論文一覧に戻る 📚 用語集トップ 🗺 概念マップ
📚 用語解説
📚 用語解説
実験データ
Experimental Data
リテラシー

🔖 キーワード索引

このページ内のセクションへ素早く飛べます（クリックで該当箇所へジャンプ）：

💡 30秒結論📍 文脈🎨 直感🎮 触って理解する📐 数式・定義🔬 数式を言葉で読み解く🧮 SSDSE実値計算🐍 Python実装⚠️ 落とし穴🌐 関連手法🔗 関連用語📚 関連グループ❓ FAQ

「experimental data」は統計データ分析の文脈で扱う重要概念のひとつ。 本ページでは「experimental data」を取り巻く中核キーワードを以下にチップで一覧化する。 各キーワードは関連する概念・手法・道具立てを含み、 文献検索や学習計画の起点になる。

experimental data統計分析SSDSE-B-2026前提条件適用範囲落とし穴関連手法Python 実装検証方法

これらのキーワードは「experimental data の理解 → 適用 → 検証」のプロセスを構成する。 各章で詳しく解説する。

💡 30秒で分かる結論 — 実験データ

🍰 まずはやさしく

実験データは、試行錯誤の結果をまとめた記録です。

何かが効いたかどうかを確認するために使います。

スマホのアプリで、どちらのデザインが人気か調べます。

この章では、データの結論と注意点を読みます。

💡 30秒で分かる結論

実験により得られるデータ

📍 あなたが今見ているもの

🍰 まずはやさしく

実験データは、特別な条件をつけて集めた数値です。

ある操作がどんな影響を与えたかを測ります。

勉強法を変えて、テストの点数がどう変わるか調べます。

このページでは、データの種類を詳しく解説します。

医療の RCT、 農業の圃場試験、 ウェブの A/B テスト、 教育の対照実験 — いずれも「介入の効果」を測るための実験データ。 観察データとは因果の強さが段違い。

本ページは 実験データ（Experimental Data） を、 ジャストインタイム型データサイエンス教育の文脈で 12 のセクションに分けて解説します。 上から順に読まなくても、 「🔖 キーワード索引」から必要箇所だけ拾い読みすることもできます。

🎨 直感で掴む — 実験データとは何者か

🍰 まずはやさしく

実験データは、答えを導き出すための証拠のようなものです。

なぜその結果になったのかという理由を知るために使います。

部活の練習メニューを変えて、記録が伸びるか試します。

ここでは、具体例を使ってデータの正体を掴みます。

実験データ（Experimental Data）は、 言葉だけ眺めても「で、 何が嬉しいの？」となりがちです。 ここでは具体例で 『なぜ必要か / どう役立つか』 を一気に体感しましょう。

場面実験データが登場する例何が分かるか
論文の Methods 節「実験データを用いて分析した」手法の前提と限界が文脈に乗る
実務レポート「実験データの観点で評価」意思決定の根拠が明確化
教育・学習SSDSE-B-2026 を題材に演習実データで本物の感覚が得られる
政策・社会データ種 分野で標準的に登場EBPM や DX の議論に直結

本ページではこのあと、 数式（または定義）・SSDSE 実データ計算・Python実装・落とし穴 を順番に追いかけて、 用語を「使える知識」にしていきます。

🎨 直感で掴む

データを読み・解釈し・批判する力。 数値の背後にある文脈とバイアスを意識してください。

以下では 実験データを、 観察データとの違い (処置 X を研究者が無作為割付できる/できない)、 RCT / A-B 試験 / 介入実験の典型的な設計、 SSDSE-B-2026 のような行政統計を「準実験」として扱う際の注意点 (DID / IV / RDD)、 そして IRB・事前登録 (PROSPERO / OSF)・サンプルサイズ計算の実務手順を順に解説する。 単に「ランダム化したらよい」ではなく、 SUTVA・処置順守・脱落の 3 つの仮定がなぜ重要かを SSDSE-B 県別介入比較で具体化する。

🎨 直感で掴む（深掘り版）：実験データは「能動的に作る数値」、観察データは「受動的に拾う数値」

「データを集める」と一言で言っても、 そこには大きく分けて 2 つの姿勢がある。 実験データ (experimental data) は 研究者が条件を操作し、 ランダム化を行って能動的に作り出す数値。 一方で 観察データ (observational data) は 既に世の中で起きている現象を受動的に記録した数値。 SSDSE-B-2026 の都道府県別人口・産業データはまさに後者の典型で、 47 都道府県の現状をそのまま写し取ったものだ。

違いを身近な例で言えば、 観察データは「街角で人を眺めて『歩く速度が速い人は心拍数も速いね』と気付く」ようなもの。 一方、 実験データは「無作為に選んだ 50 人を A グループ（速歩 5 分）と B グループ（着席）に割り付け、 直後の心拍数を比較する」ようなもの。 前者は 因果が断定できない（速歩のせいか、 元々心拍が速い人が速歩するのか不明）が、 後者は ランダム割付により交絡を平均化するため、 条件操作と結果の差が「原因 → 結果」として読める。

SSDSE-B-2026 を題材に説明すれば、 「東京都の人口は 14,086,000 人で出生数も最大（年 86,348 人）」という事実は観察できるが、 「東京を 47 都道府県のうち無作為に選んで人口を増やしたら出生数も増えた」とは絶対に言えない。 観察データから因果を主張するには、 操作変数法・差分の差分法・回帰不連続デザインなどの準実験的手法が要る。 これに対し医薬品のランダム化比較試験 (RCT) では、 患者を無作為に「新薬」「プラセボ」に振り分けるだけで、 群間差をそのまま薬効として解釈できる。

実験デザインの 3 原則（Fisher の三原則）

SSDSE-B-2026 のような 観察データ はこの 3 原則を満たさない。 都道府県は無作為に「人口の多い県」「少ない県」に割り付けられたわけではなく、 歴史・地理・産業構造が結果として今の人口を決めている。 だからこそ、 観察データを解析するときは 「因果ではなく相関」「関連性の記述」「仮説生成」までに留め、 因果結論には介入実験か準実験手法を併用する必要がある。

🎮 触って理解する — 交絡の強さで「見かけの効果」はどこまで歪むか

下の対比はすべて架空データ（シード付き擬似乱数で決定的に生成）です。 ある「処置 X（例：ある健康サプリの摂取量）」が「結果 Y（例：健康スコア）」に与える 真の因果効果は +0.30 に固定されています。 ところが背後には 交絡因子 U（例：もともとの健康意識） がいて、 U は Y を押し上げると同時に「意識が高い人ほど自分でサプリを多く摂る（自己選択）」という形で X とも相関します。

左は 観察データ（X を各人が自分で選ぶ＝自己選択で交絡が混入）、 右は 実験データ（X を研究者が無作為に割り付ける＝U と独立）。 スライダーで交絡の強さを動かし、 見かけの回帰直線の傾き（＝推定される効果）が、 観察データではどれだけ真の +0.30 から歪むか、 実験データではなぜ歪まないかを見比べてください。

1.00
γ=0 で交絡なし（両パネルとも真の効果に一致）→ 右へ動かすほど観察データだけが歪む。
👁 観察データ（自己選択で交絡が混入）
見かけの効果（傾き）：–
🔀 実験データ（無作為割付で純粋な効果）
推定された効果（傾き）：–

灰色の破線は真の因果効果 +0.30。 観察パネルの点色は交絡 U の値（青＝低い／赤＝高い）で、 右上・左下にU由来の並びが生まれ、 見かけの傾きを吊り上げているのが見えます。 実験パネルでは X が U と独立なので色がランダムに散り、 傾きは真の値付近から動きません。

🪞 反事実：なぜ因果推論は「根本問題」なのか

同じ 1 人の個体について、 「処置を受けた場合の結果 $Y_i(1)$」と「受けなかった場合の結果 $Y_i(0)$」を 同時に観測することは絶対にできません。 サプリを飲んだ田中さんの「もし飲まなかった世界の健康スコア」は永遠に観測不能——これが 因果推論の根本問題（fundamental problem of causal inference）です。 実際に観測できるのは、 各人につきどちらか片方の「事実（factual）」だけで、 もう片方は 反事実（counterfactual）として欠測します。

個体 i（田中さん）に対する 2 つの潜在的結果 🧑 処置あり Y(1) ＝ 観測できた 健康スコア = 72（事実 / factual） ✔ この世界を実際に生きた 処置なし Y(0) ＝ 観測不能 健康スコア = ？（反事実 / counterfactual） ✘ 同時には生きられない 個体レベルの因果効果 Y(1)−Y(0) は原理的に測れない → 群平均（ATE）で近似する

ランダム化の威力はここにあります。 個体ごとの反事実は測れなくても、 無作為割付をすれば処置群と対照群は（U を含む）あらゆる特性が確率的に等しくなるので、 「対照群の平均」が「処置群がもし処置を受けなかった場合の平均」＝集団レベルの反事実の不偏な代役になります。 だから群平均の差 $\bar{Y}_T-\bar{Y}_C$ が平均処置効果（ATE）として読めるのです。 上のウィジェットで実験パネルの傾きが歪まないのは、 まさにこの「対照群＝妥当な反事実」が成り立っているからです。

🌉 実験ができない/非倫理的なとき：観察データで因果に挑む工夫

「喫煙は健康に悪いか」を確かめるために、 人を無作為に「毎日 20 本吸う群」へ割り付けるのは 倫理的に不可能です。 このように RCT が組めない問いでは、 観察データのまま 交絡を後から潰す工夫で実験に近づけます。 発想は上のウィジェットと同じ——「U が群間でそろっていない」ことが歪みの正体なら、 U をそろえて比べればよいのです。

ただし決定的な限界があります。 これらは 観測できている U しかそろえられません。 上のウィジェットで色を付けられたのは U を我々が知っていたからですが、 現実には未測定の交絡（隠れた U）が残りえます。 だから層別やマッチングを施しても「未観測交絡は残っているかもしれない」と正直に限界を書くのが作法で、 感度分析（Rosenbaum bounds など）で「どれくらい強い隠れ交絡があれば結論が覆るか」を添えます。 一方、 無作為割付は測定できない U ごと平均化してくれる——これが実験データの替えのきかない強みです。

💡 直感・落とし穴・発展の 3 点整理

直感：実験＝研究者が介入して反事実に近づく／観察＝自然に任せて拾う。 スライダーで歪むのは常に観察側だけ。

落とし穴：交絡（見かけの相関）／逆因果（Y が X を動かしていた）／外的妥当性（RCT の結論が特殊な被験者にしか当てはまらない一般化可能性の限界）。 実験でも「一般化できるか」は別問題。

発展：自然実験・準実験（差分の差分／回帰不連続）・傾向スコア・操作変数法。 いずれも「観測できる交絡をそろえて実験を近似する」道具立て。

📐 数式・定義

🍰 まずはやさしく

実験データとは、実験によって得られた数値のことです。

分析やレポートで、正しい根拠を示すために使います。

買い物で、クーポンがある時とない時の金額を比べます。

この先では、計算方法や定義について詳しく読みます。

実験データ は概念的定義が中心ですが、 ジャストインタイム教育の観点からは「関連量のなかで何を計算しているか」を式で押さえると理解が深まります。 代表的に使われる数式は：

$$ \text{基本量}_{experimental-data} = f(\text{入力データ}, \text{前提}, \text{パラメータ}) $$

定義式の一般形：

$$ Q = \frac{1}{n} \sum_{i=1}^{n} g(x_i) $$

ここで $g(\cdot)$ は用語に応じた評価関数（カウント、 平均、 比、 オッズなど）。 具体形は次セクション「🔬 数式を言葉で読み解く」で確認します。

📐 定義

実験により得られるデータ

英語名 Experimental Data。

🎯 いつ・どこで使うか

📋 前提条件・適用範囲

この用語を理解・使用するときは、 次のような前提を意識してください：

📐 数式：ランダム化比較試験 (RCT) の効果量と t 検定

処置群 (treatment, $T$) と対照群 (control, $C$) の 平均処置効果 (Average Treatment Effect, ATE) は次のように定義される。

$$\text{ATE} = E[Y_i | T_i = 1] - E[Y_i | T_i = 0]$$

ここで $Y_i$ は被験体 $i$ のアウトカム、 $T_i \in \{0,1\}$ は処置を受けたか否か。 標本での推定量は単純な平均差で、

$$\widehat{\text{ATE}} = \bar{Y}_T - \bar{Y}_C$$

この群間差が偶然か否かを判定するのが 2 標本 t 検定 で、 統計量は

$$t = \frac{\bar{Y}_T - \bar{Y}_C}{\sqrt{\dfrac{s_T^2}{n_T} + \dfrac{s_C^2}{n_C}}}$$

効果量 (effect size) の代表的指標 Cohen's d は、 群間差を共通標準偏差で割った無次元量。

$$d = \frac{\bar{Y}_T - \bar{Y}_C}{s_{\text{pooled}}}, \quad s_{\text{pooled}} = \sqrt{\frac{(n_T-1)s_T^2 + (n_C-1)s_C^2}{n_T+n_C-2}}$$

慣例として $d=0.2$ が小、 $d=0.5$ が中、 $d=0.8$ が大の効果。 サンプルサイズ計算では、 検出したい効果量 $d$、 有意水準 $\alpha$、 検出力 $1-\beta$ から必要 $n$ を逆算する。

🔬 数式・定義を「言葉」で読み解く

先ほどの数式・定義に出てきた記号や概念を、 一つずつ確認します。 とくに 実験データ の文脈で意味を取り違えやすい部分を強調します。

記号意味と注意点
$\bar{x}$標本平均。 $\bar{x} = \frac{1}{n}\sum_{i=1}^n x_i$
$\sigma$（または $s$）標準偏差（または標本標準偏差）。 ばらつきの代表指標
$n$標本サイズ（観測数）
$p$p値、 または比率。 文脈で意味が変わる
$\alpha$有意水準（通常 0.05）
$H_0, H_1$帰無仮説と対立仮説

記号は手法ごとに少しずつ意味が違うため、 論文・教科書を読むたびに『この本ではこの記号を何の意味で使っているか』を最初に確認するのが鉄則です。 とくに 実験データ 関連の文献では、 ${\sigma}^2$（分散）と $s^2$（標本分散）の区別、 $n$ と $N$（標本サイズ vs 母集団サイズ）の混同に注意。

🔬 数式を言葉で読み解く

数式を言葉で読み解くと、 ATE の右辺は「処置を受けた場合のアウトカム期待値」から「処置を受けなかった場合の期待値」を引いた量。 因果推論の言葉で言えば、 同じ集団に対する 反事実 (counterfactual) 比較を、 ランダム化によって群間平均で近似している。 ランダム化が成功していれば、 処置群と対照群は処置以外の特性（年齢・遺伝・既往歴）が確率的に等しくなるので、 平均差は処置効果と等価になる。

t 統計量 の分子は「観測された群間差」、 分母は「もし両群の母平均が等しかった場合に、 標本平均差がどれくらいバラつくか」の標準誤差。 分母が小さい（バラツキが少なく $n$ が大きい）ほど、 同じ差でも $t$ が大きく出て p 値が下がる。 つまり 「効果の大きさ × サンプルサイズ ÷ ノイズ」が検出可能性を決める。

Cohen's d はサンプルサイズに依存しない「効果の本質的大きさ」を表す。 p 値は $n$ を増やせばいくらでも小さくできるため、 効果の大きさを別途報告するのが現代統計の標準（APA、 CONSORT 声明等）。 d=0.2 は「群を区別するのが難しいくらいの小さな差」、 d=0.8 は「ヒストグラムを並べると明らかに山が分かれる差」と覚えると直感的だ。

🧮 SSDSE-B 実値で計算してみる

SSDSE-B-2026（47都道府県・2023 年・125 項目）を題材に、 実験データ に関係する変数を実値で確認します。 とくに東京・大阪・沖縄・秋田 など特徴ある県を比較すると、 用語の重みが体感できます。

都道府県総人口（千人）高齢化率（%）TFR粗出生率（‰）
東京14,08622.80.996.13
大阪8,76327.71.196.31
沖縄1,46823.81.608.55
秋田91439.11.103.95
全国平均124,35329.11.295.85

これらの値を 実験データ の観点で読み解くと、 都道府県間の格差・特徴・関係性が浮かび上がります。 具体的な計算手順は次の「🐍 Python 実装」セクションで実演します。

🧮 実値で計算してみる：SSDSE-B-2026 で「観察データの限界」を体感する

SSDSE-B-2026（2023 年、 47 都道府県）から、 観察データだからこそ生じる「因果と相関の混同」を体感しよう。 上の表のとおり、 総人口は東京都が最大の 14,086 千人、 秋田県のような地方県は 914 千人と、 都道府県間で 15 倍以上の開きがある（全国計はおよそ 124,353 千人）。

例 1：観察データで「相関」を見る

都道府県別の「人口（A1101）」と「出生数（A4101）」を比較すると、 相関係数は r ≈ 0.99（実測 0.9954）と極めて強い。 この観察事実から「人口を増やせば出生数が増える」と結論できるか？ → できない。 なぜなら、

例 2：仮想 RCT で「因果」を検出する設計

仮に「子育て支援金 10 万円を月額支給すると合計特殊出生率が上がるか？」を検証したいとする。 観察データだけでは「現行制度が手厚い県は出生率が高い」程度しか言えない（裕福で財政余裕のある県が両方をやっている可能性）。 そこで RCT を設計するなら、

SSDSE-B-2026 の合計特殊出生率（A4103）は全国平均で 1.29、 最大の沖縄県でも 1.60、 最低の東京都は 0.99。 もし処置効果 +0.10 を検出したい場合、 必要サンプル数は数千～数万人規模になる。 観察データでは絶対に得られない情報だ。

観点観察データ (SSDSE-B-2026)実験データ (RCT)
割付なし（既に決まっている）無作為割付
交絡統制統計的手法（共変量調整）で部分的ランダム化で自動的
因果結論困難（仮説生成まで）可能（条件下で）
外的妥当性高い（実世界そのまま）低いことが多い（人工条件）
コスト低い（既存データを使用）高い（実施・倫理審査）
倫理問題小さい（介入なし）大きい（介入の正当化必要）

🧮 数式に値を入れて手で計算する: ランダム化検定の効果

合成 A/B テストでランダム化前後の処置効果推定値を比較する。

Step 1: 群別平均

群処置効果 (観察データ)処置効果 (RCT)
男性+5+3
女性+1+3

Step 2: 平均

観察データ平均: (5+1)/2 = 3 (バイアス含む) RCT 平均: (3+3)/2 = 3 (バイアスなし) RCT は群別でも一定 → 因果推論可能

🐍 Python で再現

1
2
3
4
5
6
import numpy as np
obs = np.array([5, 1])
rct = np.array([3, 3])
print(f"観察 平均: {obs.mean()}")
print(f"RCT 平均: {rct.mean()}")
print(f"RCT 分散: {rct.var()}")

📤 実行結果

観察 平均: 3.0 RCT 平均: 3.0 RCT 分散: 0.0

💬 手計算 (Step 2) と Python 出力が完全一致。 RCT は群間でばらつかない。

🐍 Python 実装

以下は 実験データ を SSDSE-B-2026 で扱うときの典型コード。 encoding='cp932' は政府統計の Shift-JIS 対応。 skiprows=1 は日本語ヘッダ行をスキップする定石。

① 基本パターン（読み込み・確認・主要列抽出）

📥 入力例（SSDSE-B-2026 の 2023 年・47 都道府県から 3 行） 都道府県 A1303(65歳以上人口) A1101(総人口) Prefecture(都道府県) 北海道 1,681,000 5,092,000 北海道 東京都 3,205,000 14,086,000 東京都 沖縄県 350,000 1,468,000 沖縄県 …（全 47 行）
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
import pandas as pd

# 実験データ に関連する SSDSE-B-2026 分析の基本パターン
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', header=1)
# 見出しの下に地域コード以外の行が混ざるので、47 都道府県だけ残して数値に直す
df = df[df['地域コード'].astype(str).str.match(r'^R\d{5}$', na=False)].copy()
for _c in df.columns[3:]:
    df[_c] = pd.to_numeric(df[_c], errors='coerce')

print(df.shape)            # (564, 112) = 47 都道府県 × 12 年度
print(df.dtypes.head(10))
print(df.describe().T.head(10))

# 主要列にエイリアス
df['65歳以上'] = df['65歳以上人口']
df['高齢化率'] = df['65歳以上'] / df['総人口'] * 100
print(df[['都道府県', '総人口', '高齢化率']].head())

② 可視化テンプレ（matplotlib / seaborn）

📥 入力例（SSDSE-B-2026 の 2023 年・47 都道府県から 3 行） 都道府県 A1101(総人口) A1303(65歳以上人口) 北海道 5,092,000 1,681,000 東京都 14,086,000 3,205,000 沖縄県 1,468,000 350,000 …（全 47 行）
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 実験データ の探索的データ分析（EDA）
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', header=1)

# 見出しの下に地域コード以外の行が混ざるので、47 都道府県だけ残して数値に直す
df = df[df['地域コード'].astype(str).str.match(r'^R\d{5}$', na=False)].copy()
for _c in df.columns[3:]:
    df[_c] = pd.to_numeric(df[_c], errors='coerce')

# 主要変数を取り出して名前を分かりやすく
df['総人口'] = df['総人口']
df['65歳以上'] = df['65歳以上人口']
df['高齢化率']  = df['65歳以上'] / df['総人口'] * 100
df['TFR']      = df.iloc[:, 21]

# ヒストグラム
fig, axes = plt.subplots(1, 2, figsize=(12, 4))
sns.histplot(df['高齢化率'], kde=True, ax=axes[0])
axes[0].set_title('高齢化率の分布（47都道府県）')
sns.histplot(df['TFR'], kde=True, ax=axes[1])
axes[1].set_title('TFRの分布')
plt.tight_layout()
plt.savefig('eda_distribution.png', dpi=120)

③ 前処理：欠損・外れ値・型変換

📥 入力例（SSDSE-B-2026 全体：564 行 × 112 列 = 47 都道府県 × 2012〜2023 年） 年度 地域コード 都道府県 A1101(総人口) A1303(65歳以上人口) A4101(出生数) … 2023 R01000 北海道 5,092,000 1,681,000 24,430 … 2023 R13000 東京都 14,086,000 3,205,000 86,348 … 2023 R47000 沖縄県 1,468,000 350,000 12,549 … …（残り 112 列は住宅・家計・教育・医療など）
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
import pandas as pd
import numpy as np

# 実験データ に関わる前処理の典型パターン
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', header=1)

# 見出しの下に地域コード以外の行が混ざるので、47 都道府県だけ残して数値に直す
df = df[df['地域コード'].astype(str).str.match(r'^R\d{5}$', na=False)].copy()
for _c in df.columns[3:]:
    df[_c] = pd.to_numeric(df[_c], errors='coerce')

# ① 欠損値の確認
print('欠損数:')
print(df.isna().sum().sort_values(ascending=False).head(10))

# ② 数値変換（カンマ・%除去 など）
#    地域コードや都道府県名は数値にできないので、そのまま残す
def to_num(s):
    if isinstance(s, str):
        try:
            return float(s.replace(',', '').replace('%', ''))
        except ValueError:
            return s
    return s
df = df.map(to_num)

# ③ 外れ値検出（IQR）
q1 = df.quantile(0.25, numeric_only=True)
q3 = df.quantile(0.75, numeric_only=True)
iqr = q3 - q1
num = df[q1.index]
outlier_mask = ((num < q1 - 1.5 * iqr) | (num > q3 + 1.5 * iqr)).any(axis=1)
print('外れ値を含む行数:', outlier_mask.sum())

④ 検定・推定の最小例（scipy.stats）

📥 入力例（SSDSE-B-2026 の 2023 年・47 都道府県から 3 行） 都道府県 SSDSE-B-2026(年度) A1303(65歳以上人口) A1101(総人口) Prefecture(都道府県) 北海道 2,023 1,681,000 5,092,000 北海道 東京都 2,023 3,205,000 14,086,000 東京都 沖縄県 2,023 350,000 1,468,000 沖縄県 …（全 47 行）
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import pandas as pd
from scipy import stats

# 実験データ 文脈での基本的な仮説検定
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', header=1)
# 見出しの下に地域コード以外の行が混ざるので、47 都道府県だけ残して数値に直す
df = df[df['地域コード'].astype(str).str.match(r'^R\d{5}$', na=False)].copy()
for _c in df.columns[3:]:
    df[_c] = pd.to_numeric(df[_c], errors='coerce')

# 同じ県が 12 年度ぶん入っているので、最新年度の 47 行だけを使う
df['年度'] = pd.to_numeric(df['年度'], errors='coerce')
df = df[df['年度'] == df['年度'].max()].copy()

df['aging'] = df['65歳以上人口'] / df['総人口'] * 100
df['region'] = df['都道府県'].apply(lambda p: '東日本' if p in ['北海道','青森県','岩手県','宮城県','秋田県','山形県','福島県','茨城県','栃木県','群馬県','埼玉県','千葉県','東京都','神奈川県','新潟県','富山県','石川県','福井県','山梨県','長野県','岐阜県','静岡県','愛知県'] else '西日本')

east = df.loc[df['region']=='東日本', 'aging']
west = df.loc[df['region']=='西日本', 'aging']

t, p = stats.ttest_ind(east, west, equal_var=False)
print(f'東日本 平均高齢化率: {east.mean():.2f}%')
print(f'西日本 平均高齢化率: {west.mean():.2f}%')
print(f't = {t:.3f}, p = {p:.4f}')
print('判定:', '有意差あり' if p < 0.05 else '有意差なし')

※ より高度な例（クロス集計、 機械学習、 ベイズ推定）は data-types のグループ教材を参照。

🐍 Python での扱い

SSDSE-B-2026 のような公的統計データを Python で扱う際の基本パターン：

📥 入力例（SSDSE-B-2026 全体：564 行 × 112 列 = 47 都道府県 × 2012〜2023 年） 年度 地域コード 都道府県 A1101(総人口) A1303(65歳以上人口) A4101(出生数) … 2023 R01000 北海道 5,092,000 1,681,000 24,430 … 2023 R13000 東京都 14,086,000 3,205,000 86,348 … 2023 R47000 沖縄県 1,468,000 350,000 12,549 … …（残り 112 列は住宅・家計・教育・医療など）
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
import pandas as pd
import numpy as np

# データ読み込み
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=1)
print(df.shape)
print(df.dtypes)
print(df.describe())

# 「実験データ」の文脈で扱う場合の例：
# 分野: リテラシー
# 関連手法は同カテゴリの他用語を参照してください。

具体的なコードは データリテラシー を参照してください。

📝 レポートでの報告

分析結果を報告するときに含めるべき情報：

✅ チェックリスト

🔗 同カテゴリの他用語

データリテラシービッグデータIoTデータ駆動型社会Society 5.0データ利活用1次データ2次データオープンデータデータのメタ化ドメイン知識データ解析サイクルデータストーリーテリング調査データ

🐍 Python 実装 1：仮想 RCT データから ATE を推定する

🎯 このコードでやること：仮想的なランダム化比較試験のデータ（処置群と対照群）を SSDSE-B-2026 の出生率を基準値として読み込み、 scipy.stats.ttest_ind で群間差の有意性を検定する。

📥 入力例：SSDSE-B-2026 の合計特殊出生率（A4103）を全国平均としてプロットし、 処置群・対照群を仮定。

SSDSE-B-2026 抜粋（合計特殊出生率 A4103、 2023 年） Prefecture TFR 東京都 0.99 大阪府 1.19 沖縄県 1.60 全国平均 1.29 仮想 RCT 入力 group_T (処置群、 n=400): 平均 1.30 想定 group_C (対照群、 n=400): 平均 1.20 想定
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
# 仮想 RCT：子育て支援金処置群 vs 対照群
import pandas as pd
from scipy import stats

# SSDSE-B-2026 から全国の合計特殊出生率を確認
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
latest = df[df['SSDSE-B-2026'] == df['SSDSE-B-2026'].max()]
tfr_mean = latest['A4103'].mean()
print(f'全国 TFR 平均: {tfr_mean:.3f}')

# 仮想 RCT データ（実データに似た分布を読み込み）
# 処置群 400 人、 対照群 400 人
treat = pd.Series([1.45, 1.20, 1.55, 1.30, 1.40, 1.25, 1.35] * 57)  # n≒400
control = pd.Series([1.20, 1.10, 1.35, 1.15, 1.25, 1.05, 1.30] * 57)

# Welch の t 検定（等分散を仮定しない）
t, p = stats.ttest_ind(treat, control, equal_var=False)
print(f't = {t:.3f},  p = {p:.6f}')
print(f'ATE = {treat.mean() - control.mean():.3f}')

# Cohen's d
s_pool = (((len(treat)-1)*treat.var() + (len(control)-1)*control.var())
          / (len(treat)+len(control)-2)) ** 0.5
d = (treat.mean() - control.mean()) / s_pool
print(f"Cohen's d = {d:.3f}")

📤 実行例：実行すると次の出力が得られる。

全国 TFR 平均: 1.293 t = 20.924, p = 0.000000 ATE = 0.157 Cohen's d = 1.481

💬 結果の読み方：処置群と対照群の平均差は +0.157（TFR）、 p < 0.001 で統計的に有意。 Cohen's d=1.481 で非常に大きな効果量（この合成データは群内ばらつきを小さく作ってあるため d が大きく出る点に注意）。 → 「子育て支援金は TFR を 0.16 程度押し上げる効果がある」と結論できる。 もちろん「ランダム化が成功している前提」と「処置の同意取得後の脱落が群間で差がない前提」が要る。

🐍 Python 実装 2：サンプルサイズ計算（パワー分析）

🎯 このコードでやること：検出したい効果量・有意水準・検出力から、 必要なサンプルサイズを statsmodels.stats.power.TTestIndPower で逆算する。 実験デザイン段階の必須計算。

📥 入力例：効果量を 0.2（小）/ 0.5（中）/ 0.8（大）で試す。

効果量 d: 0.2, 0.5, 0.8 有意水準 α: 0.05 検出力 1-β: 0.80
1
2
3
4
5
6
from statsmodels.stats.power import TTestIndPower

analysis = TTestIndPower()
for d in [0.2, 0.5, 0.8]:
    n = analysis.solve_power(effect_size=d, alpha=0.05, power=0.80, ratio=1.0)
    print(f'd = {d}:  1 群あたり n = {n:.0f} 人  (両群合計 {2*n:.0f} 人)')

📤 実行例：

d = 0.2: 1 群あたり n = 393 人 (両群合計 787 人) d = 0.5: 1 群あたり n = 64 人 (両群合計 128 人) d = 0.8: 1 群あたり n = 26 人 (両群合計 51 人)

💬 結果の読み方：小さな効果（d=0.2）を確実に検出するには 1 群 394 人必要だが、 大きな効果（d=0.8）なら 26 人で十分。 「予算がないから n=30 で大きな効果のみ検出する」「予算があるから n=400 で小さな効果まで拾う」と研究計画段階で逆算するのが パワー分析 (power analysis)。 これを怠ると「結果が出なかった」のが「効果がない」のか「サンプル不足で見えなかった」のか区別できなくなる。

🐍 Python 実装 3：観察データ (SSDSE-B-2026) で「相関 ≠ 因果」を可視化

🎯 このコードでやること：SSDSE-B-2026 の人口と出生数の強い相関を計算し、 同時に「これは因果ではない」点を可視化する。

📥 入力例：

SSDSE-B-2026（2023 年、 47 都道府県） A1101 = 総人口（人） A4101 = 出生数（人）
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
import pandas as pd
from scipy import stats

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
latest = df[df['SSDSE-B-2026'] == df['SSDSE-B-2026'].max()]

pop = latest['A1101']            # 総人口
births = latest['A4101']            # 出生数
r, p = stats.pearsonr(pop, births)
print(f'観察データの相関係数 r = {r:.4f}, p = {p:.2e}')

# 人口千人当たり出生数（粗出生率）を計算して再評価
birth_rate = births / pop * 1000  # 人/千人
print(f'人口千人当たり出生数 平均: {birth_rate.mean():.2f} 人')
print(f'最大: {birth_rate.max():.2f} 人')
print(f'最小: {birth_rate.min():.2f} 人')

# 人口千人当たり出生数と人口の相関（自明な共線性が消える）
r2, p2 = stats.pearsonr(pop, birth_rate)
print(f'人口 vs 人口千人当たり出生数 r = {r2:.4f}, p = {p2:.4f}')

📤 実行例：

観察データの相関係数 r = 0.9954, p = 1.53e-47 人口千人当たり出生数 平均: 5.73 人 最大: 8.55 人 最小: 3.95 人 人口 vs 人口千人当たり出生数 r = 0.1679, p = 0.2593

💬 結果の読み方：人口と出生数の生の相関は r=0.995 と極めて強い。 しかし「人口千人当たり出生数（粗出生率）」に標準化すると r=0.17 まで下がり、 有意でもなくなる（p=0.26）。 つまり最初の強い相関の大部分は 「人口が多ければ出生数も多い」という自明な関係に過ぎず、 因果としては「人口を増やせば出生の起きやすさが上がる」とは言えない。 観察データを因果として解釈する際の典型的な罠だ。 RCT なら「実験的に人口移動を仕掛ける」ことは不可能だが、 政策評価では 差分の差分法 (DID) や 合成統制法 (synthetic control) など準実験的手法が使われる。

🐍 Python 実装 4：A/B テストの実例（オンライン実験）

🎯 このコードでやること：Web サイトのコンバージョン率 A/B テストで、 処置群と対照群のコンバージョン率の差を scipy.stats.proportions_ztest 相当の二項検定で評価する。

📥 入力例：

A 群（旧デザイン）: 訪問 10,000、 購入 480 → CV 4.80% B 群（新デザイン）: 訪問 10,000、 購入 530 → CV 5.30%
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
from statsmodels.stats.proportion import proportions_ztest
import numpy as np

# A/B テストデータ
visits = np.array([10000, 10000])     # A 群、 B 群の訪問数
conv   = np.array([480,   530])       # A 群、 B 群の購入数

# 比率の z 検定
z, p = proportions_ztest(conv, visits)
cv_A, cv_B = conv / visits
lift = (cv_B - cv_A) / cv_A * 100

print(f'A 群 CV: {cv_A:.4f}  ({conv[0]}/{visits[0]})')
print(f'B 群 CV: {cv_B:.4f}  ({conv[1]}/{visits[1]})')
print(f'リフト: +{lift:.2f}%')
print(f'z = {z:.3f},  p = {p:.4f}')

📤 実行例：

A 群 CV: 0.0480 (480/10000) B 群 CV: 0.0530 (530/10000) リフト: +10.42% z = -1.615, p = 0.1064

💬 結果の読み方：B 群（新デザイン）のコンバージョン率は 5.30% で A 群より 10.42% 高いが、 p=0.1064 と有意水準 0.05 を超える。 「サンプル数 10,000 でも有意差が出ない」 → 効果が小さい / さらにデータが必要 / または効果がない。 A/B テストでは 事前にサンプルサイズを決めること、 覗き見 (peeking) で早期停止しないこと、 多重比較補正を行うことが基本。 Etsy・Microsoft・Booking.com など実務で広く使われる手法。

⚠️ よくある落とし穴（7 件）

実験データ に取り組むときに、 学生・実務者・研究者がよく踏むワナをまとめました。 該当しそうな項目があれば、 自分の分析を見直してみてください。

❌ 1. 単位とスケールの混同
%・件数・千人・百万円 — 単位を明示せずに比較すると、 まったく違うものを比べてしまう。 グラフの軸ラベル、 表のヘッダで単位を必ず示す。
❌ 2. 時点のズレ
2020 年と 2023 年のデータを混ぜると、 コロナ前後の構造変化を見落とす。 「2023年データ」と明記し、 横断データなら時点を統一する。
❌ 3. 欠損値の暗黙除去
NaN を含む行を dropna() で除いた瞬間、 47県の標本が 30 県に減ることもある。 何件落としたか必ず記録し、 結果に与える影響を考える。
❌ 4. 外れ値の無視と過剰除去
東京・大阪・沖縄など特徴ある県は『外れ値』扱いされがちだが、 実は本質的な情報を含む。 IQR で機械的に切るのではなく、 ドメイン知識で判断。
❌ 5. 相関と因果の混同
2 変数が相関していても、 一方が他方の原因とは限らない。 共通の交絡因子（人口、 産業構造、 気候）を疑う。 因果には RCT・差の差・操作変数法など別の道具が必要。
❌ 6. 有意性と効果量の混同
p < 0.05 は『偶然では説明しにくい』だけで『効果が大きい』ではない。 効果量（Cohen's d、 オッズ比など）と信頼区間を必ず併記する。
❌ 7. サンプル数の都合主義
検出力分析をせず、 集めやすい量で打ち切ると、 第2種の過誤（実は差があるのに気付かない）を量産する。 事前に必要 n を計算しておく。

🧭 詳細解説 — 実験データ を一段深く掘り下げる

歴史的背景

実験データ（Experimental Data）は、 データ種 分野における基本概念の 1 つとして発展してきました。 学術領域では 20 世紀後半に体系化が進み、 21 世紀のデータ駆動社会の中で「実務で使う知識」として急速に普及。 とくに 2010 年代後半以降、 ビッグデータ・IoT・AI の進展に伴い、 用語の意味・適用範囲が再定義されつつあります。

日本では総務省・経産省・内閣府の各種計画（Society 5.0、 デジタル田園都市国家構想、 統計改革基本計画）で繰り返し言及される基幹概念。 SSDSE（教育用標準データセット）も、 これらの教育普及を目的に整備されたデータです。

国際的な位置付け

OECD、 国連、 ISO、 IEC などの国際機関が、 実験データ に類する概念・標準を整備してきました。 たとえば：

日本の文脈での意味

実験データ を含むデータ分析の手法は、 日本では次の場面で使われています。 下の表は分野ごとの登場場面で、 この用語だけの話ではなくデータサイエンス全体の広がりを示します：

領域データサイエンスが使われる場面
高校・大学教育情報 I/II、 数学 B（統計）、 教養統計、 専門統計の中核概念として登場
行政・政策EBPM、 デジタル庁施策、 自治体 DX、 地方創生交付金の根拠資料
企業・産業DX 推進、 データ分析人材育成、 経営判断、 マーケティング・品質管理
学術研究公衆衛生、 教育学、 経済学、 社会学、 計算機科学などの分野横断研究
市民・メディア報道、 ファクトチェック、 行政情報の解釈、 民主主義の基盤

よく混同される概念

実験データ は、 隣接概念と混同されやすい用語の代表でもあります。 ここで違いを明確にしておきましょう：

混同される概念実験データ との違い
隣接する データ種 系の用語本ページの「🔗 関連用語」を参照。 並列カテゴリで対比すると明瞭
より広い上位概念data-types ページで包含関係を確認
類似名・別名英語名 (Experimental Data) を正式表記として参照

学習・教材としての位置付け

本サイト（用語解説）は「ジャストインタイム型データサイエンス教育」のリソースです。 つまり、 論文・実務・授業で その用語に出会ったタイミングで必要最低限の説明を得る、 という使い方を想定しています。 実験データ もその一例。

体系的に学びたい場合は、 まずグループ教材（data-types）から始め、 そこから 実験データ のような個別用語にドリルダウンしていくのが効率的です。

参考文献・標準

⚠️ よくある落とし穴

❌ 数値の背後を考える
誰が・いつ・どう測ったかを必ず確認。
❌ 相関を因果と混同しない
データ駆動の議論でも因果には別の道具が必要。
❌ 単位とスケール
パーセントなのか件数なのか、 ログスケールか線形かを明示。

⚠️ 落とし穴（実験データ・観察データに共通する罠）

⚠️ 実験データの濫用・誤用と歴史的反省

実験データの強さの裏には、 倫理的に深刻な過ちの歴史がある。 第二次世界大戦中のナチス・ドイツの強制収容所での人体実験、 戦後アメリカで 1932〜1972 年に行われた「タスキギー梅毒実験」 (アフリカ系アメリカ人男性 399 人をペニシリンが利用可能になった後も無治療で観察し続けた)、 日本軍 731 部隊の人体実験など、 「実験」を名乗りながら被験者の人権を踏みにじった事例が数多く存在する。 これらの反省から、 1947 年のニュルンベルク綱領、 1964 年のヘルシンキ宣言、 1979 年のベルモントレポートが策定され、 インフォームドコンセント・被験者保護・倫理審査委員会 (IRB) という現代の研究倫理の枠組みが整った。

社会科学・経済学の実験でも、 「行動経済学の事前登録運動」「再現性の危機」が 2010 年代に大きな論点となった。 Open Science Collaboration が 2015 年に Science 誌に発表した「100 件の心理学研究のうち再現できたのは 36-39%」という衝撃的な報告は、 「実験データに見える有意な結果の多くは偶然や p-hacking の産物だった」 という問題提起だった。 この反省から、 解析計画の事前登録 (preregistration)、 結果オープンサイエンス (Open Science)、 査読制度の改革が広く受け入れられるようになった。 OSF (Open Science Framework)、 AsPredicted、 ClinicalTrials.gov は事前登録のための代表的プラットフォームである。

最近の Web 企業の A/B テストにも倫理的問題が指摘されている。 2014 年、 Facebook が 70 万人のユーザーのニュースフィードを操作して感情への影響を測った実験が学術誌に発表され、 同意なき大規模実験として大きな批判を受けた。 同年の OkCupid によるマッチング操作実験も同様の議論を呼んだ。 これらは「サービス改善のための日常的な A/B テスト」と「人々の感情・行動への直接介入」の境目が曖昧であることを浮き彫りにした。 現在は、 多くのテック企業が内部に IRB 相当の審査委員会を持ち、 リスクの大きい実験を事前審査するようになっている。

公的統計を扱う際にも、 倫理は無縁ではない。 SSDSE-B-2026 のような匿名化済みの集計データを分析する分には個人の同意は不要だが、 「ある政策の効果を県別に比較する」 という分析結果が、 県の財政や住民の福祉に影響を与えうる場合、 結果の解釈と公表の仕方には慎重さが求められる。 とりわけ、 サンプル数が小さい場合 (47 県の中で 1-2 県が外れ値である場合) には、 個別県を名指しすることが偏見や政策の歪みを生むリスクがある。 「データに基づく意思決定」 を掲げる際にも、 データの限界を明示し、 不確実性を伝える誠実さが必須である。

🔧 実験データの分析パイプライン — 設計から報告まで

実験データを分析する際の標準的なパイプラインは、 設計フェーズ・データ収集フェーズ・前処理フェーズ・統計解析フェーズ・報告フェーズの 5 段階に分けられる。 それぞれのフェーズで具体的に何をすべきかを以下に整理する。

設計フェーズでは、 研究目的を明文化し、 仮説 (H0 と H1) を事前に書く。 主要評価項目 (primary outcome) を 1 つに絞り、 副次的評価項目はサブグループ解析として位置づける。 サンプルサイズを検出力計算で決め、 解析計画 (statistical analysis plan, SAP) を作成して事前登録する。 SAP には、 解析方法・欠測の扱い・サブグループの定義・多重比較補正の方針を明記する。 ランダム化方法 (単純・層化・ブロック・最小化) と、 盲検化の範囲も決める。 ここで手を抜くと、 後段でいくら精緻な統計をやっても意味がない。

データ収集フェーズでは、 SAP に従ってランダム化を実施し、 処置を割り付ける。 測定は SAP に書いた方法で実施し、 測定者は可能な限り処置内容を知らされない状態 (盲検化) で測定する。 中間で割付や測定方法を変更しないことが鉄則で、 やむを得ず変更する場合は変更理由と日時を記録し、 報告時に明示する。 SSDSE-B-2026 のような既存統計を「実験データの代用」として使う場合は、 「もし○○の政策を△△県群に割り付けたとしたら」 という仮想的な設計を文書化しておく。

前処理フェーズでは、 欠測値の扱い・外れ値の判定・変数の型変換・標準化などを行う。 ここでの操作はすべて記録し、 再現可能なスクリプトとして保存する。 SAP に書いてある通りの前処理を厳密に行うことが重要で、 結果を見ながら処理を変えると p-hacking になる。 SSDSE-B-2026 では、 都道府県コードが文字列・年度が整数・主要数値が浮動小数点となっており、 これらの型変換と単位確認 (千人/百万円など) を最初に済ませる。

統計解析フェーズでは、 まず記述統計 (ベースライン特性の群別表) を作成し、 続いて主解析 (ITT) を実施する。 連続量なら t 検定・分散分析、 二値なら χ² 検定・ロジスティック回帰、 時間ーイベントなら Kaplan-Meier ・Cox 比例ハザード回帰など、 アウトカムの型に応じて使い分ける。 効果量と 95% 信頼区間を必ず計算し、 p 値はその補助として記載する。 サブグループ解析と感度分析は SAP に書いた範囲で実施し、 「事後追加」 と明示する場合は補足的な扱いに止める。 多重比較補正 (Bonferroni、 Holm、 Benjamini-Hochberg) の方法も SAP で事前に決めておく。

報告フェーズでは、 CONSORT ガイドライン (RCT 用)、 STROBE ガイドライン (観察研究用) などの報告基準に従う。 主要評価項目・サンプルサイズ計算・ランダム化方法・脱落・効果量+CI・サブグループ・限界事項を漏れなく記載する。 図表は「読者が一目で結論にたどり着ける」よう、 主要結果は 1 枚にまとめる。 補足解析・コード・データは Supplementary や OSF にアップロードして公開し、 再現性を担保する。 査読を経た学術論文として発表する以外にも、 政策レポートや内部資料でも同じ水準を保つ習慣をつけると、 組織全体のデータリテラシーが向上する。

🌍 分野別の実験データ事例集 — どんな現場で何が問われているか

実験データはさまざまな分野で多様な形をとる。 ここでは代表的な 10 分野について、 典型的な設計・サンプル規模・代表的な落とし穴を概観する。

1. 医学・薬学 — フェーズ I (安全性、 数十人)、 フェーズ II (有効性、 数百人)、 フェーズ III (大規模 RCT、 数千人)、 フェーズ IV (市販後、 数万人〜) の階層構造を取る。 二重盲検・プラセボ対照・無作為化が標準で、 ICH-GCP・CONSORT・PRISMA が報告基準。 落とし穴は脱落・有害事象の隠蔽・サブグループ事後追加。

2. 教育学 — クラス単位のクラスター RCT が多い。 サンプル数の有効単位はクラス数で、 児童・生徒の数ではない (intra-class correlation の補正が必要)。 落とし穴は教師効果と教材効果の混同、 ホーソン効果 (観察されている意識による行動変化)。

3. 経済学・公共政策 — 開発経済学の RCT は地域・村単位の介入が多い (バングラデシュ、 ケニア、 メキシコなど)。 サンプル単位の独立性とスピルオーバー、 倫理 (一部にしか配らない介入の正当化) が論点。 国内でも、 ふるさと納税・地方創生交付金・特区制度などは準実験的に分析可能。

4. 心理学 — 個人をランダム化する実験室実験が主流。 サンプルは大学生 (WEIRD: Western, Educated, Industrialized, Rich, Democratic) に偏りやすく、 外的妥当性に課題。 再現性の危機の中心分野でもあり、 事前登録と Many Labs プロジェクトが活発。

5. 農学 — フィッシャーが体系化した本家。 ほ場 (実験圃場) でブロック設計・分割区設計・ラテン方格などを駆使し、 少ない区画で多要因を評価する。 気象・土壌の局所変動が大きく、 ランダム化と局所管理が要。

6. 工学・製造業 — タグチメソッド (直交配列・S/N 比) を中心とした品質工学。 試作コストが高いため、 少ない実験で多要因のロバスト最適化を狙う。 機能と望ましさを分けて評価する考え方は他分野にも応用可能。

7. マーケティング — Web の A/B テスト・多腕バンディット・差分の差分が主流。 サンプル規模が大きいため小効果でも検出可能だが、 「統計的に有意」と「ビジネス的に意味がある」を分けて議論する必要がある。 二次効果 (短期売上 vs 長期顧客満足) も含めた評価が重要。

8. 機械学習・AI — モデルの性能比較は「データセットを固定して複数モデルを試す」という疑似実験的状況。 ハイパーパラメータ探索・乱数シード依存性・データセットの偏りに注意。 ベンチマークの過適合 (有名データセットで上位を狙う) も再現性問題と密接。

9. 生態学・環境科学 — フィールド実験は地理的単位 (区画・流域・島など) を用いる。 BACI 設計 (Before-After-Control-Impact) で時間と空間の両方を比較。 長期観測 (数年〜数十年) が前提で、 担当者交代・観測法変更への配慮が必要。

10. 公的統計を活用した政策評価 — SSDSE-B-2026 のような公的統計を「準実験データ」として扱う領域。 ある県のみで実施された政策の前後比較、 隣接県との差、 国全体のトレンドからの逸脱を見て効果を推定する。 県固定効果・年固定効果を入れたパネル回帰 (二元固定効果モデル) が定番。

📊 SSDSE-B-2026 を「準実験データ」として読み解く実践

SSDSE-B-2026 は 47 都道府県 × 複数年度の集計データであり、 そのままでは実験データではない。 しかし「ある年のある県で実施された政策」を介入とみなし、 介入前後・他県との比較で効果を推定すれば、 準実験的な分析として因果関係に近づくことができる。 以下では、 具体的な分析シナリオを示す。

シナリオ A: ある県の独自子育て支援策の効果評価 — 介入県と非介入県を「前後 2 年間の合計特殊出生率の差」 で比較する。 単純な前後比較では全国的トレンド (コロナ禍の影響など) を除去できないため、 差分の差分 (DID) を用いる。 DID では介入県の前後差から非介入県の前後差を引いた値が、 純粋な政策効果の推定値となる。 SSDSE-B-2026 の合計特殊出生率データ (A4103) と該当年度を組み合わせれば、 数行のコードで分析できる。

シナリオ B: 地方創生交付金の経済効果 — 配分額と延べ宿泊者数 (G7101) の伸びの関係を見る。 ただし配分額は県の財政状況に応じて決まるため、 単純な回帰では逆因果が混入する。 操作変数法 (IV) を使い、 配分額の決定式に含まれる外生的な要素 (人口規模・面積・前年度配分など) を操作変数として用いる。

シナリオ C: 高齢化対策の効果 — 介護保険サービスの拡充と高齢化率 (A1303) の変化を見る。 高齢化率自体は長期的トレンドで決まるため、 介入の効果は「トレンドからの逸脱」 として測る。 回帰不連続デザイン (RDD) を用いて、 「ある年齢層の比率が閾値を超えた県でのみ拡充が行われた」 などの設計を想定すれば、 局所的な因果効果が推定できる。

シナリオ D: コロナ禍の県別影響 — 2019 年 (パンデミック前) と 2021 年 (パンデミック後) のさまざまな指標を比較し、 県別の影響度を測る。 完全な「実験」ではないが、 ウイルスの感染拡大は研究者の手を離れた「自然実験」 として扱える。 都市圏・地方圏で影響が異なる場合、 サブグループ解析で構造を明らかにできる。

シナリオ E: 移住促進策の効果 — 移住者数 (人口移動の社会増減) と県の支援策を関連付ける。 二元固定効果 (県固定 + 年固定) パネル回帰で、 県の永続的特徴と全国的トレンドを除去したうえで、 政策ダミーの効果を推定する。 平行トレンドの前提が成り立つかを事前に図示で確認することが肝心。

これら 5 つのシナリオはいずれも、 単純な相関や記述統計を超えて、 政策の因果効果に迫ろうとする試みである。 ただし、 準実験的分析はあくまで「実験データの代用」であり、 完全な RCT に比べると未観測交絡の問題が残る。 結果を発表する際には、 推定の前提条件 (DID なら平行トレンド、 IV なら除外制約、 RDD なら閾値での連続性、 PSM なら条件付き独立性) を必ず明示し、 限界事項として正直に述べる必要がある。 「データに基づく」と称するからには、 そのデータが何を語れて何を語れないかを区別する誠実さが、 専門家としての最低限の責務である。

🧪 実験データ Q&A 拡張版 — 現場でよく聞かれる 15 問

研修や勉強会、 査読のやり取りで頻出する 15 の問いを集めた。 いずれも実務直結の論点であり、 一度自分の言葉で答えられるようになっておくと、 議論の品質が一段上がる。

Q1. 「ランダム化していない比較は無意味か？」 無意味ではないが、 因果効果の主張には慎重を要する。 観察データの記述・予測の用途では十分に有用で、 仮説生成や政策の優先順位付けには欠かせない。 ただし「ある介入が原因で結果が変わった」 と言いたい場合は、 ランダム化か、 それに準ずる準実験的設計 (DID・IV・RDD・PSM) が必要となる。 「相関は因果ではない」 という基本に立ち戻り、 主張する内容と使うデータの設計を一致させることが重要。

Q2. 「サンプルが少ない (n=10〜30) ときに RCT は意味があるか？」 限定的だが意味はある。 検出力は低いが、 探索的試験 (フェーズ I/II) として安全性や予備的有効性を見るには十分。 結果を「効果あり/なし」 と二分するのではなく、 効果量の推定値と幅広い信頼区間として正直に報告し、 大規模試験の設計の根拠とする。 SSDSE-B-2026 のような 47 県データも同様で、 強い断定よりは「効果量の点推定 ± CI」を提示する方針が誠実である。

Q3. 「クロスオーバー試験はいつ使うのが適切か？」 慢性疾患の症状緩和や生活習慣の介入など、 個人差が大きく持続的な処置効果がない場合に有効。 同一個体に複数の処置を順番に当てるため、 個人差を統制でき、 サンプル数を削減できる。 ただし繰越効果 (carry-over effect) があると分析が無効化されるため、 ウォッシュアウト期間を十分に取る必要がある。

Q4. 「実験データと予測モデルの関係は？」 予測モデル (機械学習) は条件付き分布 P(Y|X) の予測に強いが、 因果効果 P(Y|do(X)) の推定には弱い。 実験データはまさにこの do オペレーターを実装した形であり、 機械学習と組み合わせて因果機械学習 (Causal ML、 Double Machine Learning、 X-Learner など) が近年急速に発展している。 SSDSE-B のような構造化データでも、 これらの手法は適用可能。

Q5. 「観察データから ATE (平均処置効果) を推定する方法は？」 代表的手法は (a) 傾向スコアマッチング、 (b) 逆確率重み付け (IPW)、 (c) 二重ロバスト推定、 (d) Doubly Robust ML。 いずれも「条件付き独立性 (Y(0), Y(1)) ⊥ T | X」を前提とする。 未観測交絡があるとバイアスが残るため、 感度分析 (Rosenbaum bounds 等) を併用する。

Q6. 「ベイズ統計と実験データの相性は？」 非常に良い。 事前分布として既存知見を取り込め、 サンプルが少ない場合でも安定した推定が可能。 適応的試験 (バンディット、 Thompson Sampling) はベイズの自然な応用。 ただし事前分布の選択が結果に影響するため、 感度分析と事前分布の明示が必要。

Q7. 「事前登録 (preregistration) のデメリットは？」 柔軟性の低下と、 想定外の発見をどう扱うかという問題。 これに対しては「事前登録された主要解析」 と 「探索的解析」 を明確に区別して報告する方針が広く受け入れられている。 Registered Reports (登録報告) という査読方式も、 事前登録の趣旨を維持しつつ柔軟性を確保する仕組みとして広がっている。

Q8. 「有意水準 α は 0.05 が正しいか？」 慣習的に 0.05 が使われるが、 これは絶対的な値ではない。 多重比較・小サンプル・大サンプル・事前確率などを考慮して調整するべき。 ベイズ流の事後確率や、 Lakens (2022) らが提案する「α を事前に正当化する」 アプローチが推奨される。 0.005 への変更を提案する論調 (Benjamin et al., 2018) もある。

Q9. 「効果量の閾値 (Cohen's d=0.2/0.5/0.8) は信頼できるか？」 単なる目安。 分野・文脈によって何が「大きい」 かは異なる。 教育介入では d=0.2 でも費用対効果が高く意味があり、 医薬品では d=0.5 でも安全性次第で承認に至らない。 自分の領域における「実質的な大きさ」 を、 過去の研究や臨床的判断を参照して定義することが重要。

Q10. 「事後の探索的解析 (post-hoc) は禁止か？」 禁止ではないが、 「探索的」 と明示する必要がある。 探索的解析は仮説生成として価値があり、 次の試験の主要解析として事前登録すれば検証可能になる。 危険なのは「探索的に見つけた結果を、 あたかも事前仮説のように報告する」 行為 (HARKing: Hypothesizing After Results are Known) で、 これが再現性危機の主因の 1 つ。

Q11. 「メタ分析と RCT の関係は？」 メタ分析は複数の RCT の結果を統合する技法で、 エビデンス階層の最上位に位置する。 ただし元になる RCT の質が悪ければメタ分析も信頼できない (garbage in, garbage out)。 また、 出版バイアス (有意な結果のみ発表される) があると、 メタ分析の結果も過大評価される。 PRISMA・Cochrane handbook が標準的なガイドライン。

Q12. 「SSDSE-B のような既存データで、 因果推論をするための最低条件は？」 (1) 介入とアウトカムの時間的順序が明確 (介入前のデータがあり、 介入後のデータもある)、 (2) 処置と非処置に類似の単位がある (対照群が組める)、 (3) 観察可能な共変量が十分にある (交絡を統制できる)、 (4) 平行トレンドや条件付き独立性などの前提を吟味できる、 の 4 つ。 これらが満たされない場合、 因果主張は控えるべき。

Q13. 「クラスター RCT (集団単位の RCT) はいつ使うか？」 個人単位での割付が困難 (教室・病院・地域単位の介入)、 または感染症対策のように個人間の独立性が破られるとき。 サンプルサイズ計算では intra-class correlation (ICC) を考慮し、 個人ベースより大きなサンプルが必要となる。 SSDSE-B では県単位がクラスターに相当する。

Q14. 「N=1 実験 (single-subject design) は有効か？」 行動心理学・リハビリ・希少疾患などで広く用いられる。 同一個体に複数期間にわたって処置の有無を変え、 自身を対照とする。 ABAB デザイン・多基準デザインなどが代表的。 サンプル数が 1 でも、 反復測定により統計的検出力を確保できる。

Q15. 「実験データを公開・共有するベストプラクティスは？」 (1) FAIR 原則 (Findable, Accessible, Interoperable, Reusable) に従う、 (2) DOI を取得し永続的に参照可能にする、 (3) データセット記述 (data dictionary、 README) を充実させる、 (4) ライセンスを明示 (CC BY、 CC0 など)、 (5) 個人情報の除去と再同定リスクの評価を行う。 OSF、 Zenodo、 Dataverse などのプラットフォームが標準。

🌟 最終まとめ — 実験データを「設計」 し、 「分析」 し、 「語る」

実験データという言葉は、 単に「実験で得たデータ」 という意味だけにとどまらない。 そこには、 介入を能動的に割り付けるという思想、 ランダム化によって既知・未知の交絡を均質化する技術、 効果量と不確実性を併記する報告倫理、 外挿の限界を正直に語る姿勢、 そして社会への影響を見据えた研究者の責任が含まれている。 フィッシャーが農業試験場で確立した三原則 (ランダム化・反復・局所管理) は、 100 年近く経った今もなお、 すべての実験データの設計の出発点として有効である。

SSDSE-B-2026 のような公的統計を学習教材として扱う際にも、 「もしこれが実験データだったら」 と問い直すことで、 因果推論の論点が立体的に見えてくる。 47 県の集計値という小さなデータセットでも、 層化ランダム化・差分の差分・効果量の計算といった現代的な方法を試すことができる。 重要なのは、 データの規模ではなく、 そのデータをどう問い、 どう設計し、 どう報告するかという姿勢である。

本ページで紹介した 12 ステップ (A〜L)、 5 つの分析パイプライン、 10 分野の事例、 15 個の Q&A は、 いずれも独立した知識の断片ではなく、 「実験データを読み解き、 設計し、 分析し、 報告する」 という一貫したプロセスの構成要素である。 これらを統合的に運用できるようになれば、 単なる統計手法のユーザーから、 データに基づく意思決定を主導する立場に移行できる。 学習者の今後の歩みが、 この方向に向かうことを願っている。

📌 補遺 — 実験データを学ぶための読書ガイドと参考資源

実験データをより深く学びたい読者のために、 段階別の推奨資源をまとめる。 入門段階では、 まず Cochrane Handbook for Systematic Reviews of Interventions の Chapter 1〜3 (オンライン無料公開) で基本概念を押さえると、 用語と全体像が短時間で掴める。 同時に、 中室牧子・津川友介『「原因と結果」 の経済学』 (ダイヤモンド社、 2017) は、 因果推論の発想を平易に学べる日本語入門書として広く読まれている。

中級段階では、 Joshua Angrist & Jörn-Steffen Pischke『Mostly Harmless Econometrics』 (Princeton, 2008) と、 その続編『Mastering Metrics』 (2014) が、 因果推論の主要技法を体系的かつ親しみやすく解説する。 日本語では、 安井翔太『効果検証入門』 (技術評論社、 2020) と、 高橋将宜『統計的因果推論の理論と実装』 (共立出版、 2022) が、 実装コード付きで学べる優れた教材。 SSDSE のような公的データで因果推論を試したい読者には、 これらがそのまま実務マニュアルとなる。

上級段階では、 Judea Pearl『Causality』 (Cambridge, 第 2 版 2009) と『The Book of Why』 (邦訳『因果推論の科学』 文藝春秋、 2022)、 Guido Imbens & Donald Rubin『Causal Inference for Statistics, Social, and Biomedical Sciences』 (Cambridge, 2015) が必読。 機械学習との接続については Susan Athey & Stefan Wager らの Generalized Random Forests、 Victor Chernozhukov らの Double/Debiased Machine Learning が、 オンライン論文と Python 実装 (EconML、 DoubleML パッケージ) を通じて学べる。 これらを使えば、 SSDSE-B のような構造化データに対して、 機械学習を活用した因果機械学習が可能になる。

日本国内のオンライン資源としては、 統計数理研究所・東京大学・京都大学のオープン講座、 e-Stat の API ドキュメント、 統計検定 2 級・準 1 級・1 級のテキストが入手しやすい。 国際的には、 Coursera の「Causal Inference」(University of Pennsylvania)、 edX の「Causal Diagrams」(Harvard)、 J-PAL (Abdul Latif Jameel Poverty Action Lab) の RCT 設計コースが、 いずれも無料 (または audit モード無料) で受講可能。

最後に、 実験データを「ツール」 として使うだけでなく、 「思考の枠組み」 として身につけることが、 データ駆動の時代を生き抜く知恵となる。 SSDSE-B-2026 のような身近な公的データから始めて、 自分の関心領域 (教育・医療・経済・産業・環境) に展開していけば、 数年で立派な分析者になれる。 本ページを読み終えた今が、 その第一歩である。

実験データに親しむことは、 数式や統計手法を覚えること以上に、 「問いを立て、 設計し、 検証し、 報告する」 という研究者・実務家としての基本姿勢を養うことに他ならない。 ランダム化という小さな技術が、 結果として大きな社会的な信頼を生む。 この信頼を支える側に立つことが、 データ時代の専門家としての使命であり、 同時に最大の喜びでもある。 学びの旅は長いが、 一歩ずつ着実に進めば、 必ず景色は変わっていく。 焦らず、 楽しみながら、 自分のペースで進めば良い。

🗺 概念マップ：実験データを中心とした関連概念のツリー

データ収集方法 ├── 観察データ (observational data) │ ├── 横断調査 (cross-sectional) 例：国勢調査、 SSDSE-B-2026 │ ├── 縦断調査 (longitudinal) 例：パネル調査、 コホート研究 │ ├── 行動ログ (behavior log) 例：Web アクセスログ、 IoT センサ │ └── 業務データ 例：POS、 受診記録 │ └── 実験データ (experimental data) ├── 実験室実験 (lab experiment) 内部妥当性◎、 外的妥当性△ ├── 現場実験 (field experiment) 内部妥当性○、 外的妥当性○ ├── 自然実験 (natural exp.) 外生的処置を活用 ├── オンライン実験 (A/B test) Web・モバイルで大規模実施 └── RCT 医薬品承認試験のゴールドスタンダード ├── 二重盲検 ├── プラセボ対照 ├── 多施設共同 └── クロスオーバー
実験データ RCT（ランダム化比較試験） 準実験 (quasi-exp.) 傾向スコア (propensity) 自然実験 (natural exp.) 因子計画 (factorial) クロスオーバー試験

🔗 隣接手法への橋渡し

「実験データ」は単独で完結せず、 隣接する手法と接続することで分析パイプラインの一部として機能する。 以下に具体的な接続関係を示す。

実験データは収集前に検出力 (1-β=0.8) と効果量 (Cohen's d=0.5) からサンプルサイズを Power Analysis で決め、 ランダム割付 → 介入 → 測定 → 統計検定 → 効果量報告まで Pre-Registration プロトコルで固定する。 SSDSE-B-2026 のような観察データと違い、 実験データでは交絡が原理的に消える代わりに外的妥当性 (一般化可能性) が低下する点を併記する。

🌳 手法選択フロー

「実験データ」を実際の課題に当てはめるとき、 以下の多段分岐で判断する。 章 14 (隣接手法への橋渡し) で挙げた上流 / 並列 / 下流とそれぞれ接続する。

  1. Q1: 介入を割り付けられるか
  2. Q2: ランダム化の単位は個人か集団か
    • 個人単位 → A/B テスト (個人 RCT) → Q3 へ
    • 集団単位 (学校・店舗・市町村) → Cluster RCT → ICC (級内相関) 補正後 Q3 へ
    • 逐次最適化したい → Multi-Armed Bandit / ベイズ A/B → 逐次停止規則で終了判断
  3. Q3: 目的変数の種類は何か
    • 連続量 (滞在時間・売上) → ANOVA / 二標本 t 検定 → 効果量 Cohen's d
    • 二値 (CV した / しない) → カイ二乗検定 / ロジスティック回帰 → オッズ比 (OR)
    • 生存時間 (離脱までの日数) → Cox 比例ハザード / Kaplan-Meier → ハザード比 (HR)
  4. Q4: 検出すべき効果サイズと検出力は (上流の サンプルサイズ設計 へ接続)
    • 1-β = 0.8、 α = 0.05、 d = 0.5 → 必要 n を Power Analysis で決定 → 介入実施
    • 事後分析で d < 想定 → 反復実験 or メタ解析へ拡張
  5. Q5: 倫理・実現可能性で頓挫したら
    • 自然実験 (政策変更・災害) → DID / RDD で代替
    • 長期介入が必要 → Stepped-Wedge Cluster RCT で全集団に段階導入
    • 個人差大 → クロスオーバー試験で被験者内比較

領域別の慣行: 医学は IRB 承認 + Pre-Registration (CONSORT 声明)、 マーケは Bandit + ベイズ A/B、 教育は Cluster RCT (学校単位ランダム化)、 経済は Field Experiment + IV 推定 (Duflo 2019 ノーベル賞)。 各分岐は章 14 の「上流: サンプル設計」「並列: 観察データ / 準実験」「下流: ANOVA / 因果効果」と対応する。

🧭 解説深化（追補2）— 直感・落とし穴・発展を一枚で総ざらい

本セクションは、 これまでの各章で散らばっていた要点を 「直感 → 落とし穴 → 発展」の 3 段で圧縮し直した総ざらいです。 既存の説明を消さずに、 一読で全体像を再確認できる「地図」として追記しています。 新しい数値は使わず、 本ページ上部で確定済みの SSDSE-B-2026 実測値（観察データの対比例）だけを引用します。

🎨 直感の核心 — 実験は「事実を作る」、観察は「事実を拾う」

実験データの本質は、 研究者が 処置（介入）を能動的に割り付ける点にあります。 無作為化（randomization）を挟むと、 測定できる交絡も測定できない交絡もまとめて群間で平均化されるため、 群平均の差をそのまま原因→結果として読めます。 これが観察データにはない、 因果推論における最大の強みです。

対比の実感として、 本ページ上部の実測どおり SSDSE-B-2026（2023 年・47 都道府県）の「人口」と「出生数」の相関は r ≈ 0.9954 と極めて強い一方、 人口千人当たり出生数（粗出生率）に直すと相関は r ≈ 0.17 まで落ちます。 「強い相関」の大半が「人口が多ければ出生数も多い」という自明な共線性だったわけで、 観察データは「介入したらどうなるか」を語れません。 実験データはこの問いに直接答えるために「介入した世界」を人工的に作り出します。

観点実験データ観察データ（例：SSDSE-B-2026）
処置の割付研究者が能動的に割り付ける既に世の中で決まっている
交絡の扱い無作為化で自動的に平均化統計的調整で部分的にのみ
得意なこと因果効果の推定現状記述・相関・仮説生成
弱点外部妥当性・コスト・倫理未観測交絡・因果の断定不可

⚠️ 落とし穴（重要）— 「無作為化さえすれば安心」ではない

実験データは強力ですが、 割付が正しくても別のところで崩れます。 とくに実験室の結論が現実に当てはまるか（外部妥当性）は、 内部妥当性とは独立の問題です。

💡 逆因果にも注意：観察データで X→Y を疑うとき、 実は Y→X（逆因果）や 交絡の可能性が常に残る。 無作為化はこの両方を一手に片づけるが、 それでも外部妥当性は別腹で検証が要る。

🚀 発展 — RCT・DOE から準実験・三角測量まで

🔗 このテーマの関連ページ

本ページと合わせて読むと理解が立体化します（リンクは本用語集内の実在ページ）。

🎯 因果推論交絡逆因果対照群🧪 A/Bテスト実験計画法（DOE）自然実験差分の差分（DID）回帰不連続（RDD）サンプルサイズ設計検出力仮説検定分散分析（ANOVA）

※ 無作為化（randomization）・観察データ・傾向スコア・操作変数・盲検化・プラセボは、 本用語集に独立ページが未整備のため、 ここではテキストとして触れるに留めています（今後の拡充候補）。