}}_{i,\bullet })^{2}\,}$

${\displaystyle \mathrm {SSB} =n\sum _{i=1}^{m}({\overline {Y}}_{i,\bullet }-{\overline {Y}}_{\bullet ,\bullet })^{2}}$

群内差の二乗和（squares due to differences within groups, SSW）および群間差の二乗和（squared due to differences between groups, SSB）は上記の通りであり、次の式が示される。

${\displaystyle {\frac {1}{m(n-1)}}\mathbb {E} (\mathrm {SSW} )=\sigma ^{2}}$

構文解析に失敗 (MathML、ただし動作しない場合はSVGかPNGで代替（最新ブラウザーや補助ツールに推奨）: サーバー「/mathoid/local/v1/」から無効な応答 ("Math extension cannot connect to Restbase."):): {\displaystyle \frac{1}{(m - 1)n}\mathbb{E}(\mathrm{SSB}) = \frac{\sigma^2}{n} + \tau^2}

これらの二乗平均期待値 expected mean squares は、分散成分 ${\displaystyle \sigma ^{2}}$ および ${\displaystyle \tau ^{2}}$ の推定に用いることができる。

${\displaystyle \tau ^{2}}$はクラス内相関係数 intraclass correlation coefficient とも呼ばれる。

不偏性

一般に、ランダム効果は効率的 efficient であり、前提となる仮定が満たされている場合には、固定効果よりも望ましい。学校の例でランダム効果モデルが機能するためには、学校固有の効果がモデルの他の共変量と無相関である必要がある。固定効果モデルおよびランダム効果モデルを順に試行し、Durbin–Wu–Hausman 検定が棄却された場合は、ランダム効果にはバイアスがあるので、固定効果モデルを用いるべきである。

応用例

実際に使われているランダム効果モデルとして、保険契約のBühlmannモデルや、小地域推定に使用されるFay-Herriotモデルなどがある。

関連項目

• ビュールマンモデル
• マルチレベルモデル
• 固定効果
• ミンク
• 共分散推定
• 条件付き分散
• 一般化推定方程式

参考文献

• Baltagi, Badi H. (2008). Econometric Analysis of Panel Data (4th ed.). New York, NY: Wiley. pp. 17–22. ISBN 978-0-470-51886-1 
• Hsiao, Cheng (2003). Analysis of Panel Data (2nd ed.). New York, NY: Cambridge University Press. pp. 73–92. ISBN 0-521-52271-4. https://archive.org/details/analysispaneldat00chsi 
• Wooldridge, Jeffrey M. (2002). Econometric Analysis of Cross Section and Panel Data. Cambridge, MA: MIT Press. pp. 257–265. ISBN 0-262-23219-7. https://archive.org/details/econometricanaly0000wool 
• 奥井亮 (2015年4月). “固定効果と変量効果 (PDF)”. 日本労働研究雑誌. 2021年10月29日閲覧。

脚注

1. ^ Diggle, Peter J.; Heagerty, Patrick; Liang, Kung-Yee; Zeger, Scott L. (2002). Analysis of Longitudinal Data (2nd ed.). Oxford University Press. pp. 169–171. ISBN 0-19-852484-6. https://archive.org/details/analysislongitud00digg_730 
2. ^ Fitzmaurice, Garrett M.; Laird, Nan M.; Ware, James H. (2004). Applied Longitudinal Analysis. Hoboken: John Wiley & Sons. pp. 326–328. ISBN 0-471-21487-6 
3. ^ Laird, Nan M.; Ware, James H. (1982). “Random-Effects Models for Longitudinal Data”. Biometrics 38 (4): 963–974. doi:10.2307/2529876. JSTOR 2529876. 
4. ^ Gardiner, Joseph C.; Luo, Zhehui; Roman, Lee Anne (2009). “Fixed effects, random effects and GEE: What are the differences?”. Statistics in Medicine 28 (2): 221–239. doi:10.1002/sim.3478. PMID 19012297. 
5. ^ ^{a b} Wooldridge, Jeffrey (2010). Econometric analysis of cross section and panel data (2nd ed.). Cambridge, Mass.: MIT Press. pp. 252. ISBN 9780262232586. OCLC 627701062 

外部リンク

• Fixed and random effects models
• How to Conduct a Meta-Analysis: Fixed and Random Effect Models

表 話 編 歴 統計学
標本調査	標本 母集団 無作為抽出 層化抽出法
記述統計学	連続データ 位置 平均 算術 幾何 調和 中央値 分位数 順序統計量 最頻値 階級値 分散 範囲 偏差 偏差値 標準偏差 標準誤差 変動係数 決定係数 相関係数 自己相関 共分散 自己共分散 分散共分散行列 百分率 統計的ばらつき モーメント 分散 歪度 尖度 カテゴリデータ 頻度 分割表
推計統計学	仮説検定 パラメトリック t検定 ウェルチのt検定 F検定 Z検定 二項検定 ジャック–ベラ検定 シャピロ–ウィルク検定 分散分析 共分散分析 ノンパラメトリック ウィルコクソンの符号順位検定 マン・ホイットニーのU検定 カイ二乗検定 イェイツのカイ二乗検定 累積カイ二乗検定 フィッシャーの正確確率検定 尤度比検定 G検定 アンダーソン–ダーリング検定 コルモゴロフ–スミルノフ検定 カイパー検定 マンテル検定 コクラン・マンテル・ヘンツェルの統計量 その他 帰無仮説 対立仮説 有意 棄却 区間推定 信頼区間 予測区間 モデル選択基準 AIC BIC WAIC MDL その他 偏り 偏りと分散 過剰適合 推定量 点推定 最尤推定 尤度関数 尤度方程式 最小距離推定 メタアナリシス ブートストラップ法
ベイズ統計学	確率 主観確率 ベイズ確率 事前確率 事後確率 最大事後確率 その他 ベイズ推定 ベイズ因子
相関	交絡変数 ピアソンの積率相関係数 順位相関（スピアマンの順位相関係数・ケンドールの順位相関係数）
モデル	一般線形モデル 一般化線形モデル 混合モデル 一般化線形混合モデル
回帰	線形 線形回帰 リッジ回帰 ラッソ回帰 エラスティックネット 非線形 k近傍法 回帰木 ランダムフォレスト ニューラルネットワーク サポートベクター回帰 射影追跡回帰 時系列 自己回帰モデル 自己回帰移動平均モデル ARCHモデル 対移動平均比率法 トレンド定常 傾向推定 共和分 構造変化
分類	線形 線形判別分析 ロジスティック回帰 単純ベイズ分類器 単純パーセプトロン 線形サポートベクターマシン 二次 二次判別分析 非線形 k近傍法 決定木 ランダムフォレスト ニューラルネットワーク サポートベクターマシン ベイジアンネットワーク 隠れマルコフモデル その他 二項分類 多クラス分類 第一種過誤と第二種過誤
教師なし学習	クラスタリング k平均法（k-means++法） DBSCAN 密度推定（英語版） カーネル密度推定（カーネル） その他 主成分分析 独立成分分析 自己組織化写像
統計図表	棒グラフ バイプロット（英語版） 箱ひげ図 管理図 フォレストプロット ヒストグラム 円グラフ Q-Qプロット ランチャート 散布図 幹葉図 バイオリン図 ドットプロット ヒートマップ 階級区分図
生存時間分析	生存時間関数 カプラン＝マイヤー推定量 ログランク検定 故障率 比例ハザードモデル
歴史	統計学の創始者 確率論と統計学の歩み
応用	社会統計学 疫学 生物統計学 系統学 統計力学 計量経済学 機械学習 実験計画法
出版物	統計学に関する学術誌一覧 重要な出版物
全般	統計 頻度主義統計学 統計学および機械学習の評価指標
その他	方向統計学 S言語 R言語 統計検定 社会調査士 JDLA Deep Learning For GENERAL JDLA Deep Learning for ENGINEER 実用数学技能検定 品質管理検定
カテゴリ