バイアスとは?



今回、統計学の考え方で最も大切な言葉のひとつである「バイアス」について説明します。
バイアスとは、日本語でいう偏見であり、偏った手法や意見という意味です。バイアスはデータ分析を行う上で、よく問題となります。多くのバイアスがありますが、今回5つのバイアスについて紹介します。

①サンプリングバイアス
「結果を調べたい対象(母集団)」と「アンケートを取る対象(標本)」がちぐはぐになっていることで生じます。Webアンケートでよく問題視されます。

「最新の現場の意見を知りたいのに、OBOGの意見を混ぜるアンケートはサンプリングバイアスが入ってて意味ないでしょ。」
「美大の友達だけに聞いたサンプリングバイアスしかないアンケート結果から、絵画に対する日本全体の消費量や適切なマーケティングは行えない。」

②確証バイアス
自分の都合のよい結果のみ集め、思い込みや先入観を強めることです。自社に都合の良いデータしか示さない営業や、ライバルの悪い情報だけを流す人が使う方法です。悪気もなく使っている人も多いので、注意が必要です。

「この前プレゼンされた案件は、メリットしか語られておらず、確証バイアスが入っている」
「君が悪くいってた人は意外にいい人だった。君に聞いた話は確証バイアスが入っていたよ。」

③後知恵バイアス
結果から予測できたことを考えることです。物事が起こった後にしか意見を言えない評論家は後知恵バイアスがかかっていると言えます。データ分析もPDCAを回し、得られた結果から分析した後に、次の施策や予測、考察に活かさないとあまり意味がありません。

「あの場面で選手交代をしたから負けた、といってるがそれは後知恵バイアス」

④多数派同調バイアス
多数派の意見に合わせればよいという、赤信号皆で渡れば怖くないってやつです。多数派が間違っていることは意外と多いと僕は思ってます。「家事は外注すべきではない」、「都内は家賃が高いから郊外から通勤した方がよい」、「外食は不健康だから自炊すべき」、「朝9時から夕方17時までがコアタイム」、「学校や会社に通わないといけない」、「公務員や大企業は安定している」... これらの意見は日本で多数派ですが本当に正しいのでしょうか。

⑤思い込みバイアス
すでに自分の中にある先入観で判断することです。過去の経験から主観的に物事を判断することです。成功者が特に陥りやすいバイアスなので、うまくいったときこそ客観的な視点での振り返りや、抽象化が必要だと思います。

「取引先の部長のキャリアアップ話は、思い込みバイアスが入ってて、あの会社以外には適用できないし、時代の流れにあっていない考え方だと思う。」
「あの国の政府の発言だけで、あの国の国民性を決めつけるのは思い込みバイアスが入っている」

いかがでしたでしょうか。気づかないうちにバイアスがかかった意見を言ったり、判断をしたりしていたかもしれません。もっと知りたい方や日常生活で活かしたい方は、「ファスト&スロー」がおススメです。

よろしければシェアお願いします。
このエントリーをはてなブックマークに追加
 



コメント

このブログの人気の投稿

統計と、機械学習・深層学習(マシーンラーニング・ディープラーニング)の違いとは?

定量分析と定性分析の使い分け

データベースの意味と、構築する際の留意点