1 なぜ線形混合モデルが必要か
コードセルは 編集して「Run Code」を押すと再実行 できます(R はあなたのブラウザ内で動いています)。 初回はパッケージの読み込みに数十秒かかります。数値を変えて結果がどう変わるか、自由に試してください。
1.1 今日のデータ
架空の調査です。20 の学校で生徒に「1日の勉強時間 (hours)」を聞き、「テスト得点 (score)」を記録しました。
知りたいことは 「勉強時間が1時間増えると、得点は何点上がるか?」 です。
1.2 まずは全体を散布図で見る
右上がりの傾向がありますが、ばらつきがかなり大きいですね。
1.3 学校ごとに色分けしてみる
学校ごとに見ると、
- どの学校でも右上がり(勉強するほど得点が高い)
- でも 学校ごとに全体の高さ(ベースライン)が違う
ことがわかります。学校の教育方針や地域の違いなどで、同じ学校の生徒どうしは得点が似やすいのです。
1.4 何が問題なのか:「独立」の仮定が崩れる
普通の回帰分析(最小二乗法)は、データ1つ1つが互いに独立 であることを前提にしています。サイコロを何回も振るように、ある生徒の得点が他の生徒の得点と無関係、という前提です。
しかし今回のデータは、
- 同じ学校の生徒どうしは似ている → 独立ではない
- 「生徒300人分の情報」に見えて、実際には「学校20校分の情報」に近い部分がある
という構造(グループ構造、階層構造 と呼びます)を持っています。
- 学校の中の生徒、病院の中の患者、店舗の中の売上
- 同じ人を何回も測定(反復測定):人の中の測定値
- 同じ畑の中の複数の株、同じ工場ラインの中の製品
こうしたデータはどこにでもあります。線形混合モデルは、この「グループ内で似ている」を正しく扱うための道具です。
1.5 体験:無視するとどうなるか(シミュレーション)
独立性を無視すると何が起きるか、実験してみましょう。
各学校が「特別補習プログラム」を やっている/やっていない という変数を作ります。ただし このプログラムには本当は効果がない(得点と無関係)ようにします。
効果がないのだから、「有意水準 5% で検定して有意になる(=効果ありと誤判定する)」確率は 5% であるべきです。
50 回だけなので、割合は多少ぶれます(50 回中 2〜3 回なら 4〜6%)。 時間に余裕があれば 1:50 を 1:300 などに増やして、割合が安定する様子を確かめてみてください。
- 普通の回帰 (
lm):本当は効果がないのに、かなりの割合で「有意」と判定 してしまう - 線形混合モデル (
lmer):ほぼ 5% 前後に収まる
lm は「300人の独立なデータがある」と思い込み、情報量を過大評価して 標準誤差を小さく見積もりすぎる のです。その結果、p 値が小さくなりすぎます。
- データにグループ構造があると、グループ内のデータは似ている(独立でない)
- 独立性を無視して普通の回帰を使うと、誤って「有意」と判定しやすくなる
- 線形混合モデルは「グループごとのずれ」をモデルに組み込んで、これを正しく扱う
コード中の (1 | school) が何を意味するのかは、第 チャプター 4 章で詳しく説明します。その前に、次章で普通の回帰を復習しておきましょう。