数字は嘘をつくのか、それとも人が数字を使って嘘をつくのか
『How to Lie with Statistics』が投げかける問いは、統計学そのものが信用できるか、という問いではない。むしろ、**数字という形式を与えられた情報を、私たちはなぜ過剰に信用してしまうのか**という問いである。
ダレル・ハフが1954年に刊行した本書は、統計の専門書ではない。平均値の選び方、標本の偏り、グラフの縮尺、割合の見せ方、相関関係の解釈などを通じて、数字を使えば同じ現実をかなり異なって見せられることを示していく。
重要なのは、本書が「統計は嘘である」と主張しているわけではない点だ。むしろ逆である。統計という方法が有用であるからこそ、その見せ方を操作したときの説得力も強くなる。数字への信頼そのものが、数字を利用した誤導の条件になる。
したがって本書は、統計リテラシーの入門書である以上に、「証拠らしさ」がどのように作られるのかを扱ったメディア批評として読むことができる。
中心主張は「計算」ではなく「比較条件」を疑えということ
本書に通底する中心的な主張を一つにまとめるなら、数字を見る前に、その数字が作られた条件を見よ、ということになる。
たとえば平均所得が上昇したという数字が示されても、「平均」が算術平均なのか中央値なのかで印象は変わる。ある調査で高い支持率が示されても、誰を対象に、どのように回答者を集めたかによって意味は変わる。売上が「50％増えた」と言われても、もとの数字が小さければ絶対量としては大きな変化ではないかもしれない。
ここで問題になるのは、計算が間違っているかどうかだけではない。
むしろ厄介なのは、**計算自体は正しいのに、受け手が誤った印象を持つように提示されている場合**である。
この点で本書の洞察は現在でも強い。虚偽情報を見抜くには「数字が正しいか」を確認すればよい、と考えがちだが、数字が正しいことと、そこから導かれる印象が妥当であることは別問題だからだ。
統計的欺瞞の多くは、完全な捏造ではなく、選択によって成立する。都合のよい期間だけを切り出す。都合のよい母集団を選ぶ。複数ある指標のうち一つだけを見せる。分母を変える。グラフの軸を調整する。
つまり、嘘と真実の境界にある「選択」が本書の本当の主題なのである。
本書の価値は、統計学を知らなくても疑問を持てるようにしたことにある
本書が長く読まれてきた理由の一つは、専門的な数式をほとんど必要とせずに、統計的な疑い方を教えたことにある。
高度な統計学を知らなくても、
「誰を調べたのか」
「何と比較しているのか」
「どの期間を選んだのか」
「割合だけでなく実数ではどうなのか」
「平均の内側にどのような分布があるのか」
と問い返すことはできる。
これは重要な教育的転換である。
統計リテラシーというと、平均、分散、標準偏差、確率分布、検定といった知識を身につけることだと考えられやすい。しかし実社会で最初に必要になる能力は、必ずしも計算能力ではない。数字が置かれている文脈に疑問を持つ能力である。
その意味で本書は、読者を統計家にするのではなく、**数字を受動的に受け取らない読者にする**ことを目指している。
ただし「騙す人」と「騙される人」という構図には限界がある
一方で、本書の魅力である単純さは、そのまま限界にもなっている。
題名が示すように、本書は統計を「どう使えば人を騙せるか」という構図から説明する。そのため、広告主、企業、政治家、調査主体など、数字を提示する側が意図的に印象を操作し、それを読者が見抜くという関係が前面に出やすい。
しかし現実の統計上の問題は、意図的な欺瞞だけから生じるわけではない。
研究者自身が分析上の問題に気づいていない場合もある。測定方法そのものに偏りが含まれている場合もある。大量の分析を行った結果、偶然得られた目立つ結果だけが公表されることもある。組織の評価制度によって、特定の指標だけが重視されることもある。
つまり現代的な視点から見ると、問題は「悪い人が統計を悪用する」というより、**制度、分析手法、選択、認知バイアスが組み合わさって、誤解を生む数字が生成される**ことにある。
本書の警戒心は有効だが、それだけでは現代のデータ環境を十分には説明できない。
「何でも疑え」という読後感も危険である
本書にはもう一つ、逆方向の危険がある。
統計がいかに操作可能かを学んだ読者は、「結局、数字などいくらでも好きに作れる」と考えてしまう可能性がある。
しかし、それは本書から引き出すべき結論ではない。
標本の偏りを指摘できることは、標本調査そのものが無意味であることを意味しない。グラフが誤解を招きうることは、可視化が信用できないことを意味しない。相関と因果を区別する必要があるからといって、相関関係に価値がないわけでもない。
統計の弱点を学ぶことと、統計への全面的不信に陥ることは違う。
むしろ本書を発展的に読むなら、「この数字は怪しい」で止まらず、**では、より適切な比較や測定を行うにはどうすればよいのか**まで進む必要がある。
懐疑は入口であって、結論ではない。
本書が前提としているのは「一つの数字が人を説得する世界」である
1950年代に書かれた本書と現代との違いを考えると、さらに興味深い。
本書が想定する典型的な場面では、新聞、広告、企業資料などから一つのグラフや統計値が提示され、読者がそれをどう読むかが問題になる。
現代では状況が異なる。
オンライン上では、数千、数百万のデータから自動的に指標を作ることができる。閲覧数、クリック率、失業率、支持率、感染者数、ランキング、レビュー平均、アルゴリズムによるスコアなど、生活のあらゆる場所に数字が埋め込まれている。
ここでは問題は「一つのグラフが誇張されているか」だけではない。
そもそも、なぜその指標を測定することになったのか。
何が測定対象から外されたのか。
その数字が人々の行動をどのように変えるのか。
指標そのものが評価対象になった結果、人々が指標を改善するために行動を変えていないか。
こうした問題になる。
『How to Lie with Statistics』はこの地点まで扱ってはいない。しかし、数字を自然現象ではなく「誰かが作った表現」として見る態度は、こうした現代的問題へ進む出発点になる。
他書と並べると、本書の役割がはっきりする
本書をデイヴィッド・シュピーゲルハルターの『The Art of Statistics』のような統計入門書と比較すると、違いは明確である。
『The Art of Statistics』がデータからどのように推論するかを学ばせる本だとすれば、『How to Lie with Statistics』は、提示された推論のどこを疑えばよいのかを学ばせる本である。
また、カール・バーグストロームとジェヴィン・ウェストの『Calling Bullshit』は、より現代的な情報環境に対象を広げている。データ、アルゴリズム、科学的主張、可視化などを批判的に読むという問題意識には、本書との明確な連続性がある。
『ファクトフルネス』と並べると、別の対照が現れる。
『ファクトフルネス』は、人間が世界を実態以上に悲観的あるいは単純に捉える認知的傾向を問題にし、データを見ることをその修正手段として重視する。一方、『How to Lie with Statistics』は、そのデータ自体も提示方法次第で誤解を生むことを警告する。
両方を読むと、「直感だけを信用するな」と「数字だけを信用するな」という、一見逆向きの教訓が得られる。
しかし両者は矛盾しているわけではない。
必要なのは、直感を数字で修正し、数字を文脈で再検討するという往復なのである。
出版後に古びたのではなく、役割が限定された
70年以上前に出版された本である以上、扱われる事例や情報環境には当然時代差がある。今日の統計学やデータ科学を学ぶための本として読むなら、内容は限定的である。
本書を読んでも、統計的推測、信頼区間、ベイズ推論、多変量解析、因果推論、機械学習などを理解できるわけではない。
だが、それは本書の失敗ではない。
本書の役割は、統計分析を習得させることではなく、数字の権威に距離を取らせることにある。
そして情報量が増えた現在、その能力はむしろ重要になっている。
ただし現代では、本書の警告を一段階拡張する必要がある。「この統計は操作されていないか」だけでなく、「なぜこの数字が重要な数字として選ばれているのか」と問わなければならない。
統計の読み方から、指標が作られる制度そのものの読み方へ進む必要がある。
再読するときに問うべきこと
初読では、本書は「数字に騙されないための技術集」として読める。
再読では、もう少し不快な問いを向けたほうがよい。
自分は、どのような統計なら簡単に信用するのか。
自分の考えに一致する数字にも、反対意見の数字と同じ厳しさで標本や分母を問い直しているか。
グラフの操作には敏感なのに、自分に都合のよい期間だけを無意識に選んではいないか。
さらに重要なのは、「統計で嘘をつく人」を探すだけでなく、**自分自身がどの数字を選ぶことで世界を単純化しているか**を考えることである。
本書の題名は、統計を悪用する他人について語っているように見える。
しかし最も厳しい読み方をするなら、その矛先は読者自身にも向いている。
数字は現実そのものではない。現実の一部を測り、切り取り、比較可能な形へ変換した表現である。
だから必要なのは、数字を信じることでも、疑うことでもない。
**その数字が、何を見せ、何を見せていないのかを問い続けることなのである。**