医療統計学をわかりやすく解説

しかしながら、選択バイアスは、サーベイにとっては非常に重要なので，きちんと検討したいところです。

そのために，以下の問いがあります。

�@入手されたサンプルが代表的なものでなくなるようなことはひょっとして起きていないか

�Aサンプルをそこから抽出した集団は何らかの点で特別ではなかったか

�Bサンプルを選び出す方法がバイアスを生じさ せていないか

�Cある特定のタイプの参加者が選択的に失われていないか

非常に大きなサンプルを得たとしても、何の予防にもなりません。

選択バイアスが生じていれば，参加者500人の研究に対するのと同じだけの影響を、参加者100万人の研究に対しても及ぼします。

思いがけない結果ではなかったか

サーベイは多様な項目についてデータを収集することを可能とし，次いで分析を行なって，そのデータから何が言えるかを検討します。

分析から得られた予期していなかった結果を，まさに以前から探し求めていた知見であったかのように示すのは間違っています。

このようなやり方は，統計的有意性検定を無意味にしてしまいます。

そもそも，たくさんのデータが収集されている場合には、擬似的な統計的有意性が,いくつかは見つかるものです。

よって，サーベイデータに対する有意性検定は，十分な注意をもって受け止めるべきです。

有意性検定は.重要でない（すなわち，有意でない）結果を棄却するための方法ですが，有意な結果が出た場合にはその解釈は難しくなります。

いくつもの統計的検定を行なって，そのうち有意な結果を示した検定だけを報告していないかどうかを注意深く吟味すべきです。

結果は一般化できるか

結果を全く異なる場所へどの程度一般化できるのかは，どの研究方法にとっても関心事です。

しかしながら，サーベイにとって，一般化の問題は，他の研究手法にもまして重大です。

なぜなら，サンプルを収集するのは，まさに.より広範な集団に関して何かを述べるためだからです。

どのくらい一般化が可能かは，批判的吟味のための（この問い以外の）問いについて、研究がどの程度首尾よく行なわれたかにかかっています。

研究が.とりわけ本質的な問いについてゆるぎなければ、確信をもって一般化を行なうことができます。

小さな欠陥が2つ3つあっても、主たる結論に影響を与えることはありません。

しかし，無回答が多いなど，サンプルがあまりにも選択的だというエビデンスがあれば、知見は一般化することはできません。