トップページ | ひとつ上のページ | 目次ページ | このサイトについて | ENGLISH

尤度比検定

統計的仮説検定 の説明の仕方ですが、2000年代からは、 z検定 などの個別の方法を、順番に説明するのが一般的です。 そうした文献では、尤度比検定が出て来ません。

一方、比較的古い書籍では、尤度比検定を説明して、そこからの各論として、個別の方法を説明していることがあります。

また、最近の文献では、尤度比を使うものの、従来の尤度比検定とは異なるものとして、ベイズファクターが紹介されるようになって来ています。

このページは、尤度比検定やベイズファクターとは、どういうものなのかについて、筆者が改めて整理してみたものです。

尤度比の使い道

尤度比検定とは

尤度比検定は、2つモデルの尤度関数について、尤度関数の最大値の比を調べる方法です。

尤度比が1に近い場合は、2つのモデルに優劣がないことになります。

優れていると考えているモデルを分母にして、尤度比が1よりもどのくらい小さくなるのかを評価します。

ベイズファクター

尤度比検定と似ているものとして、「ベイズファクター(ベイズ因子)」と呼ばれる方法があります。

ベイズファクターは、成り立ちが ベイズ統計 から来ていますが、そこから導かれた式は尤度比です。 尤度統計学 の立場では、尤度比検定とベイズファクターは、その点で同じものです。

以下は、慣例となっている使い方などの違いです。

尤度比の見方

尤度比検定では、優れていると考えているモデルを分母にして、尤度比が1よりもどのくらい小さくなるのかを評価するのが一般的です。

ベイズファクターでは、優れていると考えているモデルを分子にして、尤度比が1よりもどのくらい大きくなるのかを評価するのが一般的です。

尤度比の計算方法

尤度比検定では、分子と分母について、尤度関数の最大値(最尤値)を求めてそれらの比を評価します。

ベイズファクターでは、分子と分母について、周辺尤度を求めて、それらの比を評価します。

尤度比の直接評価と間接評価

尤度比検定では、カイ二乗検定の形にして評価することが通例ですが、ベイズファクターでは、尤度比の大きさを直接評価することが通例です。

尤度比を使った仮説検定

尤度比は、仮説検定に使われます。

なお、世の中の解説では、尤度比検定をフィッシャー流の検定として使う話題が多く、ベイズファクターをネイマン・ピアソン流の検定として使う話題が多いですが、 逆の使い方もできます。

そのため、「一般的な仮説検定や尤度比検定では、帰無仮説と対立仮説を対等に扱わないので、帰無仮説の採択ができない。 一方、ベイズファクターは、対等に扱うので、帰無仮説を採択することができる。」という説明を見かけることがありますが、誤解ではないかと筆者は考えています。

尤度比によるフィッシャー流の検定

フィッシャー流の仮説検定に尤度を使う場合は、尤度比検定では、帰無仮説が分子です。

例えば、平均値の検定で、帰無仮説が「母平均が0」の場合、母平均を0とした場合の尤度が分子になります。 母平均を、データの平均値とした場合の尤度が分母になります。 これらの比が1に近いかどうかを評価します。

1よりも十分に小さければ、「帰無仮説ではない」という意味になります。 ほぼ1の場合、「帰無仮説と、データには違いがない」という意味になります。

尤度比によるネイマン・ピアソン流の検定

帰無仮説と対立仮説の検定 のページにあるように、 ネイマン・ピアソン流の検定 を厳密にやろうとすると、帰無仮説と対立仮説の両方について、確認の作業が必要になります。

「どちらの仮説でもない」という可能性がない場合、別の言い方をすれば、「帰無仮説に近い・対立仮説に近い・帰無仮説と対立仮説に違いがない」の三択の場合、尤度比の値を見れば、この評価ができます。2つの仮説に対して、それぞれ確認作業をする必要がないです。

尤度比が1よりも十分に大きければ、分子の方の仮説に近いです。 1よりも十分に小さければ(ただし、0よりは大きい)、分母の方の仮説に近いです。 尤度比が、ほぼ1の場合、「両方の仮説の中間」ということになりますが、これはつまり、「仮説に違いがない」という意味になります。

「仮説に違いがない」ということが検証できる方法になることがわかりにくいですが、 例えば、帰無仮説が「傾きの係数なし」、対立仮説が「傾きの係数あり」の場合、尤度比が1に近いということは、「傾きの係数をいれても意味がない」ということになります。

分子に帰無仮説、分母に対立仮説を置く尤度比検定の使い方は、 ネイマン・ピアソンの定理により、 最強力検定 になることが知られています。

尤度比検定の応用

尤度比検定は、それ自体を使うだけでなく、他の手法へのハブのような役割も持っています。

良く知られた検定手法の導出

平均値の検定や、平均値の差の検定などの良く知られた検定は、尤度比検定の尤度に、具体的な確率密度関数を入れることで導出されます。

帰無仮説が成り立っている場合の尤度を分母にして、データが得られている場合の尤度を分子にした比がスタートになります。 この比を整理していくと、良く知られた検定統計量が導かれます。

尤度比の形のままの場合、尤度比が十分に小さければ、帰無仮説が棄却できると考えます。

カイ二乗検定による尤度比検定

尤度比の対数について、サンプル数が無限大になると、カイ二乗分布に近付くことが知られています。

これの意味するところですが、サンプル数が多い時は、まず、カイ二乗分布を使う 適合度検定 と同じ検定ができることになります。

それだけでなく、サンプル数が多い時は、平均値の検定など、尤度比検定で表現できる他の検定についても、カイ二乗検定で扱えることになります。



参考文献

数理統計学 基礎から学ぶデータ解析」  鈴木武・山田作太郎 著 内田老鶴圃 1996
尤度比検定から、各種の検定手法を導出しています。
また、それらが、サンプル数が多い時に、どのようなカイ二乗検定になるのかを説明しています。


数理統計学の基礎」 野田一雄・宮岡悦良 著 共立出版 1992
ワルド検定やスコア検定との関係についても説明があります。


統計科学の基礎 データと確率の結びつきがよくわかる数理」  白石高章 著 日本評論社 2012
正規1標本モデルと、2標本モデルの例があります。


カイ二乗検定による尤度比検定を紹介している本

統計学」 森棟公夫 他 著 有斐閣 2015


数理統計学」 吉田朋広 著 朝倉書店 2006


独習 統計学 24講 すべての医療系学生・研究者に贈る」 鶴田陽和 著 朝倉書店 2013


ベイズファクタ

Rを使った〈全自動〉ベイズファクタ分析 js-STAR_XR+でかんたんベイズ仮説検定」  田中敏・中野博幸 著 北大路書房 2022
ベイズファクタについて、ソフトウェアの具体的な使い方も含めた解説書です。




順路 次は 多変量解析

データサイエンス教室