@genkuroki: #統計 <a target="_blank" href=...

#統計

biostatistics.ucdavis.edu/sites/g/files/…
[slide] Advancing statistics reform: Ways to improve thinking and practice in the face of resistance
Sander Greenland
2022

の音声解説m4aファイル
genkuroki.github.io/audio/76%20%5B…

約45分もある。以上のpdfを見ながらとダウンロードしてm4aファイルを聴くと良い。

View Tweet

#統計 次の講演スライドの日本語音声解説(約38分)

bfr-akademie.de/media/wysiwyg/…
[slide] Proper presentation and interpretation of statistics for causality assessment and policy input
Sander Greenland 2023

長いのでm4aファイルのダウンロードがお勧め→genkuroki.github.io/audio/77%20%5B…

最近の関連スレッド

View Tweet

#統計 このスレッドで紹介した2つの音声解説は、特に統計学を若い人達に教える仕事をしている人やしていた人達は特に聴くべきだと思います。

グリーンランドさんは「結果的に社会悪に繋がる統計学を教えてしまわないようにするための具体的な提案」をしています。

正直、耳が痛い。

#統計 おそらくグリーンランド氏の最も有名な研究はロビンズ氏とパール氏とともに疫学に因果推論を導入したことです。現在では常識になっている必要不可欠な道具のパイオニア。

統計学の使い方についての基本的な事柄について論文検索を行うとほぼ常にGreenland氏の論文がヒットして来ます。

#統計 bfr-akademie.de/media/wysiwyg/… pp.41-42の機械翻訳

因果図式を使う因果推論の開発者の一人であるグリーンランドさんによるその位置付けが「科学的推論のための道具の1つ」になっている点は面白いと思います。

因果推論についてはもっと広い科学的推論の視点が重要だということなのだと思います。

View Tweet

#統計 bfr-akademie.de/media/wysiwyg/… pp.43-44の機械翻訳

確率ではなく、因果が大事。

余談: 因果推論で必要なモデルは、各種の変数達の同時確率分布だけでは記述できず、因果構造や行為(介入)に関する情報を追加する必要があります。

View Tweet

#統計 統計学について確率分布の理論の応用であるかのように説明してしまった場合には、正直に「ここで説明した方法は複雑な現実ではそのままでは使えない」と言っておかないとまずい。

どうしてそのままでは使えないかの説明では失敗の実例を説明する必要がある。

予測の失敗の例
↓

View Tweet

#統計 1936年の米国大統領選挙の予測失敗の件についてhq1つ上の投稿のリンク先で紹介している論文を参照。

現代の選挙予測失敗についてはGelmanさんのブログを参照
↓
statmodeling.stat.columbia.edu/2025/08/27/aim…

#統計

arxiv.org/abs/1909.08583
To Aid Scientific Inference, Emphasize Unconditional Compatibility Descriptions of Statistics
Sander Greenland, Zad Rafi, Robert Matthews, Megan Higgs
29 Jul 2022
の音声解説

m4aファイル: genkuroki.github.io/audio/78%20To%…

条件付きでない解釈(記述)が基本！

#統計 P値や信頼区間だけではなく、ベイズでの事後確率の類については普通は「モデルが妥当ならば」という前提の条件付き解釈が述べられてきました。そしてその前提条件は忘れられてしまうことも普通！😱

モデルの妥当性を仮定しない条件付きでない解釈の仕方がこの論文では解説されています。
↓

View Tweet

#統計 モデルの妥当性を仮定しない条件付きでない解釈は実は簡単で、例えば、仮説HのP値は

　統計モデル+仮説Hと
　データの値の相性の良さの指標

だと解釈すればよい。ベイズでの仮説Hの事後確率は

　統計モデル+事前分布+データの値と
　仮説Hの相性の良さの指標

だと解釈すればよい。

#統計 モデルも含めてデータの値との相性の良さを見るという条件付きでない解釈には、統計学の教科書全般に蔓延している怪しげな説明から逃れられるというメリットがあるので、統計学入門の講義をする側のストレスも減らしてくれます。

特に論理を重視する生き方をして来た数学者にとってありがたい。

#統計

arxiv.org/abs/1909.08583
To Aid Scientific Inference, Emphasize Unconditional Compatibility Descriptions of Statistics
Sander Greenland, Zad Rafi, Robert Matthews, Megan Higgs
29 Jul 2022
の動画解説1

View Tweet

#統計 NotebookLMで同じソースの動画解説を作り直してみました。これも悪くないです。

arxiv.org/abs/1909.08583
To Aid Scientific Inference, Emphasize Unconditional Compatibility Descriptions of Statistics
Sander Greenland, Zad Rafi, Robert Matthews, Megan Higgs
29 Jul 2022
の動画解説2

View Tweet

#統計 以上の動画解説を見た人は、nature 2019に掲載された統計的有意性の廃止を提案した論文が、どのように廃止すると提案しているかを大体分かったと思う。

P値を廃止するのではなく、P値や信頼区間の解釈を相性の良さによる正直な解釈に変更して、統計的有意性による安易な二分法をやめるだけ。

View Tweet

#統計 統計的有意性の廃止提案論文 nature 2019 の日本語音声解説をまた作り直した。この音声解説は非常に詳しい。

scholar.google.co.jp/scholar?cluste…
Scientists rise up against statistical significance
Valentin Amrhein, Sander Greenland, and Blake McShane
nature 2019

m4a: genkuroki.github.io/audio/79%20Sci…

View Tweet

#統計 統計的有意性の廃止提案論文 nature 2019 の日本語動画解説も作りました。

ポイント: compatibility→相性の良さと訳すと分かり易くなる。

scholar.google.co.jp/scholar?cluste…
Scientists rise up against statistical significance
Valentin Amrhein, Sander Greenland, and Blake McShane
nature 2019

#統計 「統計的有意性の廃止」は「P値<5%であるか否かで白黒付けることの廃止」を意味しています。

P値自体の廃止は提案していないことに注意。
P値関数の使用を推奨している。

信用区間やベイズ因子によるベイズ的な二分法についても同様に問題ありだとしている。

この辺りへ誤解は非常に多い。

#統計 nature 2019の統計的有意性廃止提案論文では、人為的な閾値によって安易に白黒付ける二分法の廃止を訴えているので、例えばベイズ因子による二分法も批判しています。

これはベイズか非ベイズかという軸の問題ではありません。

scholar.google.co.jp/scholar?cluste…

#統計 統計ソフトのアウトプットを

　モデル全体とデータの値の相性の良さ(compatibility)の記述

になっていると解釈させることは

　報告の謙虚さ正直さを推進するための処方箋

になっています。信頼区間をcompatibility区間に改名することはこのように解釈する必要があります。

View Tweet

#統計 𝕏なんかで医学論文の結果の紹介を「有意差があった/なかった」と説明して終わりになっているものはほとんど役に立たない。そういう紹介が目に入ったせいでおかしな印象操作をされずに済むように原論文を見るはめになる。大迷惑。

統計的有意性は科学コミュニケーションを害している。

View Tweet

#統計 このスレッドおよびリンク先の別スレッドにある音声解説と動画解説の内容は、論文にある統計分析の結果の紹介を健全に行うための処方箋の解説にもなっています。

#統計 Amrhein-Greenland-McShane nature 2019の統計的有意性の廃止提案論文のエッセンスは、さらにGelmanさんを共著者に付け加えたJAMAへのレター(のプレプリント AGGM 2019)で読めます。

こちらは非常に短いのですが、感動的に分かり易く書かれています。

View Tweet

#統計 統計的有意性の毒は𝕏のようなSNSでの雑談レベルに浸透してしまっています。

「差がある」という発言に対して、統計学半可通が「その差は統計的に有意なの？」と言い返す。

こういうのが雑談レベルでも知的にバカにされるようになると良いと思います。

View Tweet

#統計 「差がある」という発言が自信過剰に見える場合には、単にその根拠を説明させればよい。説明できないなら、「差があるという主張に根拠はないのですね」で議論終了。

相手が専門家なら、研究デザインの概略とデータの取得法と統計分析の全体について詳しく説明させればよい。

#統計 私なら、自信過剰に「差がある/ない」と言われたら、「差のP値関数のグラフを見せてくれ」と言いたいです。

相手のP値関数への理解度が不十分なら、「差がないという仮説のP値、差の点推定値、差の信頼区間のうち少なくとも2つを見せてくれ」と言います。これなら大抵の論文に書いてある。

#統計 差がないという仮説のP値、差の点推定値、差の信頼区間のうち少なくとも2つの値を教えてもらえれば、適当な正規分布近似の仮定の下でP値関数を推定できます。

ただし、P値として信頼区間と整合性がないものを記載している論文が多く、そういう場合にはそのP値の情報は不十分な情報になります。

#統計 P値、点推定値、信頼区間(=相性区間)についてはP値関数全体の情報の要約にすぎないという扱いにし、P値関数を見ても得られない重要情報(特にデータの値をどのように取得したかやモデルの概略など)もクリアに説明してほしい。

P値関数
↓

View Tweet

P値関数の最も簡単な例
↓

View Tweet