データの誤謬シリーズ（全15回）

本

” 誤謬（ごびゅう）とは、つまり、間違っていることである。” データにまつわる誤謬を紐解き、やさしく知るシリーズ

運営しているクリエイター: ダッシュボード研究所 📊 Dashboard社のCEOさん

#DX

データの誤謬＃１『チェリーピッキング』

いけませんよ！おいしいところだけ、つまみ食い。＃1 チェリーピッキング自分の主張に合う結果だけを選択し、そうでない結果を除外すること。データに不誠実であるという最悪で最も有害な例。何かを主張するときには裏付けとなるデータが重要になります。しかし、人々は、全体を説明する代わりに、自分の主張を裏付ける一部の都合の良いデータだけを強調することがよくあります。これは、公の場での議論や、政治の場でよく見られる現象で、どちらの側も自分の立場を裏付けるデータを強調するこ

データの誤謬＃2『データドレッジング』

サラダにかけるアレではありませんよ。まあでも似ているので、水底をサラう、ドレッ「ジ」ングと覚えちゃいましょう！＃2 データドレッジング相関関係が実際には”偶然の結果”であったことを認めないこと何かしらのパターンを見つけようとして繰り返し検証していくうちに、たまたま偶然、統計的に有意な結果が出てきたことに対して、それを信じて疑わないことです。歴史的に見ても、研究者が結果を「データドレッジング」して、都合の良い結果に結びつけるため、”データの対象”をすり替えてしま

データの誤謬＃３『生存者バイアス』

持っていないデータを探すってどういうこと？＃3 生存者バイアス不完全なデータから結論を導き出すこと。何らかの選択基準を「クリア」したデータだけを見てしまうこと。例）失敗が無視されるケース。次の問いについて、考えてみましょう。 Q: 戦闘から戻ってきた飛行機があり、弾痕が確認できます。無事に帰還する飛行機を増やすために、装甲を施したいです。どこに装着したら良いでしょうか？ A：弾痕が多いところに装甲を施す。 … は、悪くないようだが、ここに「生存者バイアス

データの誤謬＃4 『コブラ効果』

死亡原因はコブラ。ちょっと恐い話です。（嘘です。）＃4 コブラ効果問題解決のためのインセンティブが意図しない負の結果を生むこと。名前の由来は、イギリスによる植民地時代のインドにおける逸話。 1800年代の大英帝国は、植民地のインドでコブラに噛まれて死亡する人を減らしたいと考えていました。これを減らすために、コブラの皮を1枚持ってくるごとに金銭的なインセンティブ（報酬）を与え、コブラ狩りを奨励しました。しかし、その代わりに人々はコブラを養殖して稼ぐようになってし

データの誤謬＃5 『誤った因果関係』

海賊が減っているのは、地球温暖化のせいだって？そもそも、海賊ってまだいるの？＃5 誤った因果関係 2つのイベントが同時に発生したときに、一方が他方を引き起こしたに違いないと誤って想定すること。過去150年間、「地球の温度」は着実に上昇しており、「海賊の数」はそれに匹敵する割合で減少しています。海賊の減少が地球温暖化を引き起こした。とか、海賊が増えれば地球温暖化が元に戻る。とは、、、考えられませんよね。いや、もしかしてもしかすると、、、ないですね。

データの誤謬＃6 『ゲリマンダリング』

語源が、ちょっぴりファンタジー！！！なんです。＃6 ゲリマンダリング結果を変えるために、データをグループ化するための地理的境界を操作すること。多くの政治システムでは、選挙区を再定義することで、当選する可能性を高めるなどの操作をすることが可能です。例えば、農村部を選挙区に含めることで、都市部で人気のある政党を不利にすることができるなど。同様の現象は、データ分析の際に「可変な単位領域問題（Modifiable Areal Unit Problem: MAU

データの誤謬＃9 『ホーソン効果』

リモートワークでは、「見られている」が減少。やる気を失ってしまったら、「見られている」状況を自分で作り出すのが効果的かもしれませんよ。＃9 ホーソン効果誰かを監視するという行為が、その人の行動に影響を与え、偽りの調査結果につながること。ホーソン？？？ 1920年代、イリノイ州にあるホーソン工場では、「労働時間」や「照明」、「休憩時間」などの物理的環境を変えて、労働者の生産性を調べる社会実験が行われました。条件を悪くしてみたにも関わらず、結果はなんと、ど