数字は現実を写さない。現実との距離を測っている

「日本の人口は何人ですか」と聞かれたとき、私たちは一つの数字を答えようとする。けれども、その数字が国勢調査の結果なのか、毎月更新される人口推計なのかで、意味は大きく変わる。さらに、経済成長を示すGDPが増えていても、物価を調整すれば成長していないかもしれない。家計の食費の割合が上がっていても、食生活が変わったのではなく、生活の余裕が失われた結果かもしれない。

数字は現実そのものではない。数字とは、限られた観測と、ある定義と、ある推定方法を通して、現実との距離を測った結果である。

この視点を持つと、統計の誤差を単なる計算上の問題としてではなく、意思決定の設計問題として捉え直せる。重要なのは、数字が正確かどうかだけではない。その数字が、何を母集団とし、どの部分を観測し、何を固定し、何を変化として扱っているかを理解することだ。

全員を見なくても、全体を知るという発想

日本の全人口を対象に、毎回、同じ質問をして、すべての回答を回収することは現実的ではない。対象が一億人を超える社会では、全数を調べること自体が巨大な事業になる。だから私たちは、母集団の一部を標本として取り出し、その標本から母集団の特徴を推測する。

これは、鍋いっぱいのスープの味を確かめるために、鍋全体を飲み干す必要はないという比喩で説明できる。ただし、スープをよくかき混ぜてから、適切な場所からすくう必要がある。表面だけをすくえば、どれほど大きなスプーンを使っても、鍋全体の味はわからない。

統計におけるこの「かき混ぜる」にあたるのが、無作為抽出や調査設計である。母集団からランダムに対象を選ぶなら、標本は全体の構成をある程度反映しやすい。一方で、「典型的に見える人」や「調査しやすい人」だけを選ぶと、標本サイズを増やしても、推定は偏ったままになる。

たとえば、ある地域の若者の生活満足度を調べるため、平日の昼間に駅前で回答を集めたとする。回答者を一万人集めても、そこで働いている人、通学している人、外出できる人に偏る可能性がある。家にいる人、夜勤の人、駅を利用しない人、調査に答える余裕のない人が抜け落ちるからだ。

ここには、統計を考えるうえで重要な二種類の不確実性がある。

一つ目は、標本誤差である。同じ母集団から別の標本を選べば、標本平均や標本比率は少しずつ変わる。サイコロを三回振った平均が4.6になっても、サイコロの本当の平均が4.6という意味ではない。十回振れば3.5になることもあるし、さらに多く振れば、平均は理論上の3.5付近に集まりやすくなる。

二つ目は、選び方による偏りである。これは、標本を大きくするだけでは解決しない。極端に言えば、偏った標本を一億件集めても、母集団の代表にはならない。

データの量は、偶然による揺らぎを小さくする。しかし、見ている場所が間違っていれば、量は誤りを精密にするだけである。

「正確な数字」と「新しい数字」は同じではない

ここで、全数調査と標本調査の関係が見えてくる。国勢調査のような全数悉皆調査は、対象を広く直接確認するため、基準となるデータを作るのに向いている。一方、人口推計のように、過去の国勢調査や出生、死亡、移動などの情報から現在の人口を見積もる方法は、最新の変化を追うのに向いている。

一見すると、全員を調べる国勢調査のほうが常に優れているように思える。しかし、全数調査は大規模で、頻繁には実施できない。数年に一度の精密な地図と、毎月更新される簡易な位置情報では、用途が違う。前者は基準点として重要であり、後者は変化を捉えるために不可欠である。

この違いを理解しないと、「推計だから信用できない」という誤解や、「公表された数字だから完全に事実だ」という誤解が生まれる。推計は不完全だから価値がないのではない。むしろ、現実が変化している以上、推計なしに現在を知ることはできない。

意思決定では、数字の正確さだけでなく、更新頻度と用途の適合性を考えなければならない。災害後の人口移動を把握したいなら、数年に一度の全数調査を待つことはできない。長期的な行政計画や基準の設定なら、より精密な全数調査の価値が高い。

これは仕事にもそのまま当てはまる。顧客満足度を毎月、少数の回答者から測る場合、その数字は揺れる。しかし、変化の兆候を早く見つけられる。年に一度、より大規模な調査を行えば、全体像は安定するが、問題の発見は遅れる。

したがって、調査設計は「最大限正確に測る」という単純な問題ではない。実際には、次の三つのバランスを取る問題である。

・どれだけ広く観測するか

・どれだけ早く更新するか

・どの程度の誤差なら意思決定に耐えられるか

標本誤差だけでは、生活の実感を説明できない

統計を読むとき、私たちはしばしば誤差の大きさに注目する。標本サイズが大きければ、標本平均の標本分布は狭くなり、母平均に近い値を取りやすい。これは非常に重要な原則だが、すべての問題を解決するわけではない。

なぜなら、数字には「どのように測ったか」という設計上の層があるからだ。たとえばGDPには名目GDPと実質GDPがある。名目GDPは、その時点の価格で計算されるため、物価上昇の影響を含む。実質GDPは基準年の価格を用いて、価格変動を取り除き、数量や生産活動の変化を見ようとする。

ある国で、リンゴを一年間に一万個販売したとする。翌年も一万個しか販売していないのに、価格が一個百円から百二十円に上がれば、売上金額は増える。名目の数字だけを見れば、経済活動が拡大したように見える。しかし、実際に売れた個数は増えていない。数字の上昇には、物価という別の要因が混ざっている。

ここで起きていることは、標本誤差とは別の問題である。標本誤差が小さく、GDPを非常に精密に計算できたとしても、名目値と実質値を区別しなければ、問いへの答えを間違える。「経済の規模はいくらか」と「経済活動の量は増えたか」は、似ているようで異なる問いだからだ。

家計のエンゲル係数も同じである。食費の金額だけを見れば、所得の高い家庭ほど多く支出していることがある。しかし、家計支出に占める食費の割合を見ると、所得が増えるにつれて低下する傾向がある。食べる量には一定の限界があり、所得が増えた分は住居、教育、娯楽、貯蓄などに振り向けられるからだ。

反対に、エンゲル係数が上がったとき、それは単に「食に関心が高まった」という意味とは限らない。物価が上がり、食費以外の支出を削っている可能性もある。食費が月五万円から五万五千円に増え、総支出が二十万円から二十二万円に増えたなら、食費の割合は25パーセントから約25パーセントへ、ほぼ変わらない。しかし、総支出を抑えるために他の支出を大きく削り、食費だけが相対的に膨らんでいるなら、同じ係数の上昇が生活の苦しさを示すことになる。

つまり、指標は生活を直接語っているのではない。生活のある側面を、別の側面との比率や基準によって表現している。

数字を読むための「二層モデル」

統計を誤読しないために、数字を二層に分けて考えるとよい。

第一層は、観測の不確実性である。誰を調べたのか、何人調べたのか、どのように抽出したのか。同じ母集団から標本を取り直せばどの程度数字が変わるのか。ここでは標本サイズ、標本分布、標準偏差、抽出方法が問題になる。

第二層は、意味の不確実性である。何を測っているのか、何を固定し、何を変化として扱っているのか。その指標は、私たちが知りたい問いと一致しているのか。ここでは、名目と実質、金額と割合、全数調査と推計、平均と分布の違いが問題になる。

この二層を混同すると、数字に対する態度が極端になる。誤差があるから何もわからないと考えるか、数字が公表されているから現実を完全に表していると考えるかのどちらかになる。

より実践的な読み方は、次の四つの質問を順番に投げかけることだ。

第一に、母集団は何か。 日本全体なのか、特定地域の世帯なのか、回答した人だけなのか。対象範囲が違えば、同じ「平均所得」でも意味は変わる。

第二に、観測方法は何か。 全数を調べたのか、標本から推計したのか。標本なら、抽出は無作為だったのか、回答しやすい人に偏っていないか。

第三に、比較の基準は何か。 現在価格か基準年価格か、金額か割合か、前年との比較か、長期平均との比較か。

第四に、数字は何を見えなくしているか。 平均の背後に分布の差はないか。全体の人口の背後に地域差や年齢差はないか。GDPの増加の背後に、物価上昇や実質所得の減少はないか。

この最後の問いが特に重要である。平均は便利だが、分布を隠す。全体の人口は把握できても、若者が減っている地域と高齢者が増えている地域の違いまでは、人口総数だけでは見えない。食費の割合も、家庭ごとの収入、家族構成、住居費、医療費を考えなければ、生活の実態を十分には語れない。

「精密さ」より先に、問いを正しくする

データ活用で最も高価な失敗は、誤差の大きい数字を使うことではない。問いと指標がずれているのに、計算だけを精密にすることである。

会社が「顧客満足度の平均を上げたい」と考えたとする。回答者を増やし、統計的な誤差を小さくすることはできる。しかし、満足度を五段階評価だけで尋ねているなら、なぜ不満なのかはわからない。平均点が上がっても、特定の顧客層が離れている可能性がある。

同じように、「人口が増えたから地域は活性化した」「GDPが増えたから暮らしが豊かになった」「食費の割合が上がったから食文化が豊かになった」と短絡するのは危険だ。数字の変化は、複数の原因が重なった結果かもしれない。

そこで、意思決定の前に指標を三つの種類に分解するとよい。

・状態を示す指標: 現在どのような規模や水準にあるか

・変化を示す指標: 前回や基準時点から、どの方向に動いたか

・負担や分配を示す指標: その変化が誰に集中しているか

人口総数は状態を示す。人口推計の月次変化は動きを示す。年齢別人口や地域別人口は、変化の負担や影響がどこに現れているかを示す。GDPの名目値は金額規模を、実質値は物量に近い変化を、実質賃金や家計の支出構成は生活への影響を考える手がかりになる。

一つの数字に答えを求めるのではなく、異なる役割を持つ数字を組み合わせて、現実を立体的に復元する。これが成熟したデータ活用である。

Key Takeaways

1. 数字を見る前に、母集団を確認する。 「誰についての数字か」が曖昧なら、比較も結論も不安定になる。

2. 標本サイズと抽出方法を分けて考える。 データが多いほど偶然の揺らぎは減るが、偏った集め方は大規模データでも修正できない。

3. 名目値と実質値を使い分ける。 金額が増えたのか、物やサービスの量が増えたのかを区別する。

4. 平均や割合の背後にある分布を見る。 全体の数字だけでなく、年齢、地域、所得層などの違いを確認する。

5. 数字を一つで完結させない。 状態、変化、負担や分配を表す指標を組み合わせ、問いに合った測定になっているかを確かめる。

私たちは数字を通じて現実を知る。しかし、数字は現実への窓であって、現実そのものではない。窓の大きさが小さければ見える範囲は限られ、ガラスが歪んでいれば景色も歪む。標本サイズを大きくすることは窓を安定させる方法であり、定義や基準を見直すことはガラスの歪みを確かめる方法である。

だから、賢い人は「この数字は正しいか」とだけ尋ねない。より重要な問いを立てる。

この数字は、どの現実を、どの方法で、どの程度の確かさで見せているのか。

この問いを習慣にすれば、統計に振り回されにくくなる。そして同時に、数字を疑うだけの人よりも、数字を深く信頼できるようになる。信頼とは、数字を絶対視することではない。その数字が持つ不確実性と限界を理解したうえで、なお何に使えるかを判断することだからだ。