生存関数分析とは？カプラン・マイヤー曲線を用いた時間経過分析の手法
生存関数分析は、あるイベントが発生するまでの時間を分析する統計手法です。カプラン・マイヤー曲線、打ち切り、ハザード関数の概念と実務応用を解説します。
生存関数分析とは
生存関数分析（Survival Analysis）とは、ある対象について特定のイベントが発生するまでの時間を分析する統計手法です。もともと医学分野で患者の生存期間を分析するために発展しましたが、現在ではビジネスの多くの場面で応用されています。
生存分析が通常の統計手法と異なる最大の特徴は「打ち切り（Censoring）」を扱える点です。例えば、顧客の解約を分析する際、観察期間終了時にまだ解約していない顧客のデータも分析に含めることができます。通常の手法では、イベントが発生していないデータは除外するか、不完全なデータとして扱うしかありませんが、生存分析はこの「まだ起きていない」という情報そのものを有効に活用します。
コンサルタントにとって生存分析は、顧客のライフタイムバリュー分析、従業員の離職予測、設備の故障予測、契約の継続分析など、「いつまで持つか」「いつ起きるか」という時間軸の問いに答えるための強力なツールです。
構成要素
生存関数 S(t)
時点tまでにイベントが発生していない確率を表す関数です。S(0) = 1（初期時点では全員が生存）で、時間の経過とともに減少します。カプラン・マイヤー推定量（KM推定量）は、この生存関数をノンパラメトリックに推定する最も広く使われる手法です。
ハザード関数 h(t)
時点tまで生存した個体が、次の瞬間にイベントを経験する瞬間的なリスク（率）を表す関数です。ハザード関数の形状は、リスクが時間とともに増加するか（摩耗型）、減少するか（初期不良型）、一定か（偶発型）を示します。
打ち切り（Censoring）
観察期間内にイベントが発生しなかったデータを指します。右打ち切り（観察終了時点で未発生）が最も一般的です。打ち切りデータを適切に扱うことが生存分析の核心であり、打ち切りを無視した分析は大きなバイアスを生みます。
共変量分析（Cox比例ハザードモデル）
生存時間に影響を与える要因（共変量）を分析するモデルです。デビッド・コックスが1972年に提唱しました。どの要因がイベントの発生リスクを高めるか、または低下させるかを定量的に評価できます。
| 概念 | 定義 | ビジネスでの解釈例 |
|---|---|---|
| 生存関数 S(t) | 時点tで生存している確率 | 契約開始後6ヶ月の継続率 |
| ハザード関数 h(t) | 瞬間的なリスク率 | 契約3ヶ月目の解約リスク |
| 中央生存時間 | S(t) = 0.5となる時点 | 顧客の50%が解約するまでの期間 |
| 打ち切り | イベント未発生の観察 | 分析時点で継続中の顧客 |
実践的な使い方
ステップ1: イベントと時間の定義
分析の出発点として、何を「イベント」とし、何を「時間の起点」とするかを明確に定義します。例えば、顧客解約分析では「契約開始日」を起点、「解約日」をイベントとします。この定義が曖昧だと、分析結果の解釈が困難になります。
ステップ2: データの準備と打ち切りの処理
各対象について、イベントが発生した場合はその時点を、発生していない場合は最終観察時点と「打ち切りフラグ」を記録します。打ち切りがランダムに発生していることを確認します。打ち切りがイベントと相関している場合（例: 重症患者ほど追跡不能になる）、分析結果にバイアスが生じます。
ステップ3: カプラン・マイヤー曲線の描画と比較
生存関数をカプラン・マイヤー法で推定し、曲線として描画します。グループ間の比較にはログランク検定（Log-Rank Test）を使用し、生存曲線の差が統計的に有意かを判定します。
ステップ4: Cox回帰による要因分析
生存時間に影響を与える要因を特定するため、Cox比例ハザードモデルを適用します。ハザード比（HR）が1より大きい要因はリスクを高め、1より小さい要因はリスクを低下させると解釈します。比例ハザード仮定が成立しているかの検証も忘れずに行います。
活用場面
- 顧客チャーン分析: サブスクリプションサービスの解約パターンを分析し、リテンション施策を設計します
- 従業員離職分析: 離職までの期間と影響要因を特定し、人材戦略に活かします
- 設備保全: 故障までの時間を予測し、予防保全の計画を立案します
- 臨床試験: 治療群と対照群の生存期間を比較し、治療効果を評価します
- 製品寿命分析: 製品の故障までの期間を分析し、保証期間や部品交換サイクルを最適化します
注意点
打ち切りメカニズムの確認
打ち切りが「独立打ち切り」（イベントとは無関係に発生）であることが前提です。この前提が崩れると推定にバイアスが生じます。データ収集段階で打ち切りの発生理由を記録しておくことが重要です。
比例ハザード仮定の検証
Cox回帰は「ハザード比が時間によらず一定」という仮定に基づきます。この仮定が満たされない場合、時間依存共変量を導入するか、層別Cox回帰などの代替手法を検討します。
サンプルサイズの確保
生存分析はイベント数が少ないと推定精度が低下します。特にサブグループ分析では、各群のイベント数が十分かを確認する必要があります。
まとめ
生存関数分析は、「いつイベントが起きるか」という時間軸の問いに答えるための統計手法であり、打ち切りデータを適切に扱える点が最大の強みです。カプラン・マイヤー曲線によるグループ比較、Cox回帰による要因分析を組み合わせることで、顧客維持、人材管理、設備保全など幅広いビジネス課題への洞察が得られます。
参考資料
- Survival analysis - Wikipedia（生存分析の理論的基盤、主要手法、応用分野を網羅的に解説）
- Kaplan–Meier estimator - Wikipedia（カプラン・マイヤー推定量の数学的定義、性質、使用例を詳細に解説）
- Survival Analysis Basics - STHDA（Rを用いた生存分析の実践的なチュートリアル）