管理番号：40020020250012
府省：総務省
提供状況
| 2025-12-03 | 匿名データの提供を受けた者の氏名又は名称 |
株式会社インテージ |
|---|---|---|
| 匿名データの提供を受けた者（個人に限る。）の職業、所属その他の当該者に関する事項 |
- |
|
| 提供した匿名データに係る統計調査の名称 |
国勢調査 |
|
| 匿名データの利用目的 | 国勢調査の匿名データを用いて「ネット調査におけるLLMの生成データのデータ補完手法としての有効性の検証」を行う。本研究では、非標本抽出のインターネット調査におけるデータの偏りをLLMを用いた生成データがどの程度補正できるかを既存手法と比較し明らかにする。 | |
| 備考 |
統計若しくは統計的研究の成果又はその概要等
| 匿名データの提供を受けた者の氏名又は名称 |
株式会社インテージ |
|---|---|
| 提供した匿名データに係る統計調査の名称 |
国勢調査 |
| 統計又は統計的研究の成果等のタイトル等 | Debiasing OPT-in Online Surveys: Evaluating Weighting, Synthetic Data, and LLM-Based Approaches |
| 作成した統計若しくは行った統計的研究の成果又はその概要 |
モニター調査は、迅速に結果が取れることとコスト効率の高さから、マーケティングリサーチにおける主要なデータ収集手段となっている。しかし、調査会社等に登録したモニターが自発的に回答する形式であるため、確率標本抽出に基づく調査とは異なり、サンプルバイアスが生じやすい。 本研究では、異なる補正戦略の有効性を検証するために、国勢調査などの複数の日本の公的統計ベンチマークと共通する変数を含むモニター調査データを用いる。具体的には、ウェイトバック、レイキング、傾向スコアに基づく重み付け、サンプルマッチングという4つの従来型の重み付け手法に加え、2つの生成モデル（TVAE、CTGAN）および大規模言語モデル（LLM）を用いた2つの手法（ダイレクトプロンプティング、分布情報を与えたプロンプティング）を評価する。 さらに、選択バイアスの下での頑健性を評価するために、調査データを人工的に歪め、性別構成に極端な偏りを持つサンプルを作成するストレステストも実施する。結果、CTGANはサンプルが均衡した条件では高い精度を示す一方で、強い偏り下では性能が低下することが確認された。これに対し、レイキングやウェイトバックは条件に依存せず安定した補正性能を示し、最も頑健な手法であることが示された。LLMについては、不均衡指標の改善は限定的であり、プロンプト依存性や計算コストといった課題が確認された。 |
| 上記統計の作成又は統計的研究を行うに当たって利用した調査票情報に係る統計調査の名称、年次、当該調査票情報の地域の範囲その他の当該調査票情報を特定するために必要な事項 | 国勢調査 令和２年（2020年） |
| 上記統計の作成の方法又は統計的研究の方法を確認するために特に必要と認める事項 | 本研究では、調査データの分析に用いる重みを算出するために、当該匿名データを利用した。具体的には、匿名データに含まれる属性分布等を参照し、分析対象データの分布を補正するための重みを計算した。研究成果として公表した分析結果は、個人又は世帯等が識別されない集計値又は統計量に限られる。 |
| 学術雑誌等の名称及び掲載年月日 |
2026 ISMS Marketing Science Conference 2026-06-11 |
成果等
2026 ISMS Marketing Science Conference