ある地方紙に「所得の高い地域ほど、特定の政党の支持率が高い」という記事が載ったとしましょう。多くの人はこの記事を読んで、自然と「お金持ちはその政党が好きなんだな」と考えます。ところが、実際に一人ひとりを調べてみると、正反対の結果が出ることもあります。集団の数字をそのまま個人に当てはめるときに生じるこの錯覚こそが、「生態学的誤謬（Ecological Fallacy）」です。
生態学的誤謬とは、簡単に言えば、地域や国、学校といった集団を単位として集めたデータから得た結論を、その集団に属する個人にも同じように当てはまると推論する誤りを意味します。ここでいう「生態学的」とは生物学のことではなく、個人を取り巻く集団レベルのデータを指す統計用語です。
本記事では、生態学的誤謬という名前がどのように生まれたのかから、集団データと個人データが食い違う原理、実際によく出会う事例、そしてこの落とし穴を避ける方法まで、順に見ていきます。
集団の数字が個人の代わりにならない理由
「生態学的誤謬」という名前の始まり
生態学的誤謬は、ある社会学者がアメリカの国勢調査データを計算し直したことで、広く知られるようになりました。
(1) ロビンソンの1950年の論文
アメリカの社会学者ウィリアム・ロビンソン（William S. Robinson）は、1930年の国勢調査データを使い、州ごとに外国生まれの人口の割合と非識字率を比較しました。州単位で見ると、移民の多い州ほど非識字率がむしろ低いように見えました。しかし個人単位で計算し直すと、移民のほうが本国生まれの人よりも非識字である可能性がやや高いという、方向が逆の結果が出ました。州単位の相関係数はマイナス0.53でしたが、個人単位の相関係数はプラス0.12でした。2011年には、ロビンソンが州単位の計算に使ったデータの一部が誤っており、正しい値はマイナス0.46だとする再検討が出ましたが、方向が逆転するという核心はそのままです。
(2) 食い違いの理由
ロビンソンは、移民が主に本国生まれの住民の読み書き能力が高い州に定住したため、このような違いが生じたと説明しました。集団の特徴が個人の特徴を覆い隠してしまったわけです。
(3) 名前が付くまで
ロビンソンは集団データで個人を判断してはならないと警告し、この錯覚に「生態学的誤謬」という名前を付けたのは、1958年の統計学者ハナン・セルヴィン（Hanan Selvin）でした。
集団データと個人データが食い違う原理
集団の平均や割合は、多くの人の値を一つにまとめた結果なので、その中で個人がどのように散らばっているかは示してくれません。
(1) 相関関係のレベルの違い
集団単位で計算した相関関係を生態学的相関と呼びます。この値は、個人単位の相関関係と大きさはもちろん、方向まで異なることがあります。
(2) 平均が高いからといって可能性も高いわけではない
A集団では80%が40点、20%が95点を取って平均が51点、B集団では半分が45点、半分が55点を取って平均が50点だと仮定してみましょう。平均はAのほうが高いですが、二つの集団から一人ずつ選んで比べると、80%の場合でB側の人のほうが高い点数を取ります。
(3) 集団そのものが生み出す影響
個人の行動が自分自身の条件だけでなく、周りの集団の雰囲気にも影響を受けると、集団レベルの関係と個人レベルの関係が互いに異なる姿で現れます。
集団を合わせたり分けたりした瞬間に傾向が逆転するシンプソンのパラドックスも同じ根を持つ現象で、統計学では生態学的誤謬の一種としてあわせて扱われることもあります。結局のところ、どのレベルでデータをまとめるかが結論そのものを変えうるという点が核心です。
日常で出会う生態学的誤謬
生態学的誤謬は、ニュースや研究、日常の会話のあちこちに潜んでいます。
- 豊かな州と豊かな有権者（Rich states and rich voters）：2004年のアメリカ大統領選挙で、ブッシュ候補は最も貧しい15州で勝ち、ケリー候補は最も豊かな11州のうち9州で勝ちました。しかし個人単位で見ると、年収20万ドルを超える有権者の62%がブッシュに投票しており、所得の低い有権者よりもはるかに高い割合でした。
- デュルケームの自殺研究（Durkheim’s study of suicide）：プロテスタントが多い地域で自殺率が高かったという結果をもとに、プロテスタント個人のほうが危険だと決めつけることは、生態学的誤謬の代表例としてよく挙げられます。
- 国別の食習慣と健康（Diet and health by country）：ある食べ物をたくさん食べる国の平均寿命が長いからといって、その食べ物を食べる人が長生きするという意味ではありません。
このように、同じデータでもどのレベルから眺めるかによって、まったく異なる物語が生まれることがあります。
生態学的誤謬を避ける方法
生態学的誤謬を避けるには、結論を出す前に、データがどのレベルで集められたのかをまず確認しなければなりません。
(1) 問いとデータのレベルを合わせる
個人について知りたいなら個人データを、地域や国について知りたいなら集団データを使うべきです。問いのレベルとデータのレベルがずれた瞬間、誤謬が入り込む隙が生まれます。
(2) 複数のレベルをあわせて見る分析
個人と集団の影響を同時に検討するマルチレベル分析のように、二つのレベルを一つのモデルに入れて区別する統計手法も使われています。
(3) 逆方向の落とし穴にも注意する
逆に、個人データだけを見て集団全体の特徴を決めつける誤りもあります。これを原子論的誤謬（Atomistic Fallacy）と呼び、生態学的誤謬と対をなす概念です。
生態学的誤謬は、数字が間違っているからではなく、数字を読む目線がずれているために生じる錯覚です。集団の平均は集団を説明するだけで、その中の一人を代弁してくれるわけではありません。
統計を見るたびに、この数字が誰を単位として集めたものなのかをまず問うこと、それが正しいデータ解釈の第一歩です。
