オープニング
司会
おかえりなさい。
司会
今回は、無作為割り当て実験と医療保険を扱います。
司会
保険に入っている人は、健康状態が良好だと答える傾向があります。
司会
これは保険の適用範囲を広げる強い根拠のように思えますね。
司会
しかし、その差は保険に入る前からすでに存在していたのではないでしょうか。
先生
その問いはとても重要です。
先生
保険は病院での請求額を変えるだけではありません。
先生
医療を受けるときに支払う価格も変えます。
先生
また、家計を経済的な困窮から守る役割もあります。
先生
ランド健康保険実験では、異なる手厚さの保険が検証されました。
先生
無料の医療を提供された人は、より多く医療サービスを利用しました。
先生
それにもかかわらず、平均的な身体的健康の改善は驚くほど限られていました。
先生
その後、オレゴン州でもくじ引きを通じて保険を研究する別の機会がありました。
司会
つまり、単に受診するかどうかという話にとどまらない疑問ですね。
司会
医療保険は人をより健康にするのでしょうか。
司会
すでに保険を持っている人の有利な条件と保険そのものの効果を混同せずに、研究者がどう答えを出すのかを知りたいです。
先生
このエピソードを聴き終わるころには、潜在的な結果を使って選択バイアスを説明できるようになっているはずです。
先生
また、なぜ無作為割り当てによって比較の信頼性が高まるのかも説明できるようになります。
先生
そして最後に、保険の実験を統計的な不確実性とあわせて解釈できるようになるでしょう。
先生
私たちはマインドマップに沿って、「問い」「検証」「結論」の順に進めていきます。
先生
図が手元になくても、推論の流れはしっかり追えますよ。
司会
そして、その比較が実際に何を測っているのかを常に問い続けます。
司会
保険の提供を受けること、実際に保険に加入すること、医師の診察を受けること、そして健康になることは、関係があるように思えます。
司会
しかし、これらはすべて異なる事柄ですね。
先生
その通りです。
先生
それらの違いを明確に保つことこそが、私たちが実践する中心的な習慣です。
先生
まずは通常の調査による比較から始めましょう。
先生
その上で、因果関係の問いに答えられるように比較を組み立て直していきます。
第1部：問い
司会
それでは「問い」から始めましょう。
司会
中心となる課題は、医療保険と健康です。
司会
なぜ、保険に入っている人と入っていない人の比較が、魅力的な出発点になるのでしょうか。
先生
政策によって変えられる比較を求めたいからです。
先生
本書で描かれる米国の状況では、医療費が高額であるにもかかわらず、多くの人が無保険でした。
先生
保険があれば予防医療が促されたり、慢性の病気をうまく管理できたりするかもしれません。
先生
これらは健康改善を期待するもっともらしい理由です。
先生
ただし、もっともらしい仕組みは出発点の仮説にすぎません。
先生
その効果を他の説明と切り分ける証拠がまだ必要です。
司会
私の予想では、調査では保険に入っている人のほうが健康に見えると思います。
司会
医療費の支払いを助けてもらえるのですから、そうなりそうですね。
司会
それによって、少なくとも効果の方向性は確かめられるのでしょうか。
先生
調査では確かに、保険加入者のほうが主観的健康感が良いという結果が出ます。
先生
しかし、その傾向だけでは因果効果の方向性さえ確定できません。
先生
保険を持っている人は、最初から健康だったのかもしれません。
先生
あるいは逆に、費用のかかる病気にかかりそうな人が保険を求める場合もあります。
先生
どちらの選択も比較を歪めてしまいます。
先生
同じ人が異なる保険の条件のもとで何を経験したかを考える必要があります。
司会
その単純な調査のデータについて正確に確認しましょう。
司会
どのような人たちが比較され、1から5の尺度で何が健康と見なされたのでしょうか。
司会
華々しい平均値を完全な健康診断のように扱うよりは、控えめな尺度でも正しく理解したいです。
先生
アメリカの全国健康聞き取り調査、NHISでは、一般的な健康状態を尋ねています。
先生
本書では、2009年の有配偶者の回答者で、年齢が26歳から59歳、かつ少なくとも夫婦のどちらか一方が働いている人を対象にしています。
先生
この尺度は、最低スコアの「健康状態が悪い」から最高スコアの「非常に優れている」まであります。
先生
したがって、スコアが高いほど報告された健康状態が良いことを意味します。
先生
これは順序のある自己申告の指標です。
先生
有用ではありますが、検査値や医師による診察とは異なります。
司会
教科書の補助教材では、プラスの差分がまとめられています。
司会
そのまとめと、元の分析における厳密な比較を区別する必要はありますか。
先生
はい。
先生
元の分析では、夫と妻を別々に報告しています。
先生
夫の場合、加入者の平均は4.01で、未加入者の平均は3.70です。
先生
妻の場合、対応する平均は4.02と3.62です。
先生
これらは別々の比較です。
先生
あるグループの平均ともう一つのグループの平均を混ぜたり、別の要約値を同じ推計値として扱ったりしてはいけません。
司会
保険のおかげだと結論づける前に、それらのグループの間で他に何が違うのでしょうか。
司会
人は普通、コイントスで保険に入るわけではありません。
司会
雇用や家族の状況もおそらく関係してきますよね。
先生
まさにそこが難しい点です。
先生
保険加入者の回答者は、平均して年齢が高く、学歴が高く、より裕福で、有業率も高いのです。
先生
教育水準や所得は、保険の加入状況と健康の両方に影響を与え得ます。
先生
例えば、教育は雇用機会だけでなく健康習慣にも影響を与えるかもしれません。
先生
調査による比較には、こうした違いがすべて混ざり合っています。
先生
大規模な標本を使えば、その合算された差を正確に測ることはできますが、そのうちのどこまでが保険によるものかは教えてくれません。
司会
見つからない比較を表すために、いくつか用語を整理する必要がありますね。
司会
結果、処置、そして潜在的な結果とは正確には何ですか。
司会
この問題に対して、言葉が少し医学的すぎるようにも聞こえます。
先生
結果とは、報告された健康状態のように、私たちが研究する対象のことです。
先生
処置とは、特定の保険プランなど、その効果を調べたい条件を指します。
先生
薬である必要はありません。
先生
潜在的な結果とは、ある特定の処置条件のもとで、その人に何が起きるかを表したものです。
先生
私たちの問いで言えば、他の条件が同じである場合に、保険があるときのその人の健康と、保険がないときのその人の健康を想像してみてください。
司会
つまり処置効果とは、同じ人物における2つの起こりうる結果を比べるものなのですね。
司会
最初から異なる人たちを比べるわけではありません。
司会
しかし、実際に生じる一方の条件しか観察できません。
先生
その通りです。
先生
観察されないもう一方の可能性を反実仮想と呼びます。
先生
それは、その人が経験しなかった条件のもとでの結果です。
先生
選択バイアスは、処置を受ける人たちが、仮に処置を受けなかったとしても異なる結果になっていた場合に生じます。
先生
無作為割り当てとは、偶然を使って誰に処置を提供するかを決めることです。
先生
それが信頼できる対照群を作る上でどう役立つかを見ていきましょう。
司会
時間を置いて、同じ人を保険なしの状態で再び観察することはできませんか。
司会
そうすれば、別の人を必要とせずに、失われた結果を取り戻す方法になりそうですが。
先生
後から観察すると、時間も変化してしまいます。
先生
その人は年齢を重ねているかもしれませんし、仕事が変わっていたり、別の病気にかかったりしているかもしれません。
先生
処置とそれらの変化を切り分けるために、再び仮定が必要になります。
先生
潜在的な結果は、状況や期間を含めて明確な比較のために定義されます。
先生
たとえすべての答えを観察できなくても、問いを正確に立てるのに役立つのです。
司会
最初のまとめは、問いそのものについてです。
司会
健康の差は見えていますが、同じ人のもう一つの結果は観察できません。
司会
測定された平均値をいくら改善しても、その問題が自動的に解決するわけではありませんね。
先生
まさにその通りです。
先生
私たちは結果、処置、反実仮想を特定しました。
先生
調査による比較は、グループ間の違いについては有益な情報をもたらします。
先生
そうした違いを保険の効果として解釈するためには、保険に入った人が、もし入らなかったらどうなったか。
先生
その代わりとして、未加入者の健康状態を使ってよい理由が必要です。
第2部：検証
司会
ここからは「検証」に入ります。
司会
まずは選択バイアスの問題から始めましょう。
司会
誤解を招くような比較によって、有益な保険が効果を過大に見せるだけでなく、実際には有害であるかのように見えてしまうことさえあるのでしょうか。
先生
あります。
先生
本書に出てくる架空の学生、クズダールとマリアを考えてみてください。
先生
彼らの仮想的な潜在的結果は教育用の道具であり、調査結果ではありません。
先生
クズダールは保険がないと健康状態が悪化するため、加入を選びます。
先生
マリアはどちらにしても良好な健康を見込んでおり、加入しないことを選びます。
先生
観察された彼らの健康状態を比べると、保険がクズダールを助けているにもかかわらず、マリアのほうが健康に見えることがあります。
先生
彼がもともと抱えていた不利な条件が、保険の恩恵を隠してしまうのです。
司会
観察された結果を比べると、クズダールの健康状態が悪いことを保険のせいにしてしまうと予想します。
司会
その結論は、この仮想例で彼に起きていることと正反対になりますね。
司会
誤解を招く部分はどこから入り込むのでしょうか。
先生
その予想は正しいです。
先生
その比較は、処置効果と最初の違いを混ぜてしまっています。
先生
まず、保険によってクズダールの健康がどう変わるかを考えます。
先生
次に、保険がない場合の彼の健康が、保険がない場合のマリアの健康とどう違うかを考えます。
先生
それらの要素を足し合わせると、観察される差になります。
先生
2つ目の要素が選択バイアスです。
先生
これは、観察される比較の符号を反転させてしまうほど大きくなることがあります。
司会
こうした仮想の学生ではなく、実在する多くの人々に置き換えても、その論理は成り立ちますか。
司会
大規模な標本があれば、保険の選択に影響する違いも含めて、個人の差は平均されて消えると思いがちですが。
先生
私たちが望むように平均して消えるのは、ランダムな違いだけです。
先生
より健康な人や裕福な人が体系的に保険を選ぶなら、標本を大きくしても同じ偏りのパターンが繰り返されるだけです。
先生
大勢の人を比べる場合も、差を二つに分けます。
先生
一つは、実際に保険に入った人たちへの平均的な保険の効果です。
先生
もう一つは、もし両方のグループに保険がなかったとき、健康にどれだけ差があったかです。
先生
この二つを足すと、観察された健康の差になります。
先生
教科書では代数計算を簡単にするために、最初は効果を一定として扱っています。
先生
効果が人によって異なる場合でも、この根本的な問題は同様に存在します。
司会
なぜ「処置群における平均効果」と言うのでしょうか。
司会
そうでないと、保険を選ばなかった人たちも含め、全員に対する平均効果という式のように聞こえてしまうかもしれません。
先生
なぜなら、実際に処置を受けた人たちの観察された結果から始めているからです。
先生
そのグループを固定したまま、彼らの保険を取り除いた状態を想像します。
先生
それが彼らの平均処置効果になります。
先生
次に、彼らの処置なしの潜在的な結果と、対照群の処置なしの結果を比較します。
先生
追加の仮定がなければ、この分解から母集団全体への効果を特定することはできません。
先生
無作為化によって、グループ間により強い結びつきが得られるようになります。
司会
マップには交絡要因や裏道パスという言葉が出てきます。
司会
因果ダイアグラムを描かずに、それらの言葉を理解できますか。
司会
健康の差の背後にすでに隠れている別の説明を指しているのだと思いますが。
先生
交絡要因とは、処置と結果の両方を決定づける要因のことです。
先生
ここでは教育がその候補です。
先生
教育は雇用を通じて保険加入に影響し、行動や経済的資源を通じて健康に影響する可能性があります。
先生
これにより、保険と健康を結ぶ別の経路が生まれます。
先生
裏道パスとは、そうした経路に対する図の上での呼び名です。
先生
保険以外の何かがグループ間を異ならせているかどうかを問うことで、この問題を理解できます。
司会
同じ学歴の人同士を比較すれば、その別の経路を塞いだことになりますか。
司会
それは医療保険の実験を行うよりも現実的に思えます。
司会
それでもなお懸念されるのはどのような点でしょうか。
先生
学歴をそろえることで、その特定の観察された違いは取り除かれます。
先生
しかし、所得や健康習慣、将来の病気への見込みまで等しくなる保証はありません。
先生
重要な特徴のなかには記録されないものもあります。
先生
グループ間に目に見える多くの違いがあるということは、隠れた違いにも注意深くなるべきだという警告です。
先生
これが因果推論の根本問題です。
先生
個人について両方の潜在的な結果を観察することは決してできません。
先生
対照群が見つからない代替案の代役を務める必要があり、その信頼性には正当な根拠が求められます。
司会
その問題を解決する前に、マップにある回帰分析のツールを理解しておきましょう。
司会
健康をダミー変数に回帰するとはどういう意味ですか。
司会
平均値の比較に対して、コンピューターが正確に何を追加しているのかを知りたいです。
先生
ダミー変数とは、グループへの所属を記録する変数です。
先生
ここでは、保険に加入していれば1、未加入なら0と記録します。
先生
切片とは、この変数が0のときの予測値です。
先生
この切片と指標変数だけで、最小二乗法という通常の回帰計算をすると、グループの平均値がそのまま再現されます。
先生
切片は未加入グループの平均健康度になります。
先生
保険の係数は、加入者の平均から未加入者の平均を引いた値です。
先生
推定された加入者の平均は、切片にその係数を足したものになります。
先生
この計算において、隠れた因果関係の調整が行われているわけではありません。
司会
一貫した1つの標本を使って、夫の比較を実際に計算してみましょう。
司会
加入者の平均は4.01で、未加入者の平均は3.70です。
司会
加入者の平均から未加入者の平均を引きます。
司会
そうすると何が得られますか。
先生
引き算をすると、指標のスコアで0.31ポイントの差が得られます。
先生
これらは調査の抽出確率で重み付けされた平均値です。
先生
この差は、同じ重みを用いたダミー変数のみの回帰分析からも得られます。
先生
この係数は関連性を表しているにすぎません。
先生
これを効果と呼ぶには、選択バイアスを退ける確かな根拠が必要です。
先生
計算そのものがその根拠を提供してくれるわけではありません。
先生
調査の重みは、推計値が調査の代表する母集団を反映するように、人によって異なる重みを与えます。
先生
それらの重みとサンプルの定義を一貫して保つようにしてください。
司会
つまり回帰分析は同じ比較を整理でき、不確実性の計算はその比較がどれくらい安定しているかを教えてくれるわけですね。
司会
どちらの機能も、元の保険の選択を実験に変えてくれるわけではありません。
司会
係数の横にある標準誤差はどう読めばいいですか。
先生
標準誤差は、推計値の標本抽出に伴う不確実性を測る尺度です。
先生
この考え方は実験の後に詳しく説明します。
先生
ひとまず、推計された差をその標準誤差で割ってみてください。
先生
その結果がt統計量です。
先生
通常の大標本条件のもとでは、t統計量の絶対値が約2を超えていれば、母集団における差がゼロであることへの反証となります。
先生
これは大まかな統計的目安であり、選択バイアスが存在するかどうかを検証するものではありません。
司会
それはNHISの比較表を理解するのに役立ちます。
司会
学歴、所得、雇用の大きな違いは、グループが異なっているという警告になります。
司会
どれほど正確に測られた健康の差であっても、異質なグループ同士の正確な比較にすぎないわけですね。
先生
その通りです。
先生
標準誤差は、推計値の周りのランダムな不確実性を表します。
先生
選択バイアスは、推計値が何を比較しているかという体系的な問題を指します。
先生
観測数を増やせば最初の問題は小さくできますが、2つ目の問題は手つかずのまま残ります。
先生
単にデータを増やすだけでなく、比較の設計そのものを変える必要があります。
司会
マップ上の解決策は、無作為割り当てです。
司会
研究者が資格のある人たちのグループ内で、偶然を使って保険を提供したとしましょう。
司会
それが、測定している特徴と測定できない特徴の両方にどのように対処するのでしょうか。
先生
割り当てのルールは、所得や学歴、隠れた健康への見込みを考慮しません。
先生
対象となる各人は、潜在的な結果とは無関係に、処置を受ける決められた確率を持ちます。
先生
割り当てを繰り返すと、処置群と対照群は期待値として同じ構成の人々を持つことになります。
先生
したがって、処置を受けない場合の健康の期待値は等しくなります。
先生
これにより、特定の実験で偶然の不均衡が生じることはあっても、割り当てから体系的な選択バイアスが排除されます。
司会
ごく少数の人で行うコイントスが、無作為であっても実際の比較としては不十分になり得るのはそのためですか。
司会
単なる偶然によって、異常に健康な人が一方のグループに偏ってしまうこともありますよね。
先生
はい。
先生
無作為化は設計として偏りがないのであって、小規模な標本のすべてで観察されるグループが同一になることを約束するわけではありません。
先生
大数の法則によれば、独立した情報の量が増えるにつれて、平均値はより安定します。
先生
無作為化されたグループが大きくなれば、通常、偶然による差は重要ではなくなります。
先生
重要なのは、無作為割り当てが個人を同一にするのではないということです。
先生
それは、測定されていない特徴も含めて、グループを平均として同等にするのです。
司会
無作為割り当てと無作為抽出も区別しておきたいです。
司会
ある研究がボランティアを募集して、その後に無作為化を行った場合、研究内部での比較は強固かもしれません。
司会
しかし、ボランティアは研究の外にいる人たちとは異なっている可能性があります。
先生
正しい理解です。
先生
無作為抽出は、より広い母集団から誰が研究に参加するかに関わります。
先生
無作為割り当ては、研究の内部で誰がどの条件を受けるかに関わります。
先生
割り当ては、研究参加者についての因果比較を支えます。
先生
別の母集団へ一般化するには、参加資格、文脈、処置についてのさらなる論理的検討が必要です。
先生
優れた無作為化であっても、異なる母集団が自動的に同じ効果を経験するようにはできません。
司会
マップにある歴史には、ジェームズ・リンド、パースとジャストロー、そしてフィッシャーが登場します。
司会
初期のすべての比較を無作為化比較対照試験として扱わずに、その歴史から何を覚えておくべきでしょうか。
先生
リンドは、互いに似通った条件の水夫を選んで壊血病の治療法を比較しました。
先生
これは対照群を置いた比較でしたが、処置を無作為に割り当てたわけではありませんでした。
先生
パースとジャストローは、1885年の感覚に関する研究で、偶然に基づいた割り当てを記述しました。
先生
フィッシャーは、1925年の統計学の著書などにおいて、無作為化実験計画の論理を発展させました。
先生
年代を暗記することよりも、この区別が重要です。
先生
似た人を選ぶことと、偶然によって処置を割り当てることは異なる手続きなのです。
司会
それでは、ランド健康保険実験の話に移りましょう。
司会
具体的に何が割り当てられ、対照条件は何だったのでしょうか。
司会
無料の医療対高額な医療費だけを主に保障する保険という対比を、保険がある状態と全く無保険の状態の比較だと誤解しないようにしたいです。
先生
ランド実験は1974年から1982年まで実施され、およそ4,000人が参加しました。
先生
分析では、当初のプランを4つのタイプに分類しています。
先生
高額な医療費だけを主に保障する保険、免責額プラン、共同保険プラン、そして無料医療です。
先生
共同保険とは、患者が請求額の一定割合を自己負担することを意味します。
先生
免責額とは、一定の保険適用が始まる前に支払いが必要となる金額のことです。
先生
すべてのグループが、極めて高額な支出に対してはある程度の保護を受けていました。
先生
高額な医療費だけを主に保障する保険が対照群であり、これは保険がまったくない状態というよりは、最低限の保障に近いものでした。
司会
つまり、手厚さの違いによって、受診時に患者が直面する価格が変わったわけですね。
司会
無料医療は直接の自己負担をなくし、手厚くないプランでは上限に達するまでより多くの支払いを求めました。
司会
その後の結果を比較する前に、研究者は何を確認したのでしょうか。
先生
彼らはベースラインでのバランス、つまり処置の影響が出る前にグループ同士が似通っていたかどうかを確認しました。
先生
年齢、学歴、所得、初期の健康状態などの特徴を比較したのです。
先生
ほとんどの差は小さく、特定のグループを組織的に有利にする一貫したパターンはありませんでした。
先生
表に多くの比較が含まれていると、偶然によって少数の目立った差が生じることはあります。
先生
重要なのは設計と全体的なパターンです。
先生
バランスが取れていることは有用な証拠ですが、隠れたすべての差が完全にゼロであることの証明ではありません。
司会
関連する分析では、標準誤差を家族単位でクラスター化しています。
司会
スプレッドシート上で一人ひとりに個別の行があるなら、なぜ不確実性を考える際に家族構成を気にする必要があるのでしょうか。
司会
そうでないと、それらの行をすべて独立した情報として数えてしまいそうです。
先生
家族は同じプランを割り当てられ、健康状態や行動を共有している可能性があります。
先生
彼らの観察データは必ずしも独立しているとは言えません。
先生
家族単位のクラスター化によって、推計誤差が家族内で相関することを許容できます。
先生
密接に関連した観察データを、あたかも互いに無関係な実験単位であるかのように扱うことを防ぐのです。
先生
標準誤差は、単にデータに何行あるかだけでなく、実験がどのように構成されたかを反映しなければなりません。
司会
実験から離脱する人がいることで、その慎重な出発点が台無しになることはありますか。
司会
最初のグループのバランスが取れていれば、追跡調査で一部の参加者が見られなくなっても、その後の比較の公平さは保たれると考えがちですが。
先生
その想定は危険です。
先生
ランド実験では多くの参加者が脱落し、その脱落率はプランによって異なっていました。
先生
無料医療では離脱者が少なかったのです。
先生
これは脱落率の差、いわゆる選択的脱落と呼ばれます。
先生
離脱が潜在的な健康や支出と関係している場合、観察が続いている人たち同士はもはや同等ではなくなっている可能性があります。
先生
最初の無作為割り当てがあっても、追跡調査の偏りまで自動的に修正されるわけではありません。
先生
原著の章でも、これによって妥当性が損なわれた可能性があると警告しています。
先生
報告された結果とともに、その懸念も心に留めておいてください。
司会
では、結果について見ていきましょう。
司会
無料の医療によって患者の支払額が下がるなら、受診回数は増えると予想します。
司会
実験では、わずかな反応が見られたのでしょうか、それとも大きな反応だったのでしょうか。
先生
無料医療は、高額な医療費だけを主に保障する保険と比べて対面での受診回数を約1.7回増やしました。
先生
総医療費は約45パーセント増加しました。
先生
入院よりも外来診療のほうが強く反応しました。
先生
このパターンは、外来受診については患者の裁量が大きいのに対し、入院の決定は医師が行うことが多いという事実と一致しています。
先生
これらの比較は、割り当てられたプランに関するものです。
先生
これらは、医療への需要が患者の支払う価格に反応することを示しています。
司会
経済学者はこれをモラルハザードと呼ぶことがありますね。
司会
この言葉は患者の悪い行動を非難しているのでしょうか。
司会
負担しやすくなった受診が医学的に有益な場合もあるので、このラベルだけで余分な医療が無駄だったかどうかは判断できませんよね。
先生
その通りです。
先生
ここでのモラルハザードとは、保険がインセンティブを変えることに対する反応を表しています。
先生
道徳的な判断でもなければ、無駄を直接測る指標でもありません。
先生
増えた医療を評価するには、結果と費用の両方が必要です。
先生
ランド実験では、全般的な健康状態、血圧、コレステロール値、メンタルヘルスを測定しました。
先生
研究期間中、より手厚い保険を提供しても、測定されたこれらの結果には平均してほとんど改善が見られませんでした。
先生
この推計値は、大幅な平均的改善の可能性をある程度否定しますが、あらゆる恩恵が完全にゼロであると証明するわけではありません。
司会
限界についても目を向けておく必要がありますね。
司会
平均的な結果の陰に、より貧しい患者やより重症の患者への恩恵が隠れていることはありますか。
司会
例外や他の環境について、確実に言えることは何でしょうか。
先生
平均値は、個人ごとの異なる効果を覆い隠してしまうことがあります。
先生
本書では、無料医療グループにおいて視力の矯正状態がわずかに改善したことにも触れています。
先生
したがって、どんな結果も全く改善しなかったと言うのは避けるべきです。
先生
また、すべての無保険者にそのまま当てはめることもできません。
先生
ランド実験では一部の公的保険の対象者を除外していましたし、特定の家族を対象とし、対照群にさえ高額な医療費だけを主に保障する保険の保護を与えていました。
先生
それらの特徴が、この研究の問いを定義づけています。
先生
そしてそれが、別の実験を検討する動機にもなるのです。
司会
次の事例は、2008年のオレゴン州のメディケイドくじです。
司会
メディケイドは、低所得の資格基準を満たす人々のための公的医療保険です。
司会
なぜこの環境は、保険を買う人と買わない人の通常の差ではなく、信頼できる比較を生み出すことができたのでしょうか。
先生
オレゴン州がカバーできる人数よりも、多くの人が登録したからです。
先生
くじ引きによって、拡大された保険に申請できる人が無作為に選ばれました。
先生
当選しても、受給資格や書類の記入が保証されたわけではありません。
先生
したがって、明確な比較はくじの当選者と落選者の間で行われます。
先生
この段階での処置は「申請する機会」です。
先生
単に実際に保険に加入したことではなく、最終的に加入した人々は、当選者全員の中から無作為に選ばれたわけでもありませんでした。
司会
マップにある「約4分の1が加入した」という要約は、その区別を混乱させるかもしれません。
司会
当選者の実際の総加入率はわずか25パーセントだったのでしょうか。
司会
それとも、その数字は当選によって増えた加入分を表しているのですか。
先生
それは、おおよそ追加の加入分を表しています。
先生
州全体のデータでは、翌年にメディケイドを受給した落選者は約14パーセントでした。
先生
くじに当選したことで、その確率は約26パーセントポイント上昇しました。
先生
したがって、当選者の約40パーセントが保険に加入していたことになり、単に4分の1だけだったわけではありません。
先生
落選者の中にも、別の経路でメディケイドを取得した人がいました。
先生
因果関係における決定的な変化は、それらの加入率の差であり、当選者の加入率単体ではありません。
司会
その区別は、その後の結果の解釈も変えてしまいますね。
司会
当選者と落選者を比較した場合、私たちはどのような因果効果を推計したことになるのでしょうか。
司会
そして、実際に加入した当選者と、無保険のままだった人を比較してはいけないのはなぜですか。
先生
当選者と落選者の比較は、意図した処置の効果、よくITT効果と略されるものを推計しています。
先生
これは、保険の状況が変わらなかった人たちも含めた、機会の割り当てによる効果です。
先生
実際に加入した人と未加入の人を比べると、本人の選択や受給資格の違いが再び入り込んでしまいます。
先生
保険加入自体の効果を推計するために、その後の手法ではくじ引きによる加入状況の変化を利用します。
先生
追加の仮定のもとで、結果の差を加入率の差で割る調整を行うのです。
司会
これは操作変数の予告になりますね。
司会
加入そのものが無作為であったと見せかけるのではなく、保険加入への外的な後押しを利用するわけです。
司会
当選が保険を通じて結果に影響し、かつ当選によって加入しにくくなる人はいないという仮定が必要になります。
先生
はい、そして得られる効果は、その外的な後押しによって保険の受給状況が変わった人たちに関するものになります。
先生
すべての申請者に対する効果とは限りません。
先生
それらの考え方は後で詳しく展開します。
先生
今のところは、割り当てと実際の受給を分けて考えておいてください。
先生
オレゴン州では、当選によって救急外来の利用を含む医療サービスの利用が増加しました。
先生
保険によって救急利用がより安価な定期受診に単に置き換わるという期待は、観察されたパターンとは一致しませんでした。
司会
医療の利用以外には何が起きたのでしょうか。
司会
血圧の検査結果があまり変わらなくても、恐ろしい請求書を避けること自体が保険の目的に含まれるはずです。
司会
ランド実験の平均的な身体的健康の結果が見落としかねない何かを、オレゴン州の事例は示したのでしょうか。
先生
当選者は全般的な健康感の改善を報告しました。
先生
より詳細な聞き取り調査からは、メンタルヘルスの改善が示唆されましたが、測定された身体的健康には明確な改善はほとんど見られませんでした。
先生
また、医療関連の借金や、極めて高額な医療費を支払うリスクも減少しました。
先生
経済的な保護がメンタルヘルスの改善を説明するのに役立っている可能性がありますが、その経路はくじ引きの比較だけで個別に確定されたわけではありません。
先生
測定された身体的結果の変化が小さかったとしても、これらの恩恵は重要な意味を持ちます。
司会
ここには政策的な教訓がありますね。
司会
あるプログラムが支出を増やしたとしても、人々を経済的リスクから守ることはできます。
司会
しかし、その特定の結果が実際には増加していた以上、救急医療の費用を節約できると主張することはできません。
先生
その通りです。
先生
政策評価には複数の結果と明確な比較が必要です。
先生
ランド実験は、主にある程度の保障を持つ人々の間で保険の手厚さを変化させました。
先生
オレゴン州では、低所得の申請者の間で保険を得る機会を拡大しました。
先生
受診行動や身体的健康における似たようなパターンは、これら2つの環境を通じて示唆に富んでいます。
先生
だからといって、それらの介入が同一であるとか、将来あり得るすべての保険拡大が同じ結果を生むということにはなりません。
司会
推論のツールを使って、検証のパートを締めくくりましょう。
司会
私たちは標準誤差や有意性という言葉を何度か使ってきました。
司会
リスナーに数式を延々と追わせることなく、それらの考え方を補論と結びつけてもらえますか。
先生
まずは母集団と標本の違いから始めましょう。
先生
母平均とは、私たちが記述したい母集団の固定された特徴です。
先生
標本平均は、どの人がデータに入るかによって変化します。
先生
推計量とは、標本データを使って母集団の値を推計するためのルールのことです。
先生
不偏推計量は、標本抽出を繰り返したときの平均として、その母集団の値を正しく捉えます。
先生
ただし、特定の標本においては外れることもあります。
司会
それは大数の法則とは異なるように聞こえます。
司会
不偏性は手続きを繰り返したときの平均的な結果に関わります。
司会
大数の法則は、標本が大きくなるにつれて値に近づくことに関わります。
司会
どちらも、個別の推計値が完全であるとは言っていませんね。
先生
その通りです。
先生
また、標準偏差と標準誤差も区別してください。
先生
標準偏差は、個人間の結果のばらつきを表します。
先生
分散は、平均からの距離の2乗を使ってその広がりを表現します。
先生
標準誤差は、標本抽出を繰り返したときの推計値のばらつきを表します。
先生
独立した観察データの場合、平均値の標準誤差はサンプルサイズの平方根に反比例して小さくなります。
先生
家族グループなど、従属関係にある観察データには適切な調整が必要です。
司会
おなじみの大標本におけるt統計量が役立つのはなぜですか。
司会
個人の医療費支出は非常に偏っていることがあります。
司会
すべての人の結果がきれいな釣鐘型の分布に従うとは仮定したくありません。
先生
中心極限定理は、個人の結果に関する約束ではなく、適切に標準化された平均値の分布に関するものです。
先生
十分な量の独立した情報と適切な条件があれば、その分布はおおよそ釣鐘型になります。
先生
これにより、設定された母集団の値のもとで、得られた推計値がどれほど珍しいかを評価できます。
先生
帰無仮説は通常、処置効果がゼロであると主張します。
先生
t統計量は、推計値と設定された値との距離を、その標準誤差と比較するものです。
司会
95パーセント信頼区間を見ると、有意かどうかだけを見るより、何が分かるのでしょうか。
司会
基準を超えたかどうかに加えて、このデータでは、どのくらいの効果までありそうだと言えるのかを知りたいです。
先生
標本が十分に大きいとき、信頼区間は、推定値から上下におよそ2標準誤差の幅を取ります。
先生
95パーセントというのは、同じ方法で標本を取り直し、区間を何度も作ると、そのうち95パーセントが母集団の真の値を含む、という意味です。
先生
真の値は、標本を取り直しても変わりません。
先生
すでに計算した1つの区間に対して、真の値が入る確率を後から割り当てる、という意味ではありません。
先生
区間を見ると、データと矛盾しない効果の大きさを考えられます。
先生
ゼロを含む幅の広い区間には、大きな利益や害が生じる値も含まれることがあります。
司会
そして、ゼロの周りの狭い区間は、大きな効果の可能性をより強く排除します。
司会
しかし、統計的有意性だけでは、ある効果が経済的あるいは医学的に重要かどうかはわかりません。
司会
正確に測定されたごくわずかな変化は、実質的な価値をほとんど持たないこともあります。
先生
正しい指摘です。
先生
独立した平均値の差の場合、不確実性は両方のグループから生じます。
先生
観察される人どうしが独立している場合は、まず、それぞれのグループで、結果の分散をそのグループの人数で割ります。
先生
その二つを足して、平方根を取ると、平均値の差の標準誤差になります。
先生
したがって、対照群が非常に小さいと、処置群にどれほど多くの人がいても精度が制限されてしまうことがあります。
先生
また、必要に応じてグループ間で結果のばらつきが異なることも考慮します。
先生
適切な推論とは、研究のデザイン、標本、そして立てられた問いを尊重するものなのです。
司会
検証のパートをまとめると、選択バイアスは、調査による比較が因果関係の答えとして信頼できない理由を説明しています。
司会
無作為割り当ては、その割り当ての仕組みを修復します。
司会
そしてランド実験とオレゴン州の事例は、処置の定義と測定される結果がどれほど重要かを示していますね。
先生
そして、無作為化の後にも統計的な不確実性は残ります。
先生
精度を判断するには、標準誤差と信頼区間が必要です。
先生
優れた因果関係のデザインは、なぜその比較が信頼できるのかを答えてくれます。
先生
優れた推論は、その数値的な答えにどれほどの不確実性が残されているかを教えてくれるのです。
第3部：結論
司会
「結論」に到達しました。
司会
少しあえて反対の立場をとってみましょう。
司会
「保険に入っている人はより健康だから、保険には効果がある」と言う人がいます。
司会
別の人は「実験では身体的な改善がほとんど見られなかったから、保険には価値がない」と言います。
司会
どちらの主張なら、根拠があると言えるのでしょうか。
先生
その表現のままでは、どちらも正当化されません。
先生
前者は相関関係を因果関係として扱い、選択バイアスを無視しています。
先生
後者は、特定の平均的な結果をもって、保険のあらゆる恩恵に関する判断にすり替えてしまっています。
先生
慎重な答えを出すには、どの人々を対象とし、どの保険を扱い、どのような比較を行い、どの結果を測定し、どの期間を対象にしたのかを問わなければなりません。
先生
実験は、そうした定義の範囲内で信頼できる答えを提供してくれます。
先生
私たちが何を知りたいのかを定義する必要性をなくしてくれるわけではないのです。
司会
私の予想では、2つ目の主張に欠けている言葉は経済的保護です。
司会
測定された明確な身体的健康の向上がなくても、保険は借金や不安を減らすことができます。
司会
それは政策的な議論を一変させるはずです。
先生
それこそが重要な修正点です。
先生
オレゴン州の事例は、経済的な保護とメンタルヘルスの改善についての証拠を提供しています。
先生
これらは結果そのものであり、身体的健康を無視するための言い訳ではありません。
先生
同時に、それらの価値があるからといって、あらゆる保険の適用拡大がどれほど費用をかけても正当化されるという証明にはなりません。
先生
誰が得をして誰が費用を負担するのかを含め、特定の政策の便益と費用を比較する必要があります。
司会
3つ目の主張として、統計的に有意な効果がないことは効果がないことを意味する、というものがあります。
司会
私たちはすでに、そうした短絡的な見方を疑うことを学びました。
司会
これを1つの丁寧な説明で修正するとしたら、どうなりますか。
先生
信頼区間がどれくらい広く、どのような効果の可能性がまだ残されているかを問うことです。
先生
ゼロに近い推計値でも、ばらつきが大きければ、精度高く推計されたものより言えることはずっと少なくなります。
先生
狭い区間であっても、すべての個人やすべての結果に対して完全にゼロであることを証明するわけではありません。
先生
ランド実験で測定された平均的な健康状態の変化は、医療支出の反応に比べると小さいものでした。
先生
これは有用な知見ですが、統計的な基準を普遍的な主張に変えてしまってはなりません。
司会
今回、特に覚えておきたいことは何でしょうか。
司会
私ならまず、処置群と対照群が処置を受けなかったとしても異なっていたかどうかを問うことから始めます。
司会
複雑な統計手法から入るよりも、その問いのほうが価値があるように思えます。
先生
そうですね。
先生
観察されたグループ間の差は、因果関係の要素と選択の要素が合わさったものです。
先生
効果が人によって異なる場合は、誰に対する平均効果を意味しているのかを明示してください。
先生
無作為割り当ては、期待値として、割り当てを潜在的な結果から独立させます。
先生
割り当てのプロセスとベースラインでのバランスを確認し、不確実性とともに観察された差を解釈してください。
先生
ダミー変数のみの回帰分析は平均値の差をまとめたものにすぎず、信頼できる対照群を作り出してくれるわけではありません。
司会
そして実証データからの持ち帰り事項は、保険が機能する、あるいは失敗するという単純な話よりもずっと具体的です。
司会
ランド実験では、手厚いプランのもとで利用が大幅に増えた一方で、測定された健康には明確で大幅な平均的改善は見られませんでした。
司会
また、脱落率の差があったことで、それらの比較をどれほど確信を持って解釈できるかには限界があります。
司会
一方、オレゴン州の事例は、経済面やメンタルヘルスにおける恩恵も示しています。
先生
もう一つ習慣にしてほしいのは、対照条件の内容を言葉にして明確に定義することです。
先生
高額な医療費だけを主に保障する保険は、無保険とは異なります。
先生
申請する機会は、保険の受給そのものとは異なります。
先生
自己申告による健康スコアは、臨床的な測定値とは異なります。
先生
これらの違いが明確になれば、一見すると矛盾しているように見える知見も、異なる問いへの答えであることが理解できるようになります。
先生
これにより、研究を単一の単純化しすぎた結論に無理やり押し込めることなく、比較できるようになります。
司会
そうすると、無作為割り当てがグループ間の比較を因果効果へと変える、というのが今回の主要な主張ですね。
司会
どんな実験にも当てはまる保証のように聞こえてしまわないよう、その文にはどのような条件を添えておくべきでしょうか。
先生
無作為割り当てが、割り当てられた介入についての因果推計を支えるのは、実験が適切に実施され、結果が同等に測定されている場合です。
先生
有限の標本には依然として不確実性があります。
先生
処置の不遵守があると、直接的な比較の意味は割り当て自体の効果へと変わります。
先生
また、結果には対象となる母集団と文脈が存在します。
先生
この主張が強力なのは、あらゆる研究上の問題を取り除いてくれるからではなく、体系的な選択を既知の割り当てルールに置き換えてくれるからなのです。
司会
結論のまとめは、因果関係の問いと統計的な問いを分けて考えることですね。
司会
まずは、なぜ対照群が信頼できるのかを明らかにします。
司会
その上で、どの効果が推計され、それがどれくらい正確に測定されたのかを問うわけです。
先生
それこそが、ずっと使える教訓です。
先生
無作為割り当てによって、その比較から因果関係についての情報が得られるようになります。
先生
明確な定義、丁寧な測定、そして不確実性に真摯に向き合う姿勢が合わさることで、その因果関係の答えが役に立つものになるのです。
まとめ
司会
学習目標を振り返ってみましょう。
司会
潜在的な結果を使って選択バイアスを説明でき、なぜ無作為割り当てが役立つのかを説明でき、不確実性を考慮して保険の実験を解釈できるようになりました。
司会
次のトピックに持っていくべき1つの文は何でしょうか。
先生
心に留めておくべき主張はこれです。
先生
無作為割り当ては、実際に割り当てられた介入について、グループ間の比較を因果効果へと変える、ということです。
先生
それでも私たちはバランスを確認し、選択的な追跡不能を検証し、提供と実際の受給を区別し、信頼区間を検討します。
先生
ランド実験とオレゴン州の事例は、具体的な政策課題を通じてこれらの習慣を教えてくれます。
先生
医療利用の増加が自動的に身体的健康の改善を意味するわけではありませんし、身体的健康だけが重要な結果でもないのです。
司会
最後に、応用問題を1つ出しましょう。
司会
新しい保険のくじ引きにおいて、当選者は落選者よりも医療を多く利用したとします。
司会
当選者の一部は加入せず、落選者の一部は別の方法で保険を手に入れました。
司会
この直接的な差は、全員にとって保険を受け取ったことの効果と言えるでしょうか。
先生
音声を一度止めて考えてみてください。
先生
そして、くじ引きが何を割り当てたのかを考えてみましょう。
先生
推計された差が何を意味するのかを判断する前に、処置群、対照群、そして介入の内容を特定してみてください。
司会
私の答えは、その直接的な差は「機会を得たこと」の効果を推計したものである、ということです。
司会
当選者と落選者を比較することで、無作為割り当ての構造を維持しています。
司会
その比較を、加入者と無保険者の比較に黙ってすり替えたりはしません。
先生
その通りです。
先生
保険加入そのものの効果を推計するには、追加の手法とそのための仮定が必要になります。
先生
計算やバランスの確認を練習するには、コラボのノートブックと講義スライドを開いてみてください。
先生
それぞれの比較の定義を、結果の隣に常に置いておくようにしましょう。
先生
そうすれば、同じ回帰計算であっても、調査データでは記述的な解釈になり、信頼できる実験では因果関係の解釈になる理由がよくわかるはずです。
司会
次回、第2章「回帰分析」では、名門私立大学には高い授業料に見合う価値があるのかどうかを考えます。
司会
無作為割り当てが使えない場合、観察された特徴が似ている人同士を比較したくなる誘惑に駆られます。
司会
その調整で何ができて、何ができないのかを問うていきます。
司会
お聴きいただきありがとうございました。
司会
それでは、また。