昨今の高度情報化社会では，どうしても問題が複雑化します。そこで必要なのは問題解決の方法論と共に，情報をまとめる力です。統計解析は，情報を数値化して分析する効率的な方法論を提供してくれます。もちろん統計解析の手法を取らずに膨大なデータを逐一調べることも重要でしょう。しかし統計解析では，検出力という考え方で，いかに少ないデータ数でより多くの結論を合理的に導くかを考えて行きます。
私の最近の興味は，医学統計の分野でよく用いられる「多重比較法」にあります。多重比較法とは，臨床試験の用量設定の段階で必然的に用いられる手法であり，これが無くてはこの世に「新薬」が産まれないというほど重要な役割を果たしています。ここで検出力が高いとは，より少ないデータ数で他の手法と同じ意義のある結論を導くことを意味します。つまり臨床試験に関わる人数が最小で済むのです。臨床試験は我々が「新薬」を得るためには避けられない道ですが，このリスクに関わる人を最小限に留めることが，研究の目的となります。
このように大変意義深い「多重比較法」において，通常の検定で行われる「第1種の誤り」の確率に似た，「Type I FWE」という考え方があります。一般的に，多重比較法として認知されるためには，このType I FWEがコントロールされていることが必要です。この「正しい仮説のうちで，1つ以上を棄却する確率」を抑えるためには，閉検定手順という方法が提案されています。しかし，検定される対象が複雑に絡んでいるという背景があり，現実に提案されている手法は，必ずしも検出力を最大にするように設計されてはいません。
現在，多群の比較では決定版と言われている「ペリの方法」を研究しています。統計解析は純粋に理論的な研究ですが，改良版が実現すると，リスクが少ない「新薬開発」が可能となり，社会の効率化に貢献することができます。皆さん，一緒に研究しませんか？