交絡を調整する ハンズオン

何を調整するか・オッズ比の読み方・連続変数・交互作用・過学習・傾向スコア — Framingham とシミュレーションで

公開

2026年10月18日

はじめに

English version available — Read in English (machine-assisted translation by generative AI).

観察研究の論文の多くは、「年齢・性別・……で調整したオッズ比(ハザード比)」を報告しています。 回帰モデルに変数を入れれば「調整」はできますが、

  • どの変数を 入れるべきか(入れてはいけない変数はあるか)
  • 調整したオッズ比は、何倍のリスク を意味するのか
  • 年齢を「50 歳未満 / 以上」で入れても、調整したことになるのか
  • 「男性では有意、女性では有意でない」は、効果が違うという意味か
  • 変数を p 値で選んでよいのか
  • 傾向スコアを使えば、ランダム化比較試験と同じになるのか

といった問いに答えられないと、調整したつもりで結論を誤ります。

このハンズオンでは、Framingham 心臓研究 の教育用データと、答えが分かっているシミュレーション を、ブラウザで動く R で使いながら、交絡の調整の考え方と落とし穴を体験します。

このハンズオンのゴール

  1. 交絡を説明し、調整で推定値がどう変わるかを 自分で確かめられる
  2. DAG(因果の矢印の図)を描き、調整すべき変数・してはいけない変数(中間因子・合流点)を区別できる
  3. オッズ比とリスク比の違いを理解し、標準化 でリスク差・リスク比を求められる
  4. 連続変数の扱い(区切る・直線・スプライン)と 残余交絡 を説明できる
  5. 交互作用(効果の修飾)を、乗法と加法の両方の尺度で読める
  6. 変数の数と 過学習、p 値による変数選択 の問題を説明できる
  7. 傾向スコア(重みづけ・マッチング)を使い、その限界(測っていない交絡)を説明できる

対象読者

  • 疫学・臨床研究・ヘルスケアデータの解析に関わる方
  • 割合・オッズ比・ロジスティック回帰の出力を見たことがある方
  • R は「コードを読んで、少し書き換えて実行できる」程度で大丈夫です

記述統計ハンズオン(第 7 章:Table 1 と交絡)と χ² 検定ハンズオン(第 7 章:Mantel-Haenszel)の続きとして読むこともできます。

ブラウザで R が動きます

各章のコードセルは、あなたのブラウザの中で R が実行されています(webR という技術)。 コードを書き換えて「Run Code」を押せば、すぐに結果が変わります。インストールは不要です。

ノート
  • 各章を開いた直後は、R とパッケージの読み込みに 数十秒〜1分ほど かかります
  • 読み込み中にタブを裏に回すと処理が遅くなるので、表示されるまでそのままお待ちください
  • PC での閲覧を推奨します

使うのは R に最初から入っている glm() などと、dplyr・ggplot2 だけです。傾向スコアも、専用のパッケージを使わずに手で計算します。

使うデータ

Framingham 心臓研究(教育用データ)の 1 回目の診察(1950 年代、4434 人)と、その後 24 年間の死亡・心血管疾患(CVD)です。

警告データの注意
  • 匿名化のために一部が改変されています。研究結果として引用することはできません
  • 1950 年代の米国の人たちのデータで、当時の降圧薬・治療は今とは大きく違います。降圧薬の例は 調整の方法を学ぶためのもの で、薬の効果についての結論ではありません

章の構成

章 内容
1 交絡とは(喫煙と死亡、降圧薬と死亡)
2 何を調整するか:DAG・中間因子・合流点(シミュレーション)
3 オッズ比を読む:リスク比との違い・標準化・非併合性
4 連続変数の扱い:区切る・直線・スプライン・残余交絡
5 交互作用:効果の修飾、乗法と加法の尺度
6 変数の数と過学習・p 値による変数選択
7 傾向スコア:重みづけ・マッチング・バランス・重なり・限界
8 演習と、交絡の調整のチェックリスト