はじめに
「たった1点の差で合否が分かれてしまった」「あと1円で補助金の対象外になった」といった経験やニュースを見て、理不尽さやモヤモヤを感じたことはありませんか？
一見すると運や偶然のように思えるこのわずかな境界線ですが、実は現代の統計学や経済学の世界では、世の中の仕組みやルールの本当の効果を測定するための強力な手掛かりとして注目されています。それが「回帰不連続デザイン（Regression Discontinuity Design: RDD）」と呼ばれる分析手法です。
この記事では、専門用語をできるだけ使わず、身近な具体例を交えながら、私たちの社会や意思決定に潜む「境界線の謎」をわかりやすく紐解いていきます。
👇 本記事でわかる3つの重要ポイント 👇
- 【テーマ1】能力がほぼ同じ2人を比べることで「純粋なルールの影響」を浮き彫りにする仕組み
- 【テーマ2】医療や教育、ビジネス現場まで幅広く役立っている身近な応用事例
- 【テーマ3】単なる相関関係に騙されず、物事の本当の原因と結果（因果関係）を見抜く思考法
日常の疑問から政策の評価まで、知っておくだけでニュースやデータの見方が劇的に変わる面白さを、ぜひ最後まで楽しんでご覧ください。
回帰不連続デザインとは？境界線の前後に着目する鮮やかな手法
世の中には、ある基準値（カットオフ）を境にして、受けられる待遇や結果がガラリと変わるルールがたくさん存在しています。例えば、資格試験の合否、医療費の助成対象、奨学金の支給条件、あるいは選挙の当選と落選などが代表的です。
回帰不連続デザインとは、この「あらかじめ決められた明確な境界線」のすぐ上とすぐ下に位置する人たちを比較することで、特定の制度やプログラムがどれほど効果を持っていたのかを正確に検証する統計手法です。
たとえば、合格基準が60点の試験において、59点で不合格だった人と、60点で合格した人を思い浮かべてみてください。この2人の実力や潜在的な能力、努力の量には、事実としてほとんど差がないはずです。それにもかかわらず、制度上は「合格」と「不合格」という決定的な違いが生じます。
この境界線付近で生じる偶然の振り分けを利用して、合格という資格や肩書がその後の進路や収入にどのような影響を与えたのかを鮮やかに浮き彫りにするのが、このアプローチの最大の魅力です。
なぜ「普通に比べる」だけではダメなのか？因果推論の難しさ
物事の効果を調べようとするとき、私たちはつい「制度を利用した人」と「利用しなかった人」を単純に比較してしまいがちです。しかし、そこには大きな落とし穴が存在します。
「実力」と「制度の効果」が混ざってしまう問題
例えば、「有名進学校に通った生徒」と「そうでない生徒」の大学進学実績を単純に比較してみましょう。進学校の生徒の方が良い大学に進学していたとしても、それは学校の教育プログラムが優れていたからでしょうか？
おそらく、多くの人は「もともと学力が高く、勉強熱心な生徒が集まっていたからでは？」と疑問に思うはずです。このように、本人のもともとの能力や家庭環境などの要素が絡み合っていると、学校の教育効果そのものを純粋に取り出して測定することは非常に困難になります。
理想の比較は「もう一人の自分」を作ること
科学的に効果を測定するための最も確実な方法は、医療の治験のように、対象者をくじ引きなどでランダムに「薬を飲むグループ」と「飲まないグループ」に分ける実験（ランダム化比較試験）です。これなら、もともとの能力や体質の偏りをなくすことができます。
しかし、現実の社会において「くじ引きで大学の合否を決める」ことや、「くじ引きで生活保護の支給を決める」といった実験を行うことは、倫理的にも社会的にも不可能です。そこで登場するのが、現実の制度の中に自然と生じている境界線を利用する「準実験」のアプローチであり、その筆頭が回帰不連続デザインなのです。
境界線（カットオフ）が生み出す「偶然の実験室」
回帰不連続デザインの最も美しいところは、境界線のすぐ近くにいる人たちに注目することで、あたかも「くじ引きでランダムに分けた」かのような状況を作り出せる点にあります。
59点と60点の間にあるのは「運」だけ？
試験で80点を取った人と40点だった人を比べれば、明らかな実力差があります。しかし、59点と60点の差はどうでしょうか。テスト当日の体調、直前に見直した単語がたまたま出題されたかどうか、あるいはマークシートの塗り間違いといった、本人ではコントロールできない偶然の要素で決まった可能性が極めて高いといえます。
つまり、境界線の直前と直後にいる人たちは、本人の資質や意欲においては「ほぼ双子のようにそっくりな集団」と見なすことができるのです。
グラフで見ると一目でわかる「不連続」なジャンプ
この手法が「回帰不連続デザイン」と呼ばれる理由は、データをグラフにしたときに非常に直感的な形で現れます。
横軸に「テストの点数」、縦軸に「10年後の年収」をとってデータをプロットしたとします。通常、点数が高くなるにつれて年収も右肩上がりに緩やかに伸びていくはずです。
ところが、合格ラインである60点の地点に到達した瞬間、グラフの線が途切れて上にピョンと跳ね上がる（不連続なジャンプを起こす）ことがあります。このジャンプの落差こそが、本人の実力差ではなく「合格という看板や支援を得られたことによる純粋な効果」であると科学的に証明できるのです。
身の回りの社会で活用されている具体例
この分析アプローチは、学術の世界にとどまらず、私たちが日常で見聞きする政策の検証やビジネスの改善にも広く活用されています。
1. 教育現場での効果測定：少人数クラスは本当に効果があるのか？
多くの国や自治体では、「1クラスの上限は40人まで」といった法的な基準が設けられています。もし学年の生徒数が40人であれば1クラス（40人学級）ですが、41人になった瞬間に2クラス（約20人の少人数学級）へと分割されます。
生徒数が40人の学校と41人の学校の生徒たちに、もともとの学力や地域的な特徴の差があるとは考えにくいでしょう。この「40人と41人の境界線」に着目してその後の学力テストの結果を比較することで、少人数授業が子どもの学力向上にどれほど寄与するのかを極めて正確に検証することができます。
2. 医療制度の検証：自己負担額が変わると健康状態はどうなるか？
日本の健康保険制度では、年齢の節目（例えば70歳や75歳）を迎えると、医療機関の窓口で支払う自己負担割合が変化する仕組みが採られています。
70歳になる直前の人と、70歳になった直後の人では、基礎的な健康状態や生活習慣が突然一変するわけではありません。しかし、窓口での負担額が変わることで、通院の頻度がどう変化し、それが将来的な重症化予防や健康寿命にどう影響したのかを、年齢という境界線を用いて精密に調べることが可能になります。
3. 選挙と政治：ギリギリで当選した候補者の影響力
政治学の世界でも、得票率の境界線を使った分析が盛んに行われています。得票率が50.1%でギリギリ当選した政治家と、49.9%で惜しくも落選した候補者を比較する手法です。
両者の実力や支持基盤の熱意はほぼ互角ですが、当選した政党の地元には公共事業の予算が多く配分されるのか、政策の方向性がどう変わるのかといった「現職であることの特権や影響力」を客観的な数値として測定することができます。
回帰不連続デザインのメリットと注意すべき落とし穴
非常にエレガントで説得力のある手法ですが、万能の魔法というわけではありません。データの正しさを保つためには、いくつかの重要な条件を満たしている必要があります。
最大のメリット：透明性と説得力の高さ
複雑な統計的数式を何重にも組み合わせる手法に比べ、回帰不連続デザインは「境界線の前後を比べる」という発想が極めてシンプルです。グラフを見ただけでも効果の有無が視覚的にわかりやすいため、政策担当者や企業の経営陣、そして一般市民にとっても納得感が高いという大きな強みを持っています。
注意点1：境界線をごまかせないか（意図的な操作の検証）
この手法が成り立つ大前提は、「誰が境界線のどちら側に落ちるかは、本人にもコントロールできない」ということです。
もし、採点者がお気に入りの生徒だけおまけして60点にしてあげたり、企業が補助金をもらうために故意に売上を境界線以下に抑えたり（所得隠しなど）できる場合、境界線の前後にいる人たちの性質が偏ってしまい、正しい分析ができなくなってしまいます。そのため、分析を行う際には「境界線の直前直後で人数が不自然に偏っていないか」を厳格にチェックします。
注意点2：効果が言えるのは「境界線付近の人」だけ
もう一つの限界は、この分析で明らかになる結果が「あくまで境界線の周辺にいる人たちに対する効果」に限られるという点です。
59点と60点の人にとって合格証書が人生の大きな転機になったとしても、もともと100点を取れる超優秀な人や、10点しか取れなかった人に対しても同じ効果があるとは限りません。得られた結論をどこまで一般化して広げてよいかについては、慎重な解釈が求められます。
まとめ
今回は、データ分析の現場で強力な武器として使われている「回帰不連続デザイン」について詳しく解説しました。
一見すると不条理にも思える「わずかな点数の差」や「明確なルールの区切り」ですが、統計学の視点を取り入れることで、人間関係や社会のルールが人々に与える真の影響を浮き彫りにする貴重な窓口へと姿を変えます。
日常のニュースで「新たな制度の導入」や「合否のボーダーライン」という言葉を目にしたときは、ぜひその境界線の前後にいる人たちの物語を想像してみてください。表面的な数字の奥に隠された、真の原因と結果を見極める新しい視点がきっと見つかるはずです。
参考リスト
- Thistlethwaite, D. L., & Campbell, D. T. (1960). Regression-discontinuity analysis: An alternative to the ex post facto experiment. Journal of Educational Psychology, 51(6), 309–317.
- Lee, D. S., & Lemieux, T. (2010). Regression Discontinuity Designs in Economics. Journal of Economic Literature, 48(2), 281–355.
- Gertler, P. J., Martinez, S., Premand, P., Rawlings, L. B., & Vermeersch, C. M. J. (2016). Impact Evaluation in Practice (Second Edition). World Bank Publications.
