デマを見抜く統計リテラシー——「数字」を使った印象操作の手口とは：AI書評『ニュースの数字をどう読むか：統計にだまされないための22章』

数字は「客観的」という幻想

「ワクチン接種者の方が死亡率が高い」——パンデミック中、こんなデータがSNSで拡散されました。一見すると衝撃的な「事実」。しかしこれは「シンプソンのパラドックス」という統計の罠でした。

陰謀論者やデマ発信者は、数字を使います。なぜなら「数字」は客観的で信頼できるという印象を与えるから。しかし、その数字の「見せ方」次第で、真実は簡単に歪められます。

相対リスクと絶対リスクの混同、都合のいい期間だけを切り取るチェリーピッキング、目標が指標を破壊するグッドハートの法則——これらを知らなければ、私たちは永遠に「数字を使った嘘」に騙され続けます。

本書『ニュースの数字をどう読むか』（トム・チヴァース、デイヴィッド・チヴァース著、北澤京子訳、ちくま新書）は、統計学の知識がなくても「数字の嘘」を見抜くための実践ガイドです。ファクトチェックの現場で本当に役立つ知識が詰まった一冊を、徹底解説します。

第1章：数字は「定義」次第で嘘をつく

グッドハートの法則——目標が数字を歪める

デマや印象操作を見抜く第一歩は、「その数字は何をカウントしているのか？」を疑うことです。

経済学には「グッドハートの法則」という概念があります。「ある指標が目標になった途端、それは良い指標ではなくなる」というものです[^5]。

英国政府のPCR検査目標：数字の「錬金術」

本書が挙げる最も分かりやすい例が、2020年4月の英国政府の「1日10万回のCOVID-19検査」という目標です[^5]。

当時のハンコック保健相は4月末に「12万回以上の検査を達成した」と発表しました。しかし、この数字には巧妙なトリックが隠されていました。

1. 定義の変更：当初「検査」とは「PCR検査の実施数」を意味していました。しかし目標達成が危ぶまれると、政府は「検査キットの発送数」をカウントし始めました。キットが実際に使われたかどうかは関係なく、郵送した時点で「1件」とカウントしたのです。

2. 種類の混入：現在の感染を調べるPCR検査だけでなく、過去の感染を調べる抗体検査まで合算されました。

結果として「10万回」という数字は達成されましたが、本来の目的である「感染状況の把握」とは無関係なデータになってしまいました。

ファクトチェックへの教訓

陰謀論やデマも同じ手口を使います。「○○の件数が急増！」という主張を見たら、まず「何をカウントしているのか」「定義は途中で変わっていないか」を確認しましょう。

たとえば「ワクチン後の有害事象報告が激増」というデマでは、「有害事象」の定義が「ワクチンが原因と確定したもの」ではなく「時間的に近接して起きたあらゆる症状の報告」であることが無視されています。

第2章：サンプルの罠——「誰に聞いたか」で結論は変わる

選択バイアス：Twitterは世論ではない

デマが拡散する温床となるのが「選択バイアス」です。分析対象となるサンプルが、全体を正しく代表していない状態を指します[^4]。

著者はユーモアを交えてこう問いかけます。「イギリス人の平均身長を知りたければ、バスケットボール大会の会場で測定してはいけない」。当然ながら、そこに集まる人々は平均より背が高いからです。

しかし、私たちは日常的にこれと同じ過ちを犯しています[^8]。

SNSの「炎上」は世論ではない

Twitter（現X）で話題になっているトピックを「世論」と同一視することは極めて危険です。SNSのユーザー層は、国民全体と比較して若年層に偏り、政治的な関心が高く、極端な意見を持つ傾向があります（ノイジー・マイノリティ）。

陰謀論者はこの偏りを利用します。「SNSでこんなに多くの人が疑問を呈している」という主張は、実際には極端な意見を持つ一部の人々の声に過ぎないことがほとんどです。

生存者バイアス：「体験談」を信じてはいけない理由

選択バイアスの中でも特に重要なのが「生存者バイアス」です[^5]。

帰還した戦闘機の教訓

第二次世界大戦中、米海軍は帰還した爆撃機の弾痕データを分析しました。弾痕は翼や胴体に集中しており、エンジン周辺には少なかった。軍は「翼や胴体を補強すべきだ」と考えましたが、統計学者ウォールドは「弾痕がない部分を補強すべきだ」と主張しました。

なぜなら、エンジンを撃たれた機体は帰還できなかったからです。私たちが手にするデータは、あくまで「生き残ったもの」のデータであり、脱落したもののデータは失われているのです。

「○○で治った」という体験談の落とし穴

疑似科学やニセ医療が多用するのが「体験談」です。「この代替療法で癌が治った」という声は、その療法を試して亡くなった人の声を含んでいません。

また、病気には自然治癒するものも多く、何もしなくても回復した人が「○○のおかげで治った」と誤解することもあります。体験談だけでは、その治療法が本当に効果があるのか判断できないのです。

第3章：相関と因果の罠——「関係がある」は「原因である」ではない

アイスクリーム殺人事件

「相関関係があるからといって、因果関係があるとは限らない」。これは統計リテラシーの基本ですが、デマや疑似科学はこの区別を意図的に曖昧にします[^4]。

真犯人は「気温」

「アイスクリームの売上と水死事故の件数には強い正の相関がある」——だからといって、アイスを食べると溺れるわけではありません。ここには「気温」という第三の変数（交絡因子）が存在します。暑い日はアイスも売れるし、海やプールに行く人も増えるのです。

陰謀論が悪用する「相関」

陰謀論やデマは、この「相関と因果の混同」を巧みに利用します。

• 「5Gの普及とCOVID-19の感染拡大は同時期に起きた」→ だから5Gが原因？

• 「ワクチン接種率が高い国ほど感染者が多い」→ だからワクチンは無効？

これらは典型的な相関と因果の混同です。因果関係を証明するには、他の要因を排除したランダム化比較試験（RCT）が必要です。

シンプソンのパラドックス：反ワクチン派が悪用した統計トリック

最も巧妙で発見が難しい統計の罠が「シンプソンのパラドックス」です[^9]。データをグループ分けして見るとある傾向があるのに、全体を合算すると逆の傾向が現れる現象です。

「ワクチン接種者の方が死亡率が高い」の真相

パンデミック中、イスラエルなどで「ワクチン接種者の方が未接種者より死亡率が高い」かのようなデータが拡散されました。反ワクチン派はこれを「ワクチンは危険だ」という証拠として使いました。

しかし、年齢層別にデータを見ると、全ての年齢層で「接種者の方が死亡率は低い」ことが確認されました。

からくりはこうです。

• ワクチン接種者は高齢者が圧倒的に多い（もともと死亡リスクが高い集団）

• 未接種者は若者が多い（もともと死亡リスクが低い集団）

全体を混ぜてしまうと、高齢者の高い死亡リスクが「接種者グループ」の数字を引き上げてしまったのです。

ファクトチェックのポイント：「全体の数字」だけでなく、年齢・性別・地域などで層別化したデータを確認することが重要です。

第4章：リスクの見せ方——恐怖を煽る「数字のトリック」

相対リスク vs 絶対リスク：恐怖の増幅装置

メディアや陰謀論者が健康リスクを報じる際、ほぼ確実に使われるのが「相対リスク」です。なぜなら、その方が数字が大きく、センセーショナルに見えるからです[^5]。

「18%増」の真実

「加工肉を毎日食べると、大腸がんのリスクが18%高まる」というWHOの発表は世界中に衝撃を与えました。

しかし、これは相対リスクです。

• もともとの生涯発症リスク（絶対リスク）：約5%

• 18%増加後：約6%（5% × 1.18 = 5.9%）

つまり、絶対リスクの増加分はわずか1%です。「18%も上がる！」という印象とは大きく異なります。

反ワクチンデマが使う「相対リスク」

ワクチンの副反応リスクを強調するデマも、同じ手口を使います。

「○○のリスクが2倍に！」と言われると怖く感じますが、元のリスクが0.001%なら、2倍になっても0.002%です。一方、ワクチンを打たないことによる感染・重症化リスクは桁違いに高いことが多いのです。

ファクトチェックのポイント：「○倍」「○%増」という数字を見たら、必ず「元の数字（絶対リスク）はいくつか？」を確認しましょう。

ベイズの定理：「99%の精度」でも99%ハズレる？

確率の直感的な誤解を正すのが「ベイズの定理」です[^4]。

精度99%の検査で陽性——本当の確率は？

「精度99%のがん検査で陽性が出た。あなたが本当にがんである確率は？」

直感的には「99%」と答えたくなります。しかし、そのがんの罹患率が「1万人に1人」だとすると、答えは全く違います。

100万人が受診した場合：

1. 本当のがん患者100人のうち、99人が陽性になる

2. 健康な人99万9900人のうち、1%の9999人が誤って陽性（偽陽性）になる

3. 陽性と判定された人の合計：99 + 9999 = 10098人

4. その中で本当にがんである人：99人

5. 確率：99 ÷ 10098 ≒ 約1%

これが「基準率の錯誤」です。病気自体が稀であれば、検査がどれほど優秀でも、陽性結果の大半は偽陽性になります。

デマへの応用

陰謀論者が「PCR検査は偽陽性だらけだ！」と主張するとき、この概念を悪用することがあります。しかし実際には、検査の特異度（偽陽性率）、感染の流行状況、検査対象の選定方法など、多くの要因を考慮する必要があります。単純な計算で結論を出すことはできません。

第5章：チェリーピッキング——都合のいいデータだけを使う手口

期間のトリック

「チェリーピッキング」とは、数あるデータの中から自分の主張を裏付ける都合の良いデータだけを選び出す行為です[^5]。

「過去8年で倍増」のカラクリ

「10代の自殺率が過去8年で倍増した」という報道がありました。しかし、この報道は自殺率が過去最低だった2010年を起点に選んでいたのです[^5]。

底値から見れば、どんなデータも「上昇」します。これを防ぐには、より長期のトレンドを確認するしかありません。

陰謀論が使うチェリーピッキング

反ワクチン派や陰謀論者も同じ手口を使います。

• 「この期間だけ」有害事象が増えているデータを切り出す

• 「この国だけ」ワクチン効果が低いデータを提示する

• 「この研究だけ」自分の主張を支持する論文を引用する

ファクトチェックのポイント：データの「始点」と「終点」が恣意的に選ばれていないか、より長期間・多地域のデータと比較することが重要です。

第6章：ファクトチェッカーのための「5分間データ監査」

本書の最終章には、情報の信頼性をチェックするための「統計スタイルガイド」が掲載されています[^10]。これをファクトチェック用にアレンジしました。

怪しい数字を見抜く5つの質問

No.チェック項目具体的な問いかけ関連する統計概念
1定義の確認
「この数字、具体的に何をカウントしたの？ 途中でルール変わってない？」グッドハートの法則
2分母の確認
「割合だけじゃなくて実数（絶対数）を見せて。元のリスクはいくつ？」
絶対リスク vs 相対リスク
3サンプルの偏り
「これ、偏った人たちだけに聞いてない？ 声なき声は？」
選択バイアス、生存者バイアス
4比較の公平性
「その期間の切り取り方はフェア？ 全体を見たら別の傾向ない？」
チェリーピッキング、シンプソンのパラドックス
5因果の慎重さ
「それって本当にAのせい？ 他の要因（交絡因子）があっただけじゃない？」
相関と因果、交絡因子

結論：健全な懐疑主義を持とう

『ニュースの数字をどう読むか』が私たちに求めているのは、全ての数字を否定する「シニシズム（冷笑主義）」ではなく、健全な「スケプティシズム（懐疑主義）」です。

数字は世界を理解するための最良のツールですが、それは人間という不完全なフィルターを通して生成されたものです。陰謀論やデマは、数字の「客観性」という幻想を利用して、私たちを騙そうとします。

統計リテラシーは、現代の「読み書きそろばん」に匹敵する必須スキルです。この5つのチェックポイントを持つだけで、あなたは「数字を使った嘘」に対する強固な防壁を築くことができます。

情報は力ですが、検証された情報だけが「真の力」になります。

書籍情報

タイトル：ニュースの数字をどう読むか：統計にだまされないための22章

原題：How to Read Numbers: A Guide to Statistics in the News (and Knowing When to Trust Them)

著者：トム・チヴァース (Tom Chivers)、デイヴィッド・チヴァース (David Chivers)

翻訳：北澤 京子

出版社：筑摩書房（ちくま新書）

発売日：2022年2月

著者について

• トム・チヴァース：英国の著名なサイエンスライター。王立統計学会から「ジャーナリズムにおける統計の優れた利用」に対する賞を受賞[^3]。

• デイヴィッド・チヴァース：トムの従兄弟で、ダラム大学のマクロ経済学者[^3]。

• 北澤京子（翻訳）：医療ジャーナリスト。『病気の「数字」のウソを見抜く』などの訳書で知られる[^3]。

参考文献

[^1]: ニュースの数字をどう読むか - 新書マップ
[^2]: How to Read Numbers - Wikipedia
[^3]: ニュースの数字をどう読むか - 一冊！取引所
[^4]: 『ニュースの数字をどう読むか』- 筑摩書房
[^5]: ニュースの数字をどう読むか - 公認会計士 小谷野幹雄
[^6]: How to Read Numbers - SoBrief
[^7]: Book Review: How to Read Numbers - Medium
[^8]: Review: How to Read Numbers - Palatinate
[^9]: How to Read Numbers - Wikipedia
[^10]: ニュースの数字をどう読むか - 紀伊國屋書店

関連タグ：#ファクトチェック #陰謀論 #デマ #トンデモ #疑似科学 #ニセ科学 #フェイクニュース #メディアリテラシー #情報リテラシー #統計リテラシー #書評

(Gemini 3.0 Deep Research とClaude Opus 4.5を使用しました）