国別の人口、川の長さ、企業の取引金額のように、世の中に散らばる数値の先頭の桁を集めてみると、1から9までが均等に現れそうに思えます。ところが実際に数えてみると、1で始まる数値が三つに一つほどで最も多く、9で始まる数値は二十個に一つにもなりません。この意外な規則を説明する概念が「ベンフォードの法則（Benford's Law）」です。
ベンフォードの法則とは、簡単に言えば「自然に生じた多くの数値データでは、先頭の桁の数字が小さいほど頻繁に現れる現象」を意味します。先頭の桁の数字がdである確率はlog₁₀(1+1/d)で計算され、この式によると、1は約30.1%、2は約17.6%、9は約4.6%の割合で現れます。
本資料では、ベンフォードの法則の基本的な定義から、このような分布が生じる仕組み、法則が当てはまるデータと当てはまらないデータ、そして会計監査など実際に使われる分野や注意点まで、わかりやすく整理します。
ベンフォードの法則：先頭の桁の数字に隠れた規則
ベンフォードの法則とは何か？
この規則に最初に気づいたのは、19世紀のアメリカの天文学者サイモン・ニューカムです。1881年、彼は計算に使っていた対数表の本で、1で始まる数値が載っている前半のページが、後半よりもはるかに擦り減っていることに注目しました。これは、人々が1で始まる数をより頻繁に調べていたことを意味していました。
この観察は長く忘れられていましたが、1938年にアメリカの物理学者フランク・ベンフォードが再び取り上げました。彼は川の流域面積、都市の人口、物理定数、新聞に掲載された数値など、互いに無関係な20種類の資料から2万個を超える数値を集め、同じ傾向を確認しました。その後、この規則には彼の名前が付けられました。最初に発見した人ではなく、広く知らせた人の名前が付いたことから、統計学では命名の皮肉として紹介されることもあります。
先頭の桁の数字ごとの期待される割合は、次のとおりです。
- 数字1（One）：約30.1%で、最も多く現れます。
- 数字2～3（Two to Three）：それぞれ約17.6%、12.5%です。
- 数字4～6（Four to Six）：それぞれ約9.7%、7.9%、6.7%です。
- 数字7～9（Seven to Nine）：それぞれ約5.8%、5.1%、4.6%と、次第に少なくなります。
なぜ小さな数字が先頭に現れやすいのか？
ベンフォードの法則は初めて聞くと不思議に思えますが、数値が大きくなっていく過程を思い浮かべると、自然に理解できます。
（1）1から2への道のりが最も長い
ある値が100から始まり、着実に増えていくとします。先頭の桁が1から2に変わるには、100から200まで、つまり二倍になる必要があります。一方、900から1,000に移るには、約11%増えるだけで済みます。そのため、増加する値は先頭の桁が1である区間に最も長くとどまります。
（2）単位を変えても保たれる分布
価格をウォンからドルに、長さをメートルからフィートに変えても、先頭の桁の分布がそのまま保たれることは、ベンフォード分布の重要な特徴です。単位によって結果が変わらないデータであれば、先頭の桁の分布はこの形に従います。
（3）複数の桁数にまたがるデータ
値の範囲が数十から数百万のように、複数の桁数にまたがって広く分布しているほど、この法則がよく当てはまります。2の累乗やフィボナッチ数列のように、一定の比率で大きくなる数列もこの分布に従います。
まとめると、ベンフォードの法則は、数値が足し算よりも掛け算の仕組みで、つまり一定の比率で増減する世界で自然に現れる結果です。対数目盛で見ると、1と2の間隔は8と9の間隔よりもはるかに広いため、その広い区間により多くの数値が入るのです。
法則が当てはまるデータと当てはまらないデータ
ベンフォードの法則は、あらゆる数値に通用する万能の規則ではありません。データがどのように作られたかによって、当てはまることもあれば、まったく当てはまらないこともあります。
（1）よく当てはまるデータ
国別の人口、川の長さ、企業の売上高や取引金額、株式の取引量のように、自然に生じ、値の大きさに大きな差があるデータは、おおむねベンフォード分布に近くなります。
（2）当てはまらないデータ
電話番号、郵便番号、住民登録番号のように、人が決めて割り当てた番号は、この法則とは関係がありません。成人の身長や100点満点の試験の点数のように、値が狭い範囲に集中するデータや、上限・下限が決まっているデータにも当てはまりません。9,900ウォンのように、意図的に設定された価格が多いデータも同様です。
結局のところ、法則を適用する前に、そのデータが自然に生じた数値なのか、複数の桁数にまたがっているのかを、まず確かめることが重要です。
会計監査に使われるベンフォードの法則
ベンフォードの法則が最も盛んに使われているのは、会計監査と不正検知の分野です。人が数値をでっち上げるときは、1から9までを比較的均等に使ったり、特定の数字を避けたりする癖が出やすくなります。そのため、多数の取引記録の先頭の桁の分布がベンフォード分布から大きく外れていれば、監査人はその部分を優先的に調べる候補とします。1990年代以降、会計学者マーク・ニグリニらの研究を経て、この方法は監査実務の分析ツールとして定着しました。
同じ原理は、研究データの改ざんの有無を調べたり、経済統計を点検したりする際にも応用されます。ただし、選挙結果のようにデータの性質がこの法則にあまり合わない分野では、解釈をめぐる議論が多いため、分析結果だけで結論を出さないよう注意が必要です。
活用する際に覚えておくとよい点は、次のとおりです。
- ベンフォード分析は、 不正を証明するツールではなく、疑わしい箇所を絞り込むためのスクリーニングツールです。ずれが見られた場合は、その原因を別途確認する必要があります。
- 標本が少ないと、偶然による差が大きく見えます。十分に多くの数値を集めてから比較するとよいでしょう。
- データの性質上、もともとこの法則に従わない数値であれば、分布がずれるのは異常の兆候ではなく、当然の結果です。
ベンフォードの法則は、無作為に見える数値の中にも秩序が隠れていることを示しています。数値の表面的な姿だけにとどまらず、その数値がどのように生まれたのかも問いかけること。それが、データを疑い、正しく読み取るための第一歩です。
