【書籍メモ】『データ解釈学』第１１章 - データサイエンティストの書評ブログ現役データサイエンティスト

書籍メモとして、備忘録です。

【書籍情報】
書籍名：分析者のためのデータ解釈学入門　データの本質を捉える技術
著者：江崎貴裕
出版社：ソシム

リンク

データ分析の罠
データ解釈の罠
コチラもどうぞ

データ分析の罠

この章で言っていることは大きく分けて3つです。

①『FACTFULNESS』の内容そのままバリに「見せ方に騙されるな／騙すな」
②取れているデータに固執するな
③目的や手法に合意した上での結果には異論を唱えない

以上となります。

①についてはそのままです。 「FACTFULNESS」を読んでいない人は読みましょう。データサイエンティスト必読書だと思います。

リンク

②については、そのままではありますが、裏メッセージとしては、「時には振り出しに戻る勇気も大事」ということだと思います。

③「結果が思っていたのと違う＝分析が悪い」ということではありません。
分析者にこの解釈をする人は多くないと思いますが、依頼者がこう思うこともあると思います。おかしいという主張を受け入れつつも、プロセスをしっかり説明し、理解してもらう必要があります。

データ解釈の罠

この章で言っていることは大きく分けて2つです。

①分析結果の信頼性
②解釈時のバイアス

以上となります。
①については、分析が再現できるかという観点に立ちます。まず、同じようにデータを観測することができるか（使っているデータがそもそも異常ではないか）、そしてどの分析者が分析しても同じ結論にたどり着くか（手法などが異なれば異なる結論になることもしばしば。）。

学術的な分野で利用されることが多いものの、後ろ指を指されないためのガイドラインもある。

データ取得を始める前に、どこまでデータを取るのかを決定し報告する
一つの条件につき、最低でも20の観測値を集める
収集した全ての変数について報告する
データを取得した全ての実験条件を報告する
もし観測値を取り除く場合は、それを取り除かなかった結果も示す
分析で、ある変数の影響を取り除く操作（共変量の統制）を行った場合は、そうしなかった場合の結果も示す

他にも、Hillの基準というものもあり、因果関係の判定を行うために用いられる。

頑強性
一貫性
特異性
時間性
用量反応性
妥当性
整合性
実験の有無
類似性

詳細は割愛します。

続いて②の解釈時のバイアスについて。
こちらについては、「 都合よく解釈するな 」この一言につきます。突き詰めればキリはないと思いますが、企業の出している「当社についてのアンケート結果です！40代女性から圧倒的な支持！」こう言った類の解釈はほぼ間違いなくバイアスが入っています。こう言ったものに加担したくはないですね。

以上。