本記事は、筆者が独自に作成した解答・解説です。
統計検定の問題は、当サイトでは掲載していません。
統計検定の問題や公式の解説は、公式問題集をご参照ください。
『統計検定1級 公式問題集[2019~2022年]』をAmazonで見る
- 本記事は、統計検定の公式の解答・解説ではありません。
- 内容の正確性には配慮していますが、誤りが含まれている場合があります。
- 統計検定®は一般財団法人統計質保証推進協会の登録商標です。
解答
[1]
[1-1]
母集団の大きさを\(N\)、標本の大きさを\(n\)とする。 単純無作為抽出法とは、母集団から非復元で選べる\({}_{N}C_n\)通りの標本が、すべて等しい確率\(1/{}_{N}C_n\)で選ばれるように抽出する方法である。 調査者の主観による選択を避けられ、抽出の仕組みに基づいて標本誤差を評価し、母集団について推定や検定を行えることが利点である。 一方、母集団を網羅する名簿などの抽出枠が必要であり、対象者が広く分散している場合には調査の手間や費用が大きくなる。
有意抽出法とは、調査者が調査目的に照らして適切と判断した対象を意図的に選ぶ方法である。 調査者の知識を生かし、時間や費用を抑えて必要な情報を集めやすいことが利点である。 一方、選択に主観が入り、選ばれた対象と母集団との性質の違いによる偏りが生じるおそれがある。 一般には抽出確率が分からないため、抽出の仕組みだけから標本誤差を評価したり、母集団全体への推測を正当化したりすることが難しい。
[1-2]
単純無作為抽出とはいえない。 性別を層とし、母集団の男女比に比例して標本数を配分する層化無作為抽出である。 各社員が選ばれる確率は
\[ \frac{80}{400}=\frac{20}{100}=\frac{1}{5} \]
で等しいが、標本の構成は必ず男性\(80\)名・女性\(20\)名になる。 その構成の標本はそれぞれ
\[ \frac{1}{{}_{400}C_{80}\,{}_{100}C_{20}} \]
の確率で選ばれる一方、男性\(79\)名・女性\(21\)名などの標本は選ばれない。 したがって、すべての\(100\)名の組が等確率で選ばれるという単純無作為抽出の条件をみたさない。
[2]
問題となり得る点として、次の3つを挙げる。
Iの勤続年数の選択肢は重複があり、漏れもある。 例えば勤続\(25\)年の社員は「10年以上」と「20年以上」の両方に該当する一方、勤続\(10\)年未満の社員には該当する選択肢がない。 回答を一意に定められず、無回答や分類の誤りにつながる。
IIの冒頭の「テレワークが好ましいといわれ、政府からも要請されています」という前置きは、肯定的な回答が望ましいという印象を与える。 そのため、II(i)の回答を「好ましい」側へ誘導し、実際の意見より肯定的な回答が多くなるおそれがある。
II(iii)の自宅での仕事時間には、1日当たりか1週間当たりかなどの基準期間が示されていない。 回答者ごとに異なる期間を想定すると、同じ選択肢の回答でも意味が異なり、共通の基準で比較できない。
これ以外にも、次のような問題点が考えられる。
II(ii)では、回答を一つ選ぶのか、複数選んでもよいのかが明示されていない。 複数の選択肢に当てはまる人が、回答の仕方に迷うおそれがある。
II(ii)の選択肢7は、企業のイメージアップと、顧客や就職希望者の増加を一つにまとめている。 前者には賛成しても後者には賛成しない人が回答しにくい。
II(ii)の選択肢は、「その他」を除く10個のうち7個がテレワークの利点であり、否定的な理由は3個しかない。 選択肢の偏りが肯定的な理由を選ぶよう促し、II(i)で否定的に答えた人は理由を選びにくい。
II(iii)の時間区分では、\(5\)時間、\(10\)時間、\(20\)時間などの境界値をどちらの区分に含めるかが不明確である。 同じ時間でも回答者によって異なる区分を選ぶおそれがある。
性別、年代、勤続年数、所属部署を組み合わせると、該当者が少なくなり回答者を特定できる場合がある。 特定されることを恐れた回答者が、本心ではなく会社にとって望ましいと思われる回答を選ぶおそれがある。
[3]
[3-1]
標本誤差とは、母集団の一部だけを調査するために、選ばれる標本によって推定値が変動することに由来する誤差である。 確率抽出では推定量の分散や標準誤差によってその大きさを評価でき、全数調査では生じない。
非標本誤差とは、標本抽出に伴う変動以外の原因で生じる誤差である。 抽出枠の不備、無回答、質問の誤解や虚偽回答、記録・入力・集計の誤りなどが含まれる。 全数調査でも生じ、標本数を増やすだけでは解消しない。
[3-2]
無回答バイアスとは、回答者と無回答者とで調査対象の特性が系統的に異なるため、回答者だけから求めた推定値に偏りが生じることである。 例えば、テレワークに否定的な社員ほど回答しにくいならば、回答者中の肯定的な割合は母集団の割合より高くなり得る。
無回答の社員にペナルティを科すと、形式的な回答は増えても、でたらめに回答したり、会社にとって望ましいと思われる回答をしたりするおそれがある。 その結果、無回答が減る一方で測定誤差や回答バイアスが生じ、調査の正確性が損なわれる可能性がある。
[4]
[4-1]
母集団の大きさは\(N=500\)、標本の大きさは\(n=100\)である。 非復元の単純無作為抽出で\(j\)番目に選ばれた社員が肯定的な回答をするとき\(I_j=1\)、それ以外のとき\(I_j=0\)とする。 抽出される肯定的な回答者数を\(M=\sum_{j=1}^{n}I_j\)とすると、標本比率は\(\hat{p}=M/n\)である。 各\(I_j\)の周辺分布は成功確率\(p\)のベルヌーイ分布なので、\(\operatorname{E}[I_j]=p\), \(\operatorname{Var}(I_j)=p(1-p)\)である。 母集団中の肯定的な回答者数は\(Np\)であり、\(j\ne k\)に対して
\[ \operatorname{E}[I_jI_k]=p\frac{Np-1}{N-1} \]
となるから、
\[ \operatorname{Cov}(I_j,I_k) =p\frac{Np-1}{N-1}-p^2 =-\frac{p(1-p)}{N-1} \]
である。 したがって、\(\operatorname{E}[\hat{p}]=p\)であり、その分散は
\[ \begin{aligned} \operatorname{Var}(\hat{p}) &=\frac{1}{n^2}\left\{\sum_{j=1}^{n}\operatorname{Var}(I_j) +2\sum_{j<k}\operatorname{Cov}(I_j,I_k)\right\} \\ &=\frac{1}{n^2}\left\{np(1-p)-\frac{n(n-1)p(1-p)}{N-1}\right\} \\ &=\frac{N-n}{N-1}\frac{p(1-p)}{n} \end{aligned} \]
となる。
観測された人数は\(m=70\)なので、標本比率の観測値は\(\hat{p}=m/n=0.7\)である。 未知の\(p\)を\(\hat{p}\)で置き換えると、標準誤差の推定値は
\[ \widehat{\operatorname{SE}}(\hat{p}) =\sqrt{\frac{400}{499}\frac{0.7\times0.3}{100}} \approx 0.04103 \]
である。 正規近似により、求める\(95\%\)信頼区間は
\[ \begin{aligned} \left[\hat{p}-1.96\,\widehat{\operatorname{SE}}(\hat{p}),\ \hat{p}+1.96\,\widehat{\operatorname{SE}}(\hat{p})\right] &\approx [0.6196,\ 0.7804] \end{aligned} \]
となる。
[4-2]
20代から60代までの母集団で肯定的な回答をする割合を順に\(p_1,\ldots,p_5\)とし、
\[ H_0:p_1=p_2=\cdots=p_5 \]
を、少なくとも一つの割合が異なるという対立仮説に対して検定する。 各年代の肯定的な回答数を二項分布で近似する通常の比率の均一性の検定を考える。 帰無仮説の下で共通の割合を\(\hat{p}=70/100=0.7\)と推定すると、各年代の期待度数は肯定的な回答が\(20\times0.7=14\)、それ以外が\(20\times0.3=6\)となる。
| 20代 | 30代 | 40代 | 50代 | 60代 | |
|---|---|---|---|---|---|
| 肯定的な回答(観測) | 18 | 15 | 16 | 12 | 9 |
| それ以外(観測) | 2 | 5 | 4 | 8 | 11 |
| 肯定的な回答(期待) | 14 | 14 | 14 | 14 | 14 |
| それ以外(期待) | 6 | 6 | 6 | 6 | 6 |
各年代の肯定的な回答数を\(x_i\)とすると、それ以外の回答数の偏差は\((20-x_i)-6=-(x_i-14)\)なので、Pearsonのカイ二乗統計量は
\[ \begin{aligned} X^2 &=\sum_{i=1}^{5}\left\{\frac{(x_i-14)^2}{14}+\frac{\{(20-x_i)-6\}^2}{6}\right\} \\ &=\left(\frac{1}{14}+\frac{1}{6}\right)\sum_{i=1}^{5}(x_i-14)^2 \\ &=\frac{5}{21}\{4^2+1^2+2^2+(-2)^2+(-5)^2\} \\ &=\frac{250}{21}\approx 11.905 \end{aligned} \]
となる。 各年代の標本は独立に抽出されるが、共通割合を一つ推定するため、期待度数からの偏差には\(\sum_{i=1}^{5}(x_i-20\hat{p})=0\)という制約がある。 したがって、自由度は\(5-1=4\)となる。 期待度数はすべて\(5\)以上なので、帰無仮説の下で\(X^2\)は近似的に自由度\(4\)のカイ二乗分布に従う。 その上側\(5\%\)点は約\(9.488\)であり、\(11.905>9.488\)なので帰無仮説を棄却する。 したがって、有意水準\(5\%\)で、肯定的な回答をする割合は年代によって異なると判断する。