「平均点が上がったから、授業の効果があった。」
「有意差が出たから、この方法は絶対に正しい。」
「サンプル数が多いから、この調査結果は信用できる。」
このような話を耳にしたことはありませんか。
一見すると正しそうに聞こえますが、実はこれらは統計学では必ずしも正しいとは言えません。
統計学は「数字を扱う学問」です。しかし、その数字を正しく理解しなければ、誤った結論を導いてしまう危険があります。
私たちはニュースやSNS、広告、論文など、日常生活のあらゆる場面で統計データに触れています。そのため、統計学を学ぶことは計算方法を覚えるだけではなく、「数字を正しく読み解く力」を身につけることでもあります。
本記事では、統計学を学び始めた人が陥りやすい代表的な誤解を紹介しながら、数字を見るときの正しい考え方を解説します。
誤解① 「平均だけ見れば十分」
平均値は最もよく使われる代表値ですが、平均だけではデータの特徴を十分に表せないことがあります。
例えば、あるクラスAとクラスBの数学の平均点がどちらも70点だったとします。
しかし、その内訳を見ると次のような違いがあるかもしれません。
クラスA
60点、70点、70点、70点、80点
クラスB
20点、40点、70点、90点、130点（※説明のための例）
どちらも平均は70点ですが、点数のばらつきはまったく異なります。
実際には100点を超える点数は存在しませんが、この例は「平均だけでは分布の違いが分からない」ことを示すためのものです。
現実には、100点満点であれば、
クラスA
68点、69点、70点、71点、72点
クラスB
40点、55点、70点、85点、100点
のような例でも同じことが言えます。
このような違いを見るために、標準偏差や箱ひげ図などが利用されます。
誤解② 「サンプル数が多ければ必ず正しい」
サンプル数は重要です。
一般的には、サンプル数が多いほど推定の精度は高くなります。
しかし、サンプル数だけで調査の質は決まりません。
例えば、日本人の平均身長を知りたいにもかかわらず、プロバスケットボール選手を1万人調査したとします。
サンプル数は非常に多いですが、日本人全体を代表しているとは言えません。
一方、全国から無作為に1,000人を抽出した調査のほうが、はるかに信頼できる結果になります。
大切なのは「人数」だけでなく、「誰を調査したか」なのです。
誤解③ 「相関があるなら原因もある」
これは統計学で最も多い誤解の一つです。
例えば、
「アイスクリームの売上が増えると、熱中症患者も増える」
というデータがあったとします。
この結果だけを見ると、
「アイスクリームが熱中症を引き起こしている」
とは言えません。
実際には、夏になって気温が上がることで、
- アイスクリームが売れる
- 熱中症患者も増える
という共通の原因があります。
つまり、相関関係があることと、因果関係があることは別なのです。
このテーマは次回の記事で詳しく解説します。
誤解④ 「有意差があれば重要である」
研究では、
「統計的に有意でした。」
という表現をよく見かけます。
しかし、有意差があることと、実際に意味のある差があることは同じではありません。
例えば、新しい薬によって平均血圧が
120.0 mmHg
から
119.8 mmHg
へ下がったとします。
サンプル数が数万人あれば、この0.2 mmHgの差でも統計的に有意になる可能性があります。
しかし、実際の医療では0.2 mmHgの違いにほとんど意味はありません。
このため、近年では**効果量（Effect Size）**も合わせて報告することが推奨されています。
誤解⑤ 「有意差がなければ効果はない」
逆に、
「有意差がありませんでした。」
という結果も誤解されやすいものです。
有意差がないことは、
「効果が存在しない」
ことを証明しているわけではありません。
例えば、
参加者が10人しかいない研究では、
本当は効果があっても検出できないことがあります。
このような場合には、
- サンプル数が少ない
- データのばらつきが大きい
などの理由が考えられます。
つまり、
「有意差なし」と「効果なし」は同じ意味ではありません。
誤解⑥ 「コンピュータが計算したから正しい」
最近ではExcelやR、Python、SPSSなどを使えば、複雑な統計解析も簡単に実行できます。
しかし、ソフトウェアは「計算」をしているだけです。
例えば、
- 名義尺度に平均値を計算する
- 対応のないデータで対応のあるt検定を行う
- 外れ値を確認せずに回帰分析を実施する
といった誤った操作をしても、多くのソフトは計算結果を返してしまいます。
つまり、
統計ソフトは正しい分析方法までは保証してくれません。
分析を行う人自身が、データの性質や解析手法を理解していることが重要です。
誤解⑦ 「数字は客観的だから信用できる」
数字は客観的に見えます。
しかし、その数字がどのように集められたのかによって、結論は大きく変わります。
例えば、
「満足度95％」
という広告を見たとします。
ここで確認すべきことは、
- 何人を調査したのか
- 誰を対象にしたのか
- どのような質問をしたのか
- 回答率はどれくらいか
といった情報です。
数字だけを見るのではなく、その数字がどのように作られたのかを考えることが、統計リテラシーの第一歩です。
例題①（基礎）
ある調査で、
「新しい教材を使ったクラスの平均点は80点、従来教材のクラスも平均80点だった。」
という結果が得られました。
この結果から言えることとして最も適切なのはどれでしょうか。
A. 2つのクラスはまったく同じ学力である。
B. 新しい教材には効果がなかったことが証明された。
C. 平均点は同じだが、点数のばらつきまでは分からない。
D. 全員の点数が同じだった。
解答
正解はCです。
平均点だけでは、個々の点数や分布の違いは分かりません。ばらつきを確認するには標準偏差や箱ひげ図など、他の統計量も必要です。
例題②（応用）
ある自治体で健康づくり教室を実施したところ、参加者の平均体重は3か月後に1.5kg減少しました。しかし、統計解析では有意差は認められませんでした（p = 0.08）。
この結果について、最も適切な解釈はどれでしょうか。
A. 教室にはまったく効果がなかったことが証明された。
B. 体重は減っているので、必ず効果がある。
C. 今回のデータでは統計学的に十分な証拠が得られなかったが、効果が存在しないとは言えない。
D. p値が0.08なので失敗した研究である。
解答
正解はCです。
有意差が得られなかったからといって、「効果がない」と結論づけることはできません。参加人数が少なかった可能性や、個人差が大きかった可能性も考えられます。結果を適切に解釈するためには、p値だけでなく、効果量や信頼区間、研究デザインなども総合的に評価することが重要です。
まとめ
統計学では、数字そのものよりも「数字が何を意味しているのか」を理解することが重要です。平均値だけで全体を判断したり、有意差だけで研究の価値を決めたりすると、誤った結論に至る可能性があります。
また、サンプル数が多いことや、コンピュータが計算した結果であることだけでは、分析の正しさは保証されません。調査対象の選び方やデータの集め方、解析方法、結果の解釈までを含めて考える必要があります。
統計学を学ぶ目的は、単に計算方法を身につけることではありません。数字に惑わされず、根拠に基づいて考える力を養うことです。この力は研究だけでなく、ニュースや広告、SNSなど、日常生活のさまざまな場面でも役立ちます。
▼第一部の掲載記事一覧（リンク）
コメント