予測したいときに回帰を使い、答えを探すときに比較を疑え

Hatched by tttt

May 17, 2026

1 min read

3 views

84%

いちばん危ないのは、数字があることではない

私たちはつい、数字があれば真実に近づけると思ってしまう。だが本当に危ないのは、数字がないことではない。数字があるのに、何を見ているのか分かっていないことだ。

たとえば「マンガを読む人が多い県はどこか」と聞かれたとき、単純な順位表を見れば答えた気になれる。しかしその順位は、本当にその地域の“マンガ熱”を表しているのだろうか。それとも、若い人が多いだけなのか。さらに言えば、年齢をそろえたら順位は入れ替わるのではないか。

この問いは、統計の話に見えて、実はもっと広い問題を突いている。私たちは何かを予測したいのか、何かを発見したいのか。この違いを曖昧にしたまま分析を始めると、回帰もクラスタリングも、そして比較も、すべてが似た顔をした迷子になる。

統計の本質は、数字を計算することではない。問いに応じて、世界の切り方を選ぶことにある。

予測の道具と発見の道具は、同じようでまったく違う

統計や機械学習の議論では、回帰とクラスタリングがよく対比される。これは単なる技術の違いではない。問いの構造の違いを表している。

回帰が向いているのは、すでに「何を当てたいか」が分かっているときだ。家の広さから価格を予測する、広告費から売上を予測する、気温や湿度から需要を予測する。ここでは目的変数がはっきりしていて、世界は「条件が変わると結果がどう変わるか」という形で見られている。

一方で、クラスタリングが出番を迎えるのは、そもそも何を当てればよいかまだ分からないときだ。購買行動の似た人をまとめる、利用パターンごとに顧客を分ける、行動の傾向を見つける。ここでは、答えを予測する前に、問いそのものを整える必要がある。

ここで重要なのは、回帰とクラスタリングが単なるアルゴリズムの選択肢ではないことだ。両者は、世界に対する態度の違いでもある。回帰は「結果は何で、どんな条件がそれを生むか」を問う。クラスタリングは「そもそもどんな種類があるのか」を問う。

この違いを見落とすと、よくある誤解が生まれる。たとえば、データを持ってきてすぐに回帰をかけたくなる人は多い。しかし、目的変数が曖昧なら、その回帰は地図なしで目的地を指定するようなものだ。逆に、クラスタリングで満足してしまう人は、似たもの同士を見つけるだけで、何が成果なのかを定義しないまま終わる危険がある。

つまり、分析とは手法の選択ではなく、問いの設計である。

見かけの差は、しばしば条件の差にすぎない

では、問いが整ったとして、次に何が起こるのか。ここで統計リテラシーの核心が見えてくる。単純な比較は、たいてい危うい。

「マンガを読む人が多い県」を比べるとき、県ごとの人口構成が違えば、その差はそのまま“文化の差”を意味しない。若年層が多い地域では、マンガを読む人の割合が高く見えやすい。だがそれは、その地域の人々が特別にマンガ好きだからではなく、年齢という条件が結果を押し上げているだけかもしれない。

ここで必要になるのが、条件をそろえる発想だ。もし各都道府県の年齢構成を同じにして比べたらどうなるか。すると、見かけ上の順位が入れ替わることがある。ある県は調整前より高くなり、別の県は低くなる。これは、観察された差の一部が、実は年齢構成の違いによって作られていたことを示す。

この考え方は、統計の基本であると同時に、現実認識の基本でもある。私たちは結果だけを見ると、つい「この地域はマンガ文化が強い」と結論づけたくなる。しかし本当に問うべきなのは、「何がその差を作っているのか」だ。

統計の第一の役割は、差を見つけることではなく、差の正体を分解することだ。

たとえば、同じ売上高でも、店舗Aは常連客が多く、店舗Bは一見客が多いかもしれない。平均単価が高い店が必ずしも良い店とは限らない。高単価商品を売っているだけかもしれない。検査陽性率が高い病院が必ずしも危険な病院とは限らない。重症患者を多く受けているだけかもしれない。

このように、比較とは、条件をそろえない限り、因果ではなく混合を見る行為になりやすい。

統計リテラシーとは、手法を知ることではなく、問いを守ること

ここで少し視点を変えたい。多くの人は統計リテラシーを、計算ができること、グラフを読めること、手法名を知っていることだと思っている。もちろんそれらも大切だ。しかし本当に重要なのは、適切な統計を探せること、適切な手法を選べること、適切な結論を導けることの三つだ。

この三つは順番になっている。まず、問いに合った統計がどこにあるかを知らなければならない。次に、見つけた統計に対してどの手法が筋がよいかを選ぶ必要がある。最後に、手法が出した数字をそのまま鵜呑みにせず、現実に照らして解釈する必要がある。

特に三つ目は軽視されがちだ。数字は客観的に見えるため、結論まで自動的に運んでくれるように錯覚する。しかし実際には、結論を導く最後の仕事は、人間の知識と判断だ。年齢を調整してもなお差が残るなら、そこには別の要因があるはずだ。男女差、就業状態、生活習慣、地域の文化、時間の使い方。どれを考慮すべきかは、分析対象についての理解が決める。

ここで大事なのは、統計が万能ではないからこそ役立つという逆説だ。統計は、私たちの直感の穴を見せてくれる。しかもその穴は、しばしば“もっともらしい物語”の形で隠れている。

たとえば「この県はマンガが盛んだ」という解釈は魅力的だ。だが、統計はまずこう問い返す。若者が多いだけではないか。都市部だからではないか。転入が多いからではないか。可処分時間の違いではないか。こうした問いは、結論を否定するためではなく、結論の条件を明示するためにある。

統計の価値は、答えを一つに絞ることではない。むしろ、答えの前提を見えるようにすることにある。

回帰と調整は、どちらも「世界の比較可能性」をつくる技術である

ここで、回帰と年齢調整を並べて見ると、意外な共通点が見えてくる。どちらも本質は、比較可能な状態を人工的につくることだ。

回帰は、他の条件を一定とみなしたときに、ある変数が結果にどう関わるかを見ようとする。年齢調整は、年齢構成をそろえたと仮定したときに、地域間の差がどう見えるかを確かめる。方法は違っても、やっていることは似ている。どちらも、複数の要因が絡み合った現実から、ある一面だけを切り出すための装置だ。

この視点で見ると、分析の達人とは、単に高度な手法を使える人ではない。比較の土台を設計できる人だ。何をそろえるか。何を残すか。何を無視するか。これらの選択は、手法の前にある。

たとえば、ある地域の読書率を比較したいとする。年齢をそろえるべきか。所得をそろえるべきか。通勤時間をそろえるべきか。インターネット利用時間をそろえるべきか。答えは一つではない。何が読書行動と関係していそうかを、対象に関する知識から考えなければならない。

ここに、統計と現場知の結びつきがある。数字だけでは足りない。だが直感だけでも足りない。統計は、直感を問い直すための言語であり、直感は、統計の変数を選ぶための地図だ。

この往復がない分析は、たいてい浅くなる。変数をたくさん入れても、何を見たいのかが曖昧なら、モデルはただの飾りになる。逆に、現場感だけで語ると、思い込みを補強する物語になりやすい。

Key Takeaways

「何を予測したいのか」と「何を発見したいのか」を最初に分ける。 回帰が必要なのか、クラスタリングが必要なのか、あるいは単純な比較の前に調整が必要なのかは、この問いで決まる。
順位表を見たら、まず構成を疑う。 地域差、年齢差、性別差、所得差など、結果を押し上げたり下げたりする条件が混ざっていないか確認する。
比較は、条件をそろえて初めて意味を持つ。 ある集団が多く見えるとき、その理由が本当に対象そのものなのか、別の要因の影響なのかを分けて考える。
数字の解釈には、対象についての知識が必要だ。 統計は結論を自動生成しない。現実の文脈を知らなければ、調整後の結果も誤読する。
良い分析は、手法選びより前に比較可能性を設計する。 何を固定し、何を変数として残すかを考えることが、分析の質を決める。