論文要約：混合効果ロジスティック回帰モデルのための適合度検定

1. 研究の背景と課題

医療、疫学、社会科学などの分野では、患者が医師や病院に、あるいは反復測定が個人にネストされるような階層構造データ（多レベルデータ）が頻繁に扱われます。二値アウトカム（例：死亡、疾患発症、治療成功）を分析する際、クラスター化を考慮し、レベル間の変動を分割する混合効果ロジスティック回帰モデルが標準的な手法として用いられています。

しかし、このモデルの適合度（Goodness-of-Fit）を検証する formal な手法には以下の重大な限界がありました：

1. ランダム切片モデルへの限定: 既存の適合度検定（Perera et al., Fernando and Sooriyarachchi など）は、ランダム切片のみを持つモデルに限定されており、回帰係数自体がクラスター間で変動するランダム傾き（Random Slopes）を含むモデルには適用できませんでした。
2. 疎なクラスター設定への未対応: 従来の手法（Hosmer-Lemeshow 検定など）は、観測値を 10 グループに分割することを前提としています。しかし、混合効果モデルではクラスター内の観測数が 10 未満である場合が多く、この固定されたグループ数では空セルが発生し、モデル推定が失敗する問題がありました。

2. 提案手法と方法論

著者 Ariel Linden は、上記の課題を解決するための新しい適合度検定手法と、それを Stata プログラム mlm_gof として実装しました。

2.1 モデルの拡張

提案されるモデルは、ランダム切片に加えてランダム傾きを持つ 2 レベルまたは 3 レベルの混合効果ロジスティック回帰モデルです。
$$\text{logit}(p_{ijk}) = \beta_0 + \beta_1 x_{1ijk} + \beta_2 x_{2ijk} + v_j + u_{kj} + w_{kj} x_{2ijk}$$
ここで、$v_j$ は家族レベルのランダム切片、$u_{kj}$ は被験者レベルのランダム切片、$w_{kj}$ は共変量 $x_2$ に対するランダム傾きを表します。

2.2 検定統計量の導出

Lipsitz et al. のアプローチをクラスターデータに拡張し、以下の手順で検定を行います：

1. ベースラインモデルの推定: 混合効果ロジスティック回帰を最尤法で推定し、予測確率 $\hat{p}_{ij}$ を得る。
2. グループ数の選択（データ駆動型ルール）: 従来の固定値 $G=10$ ではなく、$G = \min(10, n_{\min})$ というルールを採用します。ここで $n_{\min}$ は最小のクラスターサイズです。これにより、クラスターサイズが 10 未満の場合でもグループ化が可能になります。
3. グループ化: 各クラスター内で予測確率に基づき、$G$ 個のほぼ同サイズのグループに観測値を割り当てます。
4. 拡張モデルの推定: 元のモデルに、グループを示すダミー変数（$G-1$ 個）を追加し、ランダム効果構造を維持したまま再推定します。
5. Wald 検定: 追加されたダミー変数の係数がすべて 0 であるという帰無仮説 ($H_0: \gamma_2 = \dots = \gamma_G = 0$) を、Wald 統計量を用いて検定します。統計量は自由度 $G-1$ のカイ二乗分布に従います。

3. 主要な貢献

1. ランダム傾きモデルへの拡張: 既存のグループ化ベースの Wald 検定枠組みを、ランダム傾きを含むより一般的な混合効果ロジスティックモデルに適用可能にしました。
2. データ駆動型グループ選択ルールの導入: 疎なクラスター（$n_{\min} < 10$）における推定失敗を防ぐため、$G = \min(10, n_{\min})$ というルールを提案しました。シミュレーションにより、このルールが統計的推論の妥当性にとって「単なる利便性」ではなく「必須」であることが示されました。
3. 実装ツールの提供: 提案手法を Stata プログラム mlm_gof として公開し、研究者が容易に適用できるようにしました。

4. シミュレーション研究の結果

著者は、タイプ I 誤差、検出力、グループ選択の感度について、44 万回の反復を含む大規模なシミュレーションを行いました。

4.1 タイプ I 誤差（Part 1）

• 24 種類の帰無仮説シナリオ（3 レベルランダム傾きモデル）において、検定は標称的なタイプ I 誤差（$\alpha=0.05$）を維持しました。
• 観測数 $N=1,500$ という以前の研究よりも小さなサンプルサイズでも安定しており、過剰な検出や保守的な傾向は見られませんでした。

4.2 検出力（Part 2）

• 固定効果の誤指定: 非線形項（二次項）の欠落や、交互作用項の欠落に対して、検出力は効果量に応じて増加しました。
  • 非線形項の欠落：効果量が大きい場合、検出力は 1.00 に達しました。
  • 交互作用の欠落：効果量が大きい場合、検出力は 0.87 に達しました。
• クラスターレベルの欠落: 真のモデルが 3 レベルであるにもかかわらず 2 レベルモデルとして適合させた場合（ランダム切片の欠落）、検出力は低く、この検定はクラスターレベルの欠落を検出できないことが確認されました。これは、グループ化手法がクラスター内での予測確率の残差パターンに焦点を当てるため、構造上の限界として理解されます。

4.3 グループ選択ルールの有効性（Part 3）

• バランス型設計（全クラスターが小規模）: 従来の $G=10$ を固定した場合、クラスターサイズが 10 未満ではすべての反復で推定に失敗しました。一方、提案されたデータ駆動型ルールは、すべてのシナリオで有効な結果を生成しました。
• 不均衡設計: 大規模クラスターが支配的な場合、両者の違いは小さかったものの、データ駆動型ルールが安定して機能しました。

5. 適用例

予備糖尿病の家族ベース介入研究（3 レベル構造：訪問→被験者→家族）を想定した人工データを用いて手法を適用しました。

• 最小クラスターサイズ（被験者あたりの訪問数）が 5 だったため、$G=5$ と設定されました。
• 適合度検定結果は $W=2.92$、$p=0.404$ となり、モデルの適合に問題がないことを示しました。
• もし従来の $G=10$ を強制していた場合、このデータ設定では推定が不可能になっていたことが確認されました。

6. 結論と意義

本論文は、混合効果ロジスティック回帰モデルにおける適合度検定の重要なギャップを埋めるものです。

• 実用的価値: mlm_gof により、ランダム傾きモデルや小規模クラスターを含む複雑な設計においても、モデルの適合度を形式的に評価できるようになりました。
• 統計的厳密性: 従来の PQL/MQL 法ではなく、適応型 Gauss-Hermite 求積法を用いた完全最尤推定を採用することで、小サンプルや高いクラスター内相関における推定のバイアスを軽減しています。
• 限界と今後の課題: 検定は固定効果の誤指定（非線形性、交互作用）には敏感ですが、ランダム効果構造の欠落には感度がありません。したがって、ランダム効果の妥当性を評価するには、尤度比検定や情報量基準と併用する必要があります。また、クラスター数が極端に少ない場合（$J < 15$）には、カイ二乗近似の信頼性が低下する可能性があるため、ブートストラップ法などの検討が推奨されます。

総じて、この手法は混合効果ロジスティック回帰を用いた応用研究において、モデルの妥当性を評価するための標準的なツールの一つとして確立される可能性が高いです。