SSブログ

No.223 - 因果関係を見極める [科学]

No.83-84「社会調査のウソ」の続きです。No.83-84では主に谷岡一郎氏の著書『社会調査のウソ』(文春新書 2000)に従って、世の中で行われている "社会調査" に含まれる「嘘」を紹介しました。たとえばアンケートに関して言うと、回答率の低いアンケート(例:10%の回答率)は全く信用できないとか、アンケート実施者が誘導質問で特定の回答を引き出すこともあるといった具合です。そして、数ある「嘘」にまどわされないための大変重要なポイントとして、

  相関関係があるからといって、因果関係があるとは限らない

ということがありました。一般にXが増えるとYが増える(ないしは減る)という観測結果が得られたとき、Xが増えたから(=原因)Yが増えた・減った(=結果)と即断してはいけません。原因と結果の関係(=因果関係)の可能性は4つあります。

Xが増えたからYが増えた(因果関係)
Yが増えたからXが増えた(逆の因果関係)
X,YではないVが原因となってXもYも増えた(隠れた変数)
Xが増えるとYが増えたのは単なる偶然(疑似相関)

相関関係.jpg
相関関係がある場合の可能性
XとYのデータの動きに関連性がある場合の可能性。①XがYに影響する、②YがXに影響する、③VがXとYの両方に影響する。これ以外に、④単なる偶然、がある。図は伊藤公一朗「データ分析の力 因果関係に迫る思考法」より引用。

『社会調査のウソ』で谷岡一郎氏があげている何点かの例を振り返ってみますと(No.84参照)、まず「広い家ほど子供の数が多い」という 1994年4月に公開された厚生白書がありました。この白書によると「公共住宅などの円滑な提供が必要」とのことです。しかしこれは「③隠れた変数」の例であり、

◆地方の文化的・社会的環境
  ├─⇒ 子たくさんの家庭
  └─⇒ 広い家

と解釈するのが妥当です。また「②逆因果関係」に従って、

◆子供の数が増えた
  └─⇒ 広い家に引っ越した

とも解釈できます。次に「ジャンクフード(カップ麺やスナック菓子、ハンバーガーなどのファストフード)を食べる頻度が多い子供は非行の率が高い」という調査がありました。子供の栄養バランスの崩壊を憂う気持ちは分かりますが、まともに考えると、

◆親の子育ての手抜き
  ├─⇒ ジャンクフード
  └─⇒ 非行

でしょう。非行については「TVで暴力シーンをみることが多い子供ほど非行に走りやすい」という調査もありました。TVの暴力シーンを規制すべきという意見ですが、これも、

◆子供の暴力的な性格
  ├─⇒ 暴力的なTVをよく見る
  └─⇒ 非行

というのが真っ当な解釈です。その他、No.84にいろいろな例をあげました。戦後の子供の「体格の向上」と「非行の増加」の "相関" は、全くの偶然=④疑似相関の例です。



では、正しく因果関係を見極めるにはどうすればよいのか。それを最新の手法を踏まえて事例とともに紹介した本が2017年に出版されました。伊藤公一朗著『データ分析の力 因果関係に迫る思考法』(光文社新書 2017)です。伊藤氏はシカゴ大学助教授で、環境エネルギー経済学、応用計量経済学が専門です。この本(以下、本書)の "さわり" だけを以下に紹介します。


世の中は怪しいデータ分析で溢れている


伊藤公一朗氏の本ではまず、因果関係を推定する難しさが指摘されています。ある新聞記事の例です。

  海外留学に力を入れているある大学の調査では、留学を経験した学生が、留学を経験しなかった学生よりも就職率が高いことがわかった。このデータ分析の結果から、留学経験経験は就職率を向上させるものであると大学は報告している。

この大学の調査結果から「留学経験→就職率の向上」という「①因果関係」は推定できるのでしょうか。この場合「②逆因果関係」はありえないので、問題は「③隠れた変数」です。伊藤氏は次のような「隠れた変数」の可能性を指摘しています。

留学の奨学金を受けられるほど、もともと成績が良かった。
留学したいという強い意志や好奇心があった。

データ分析の力.jpg
このような隠れた変数が就職率の向上に役だったかもしれないのです。もちろん「留学経験→就職率の向上」という可能性もあります。伊藤氏の本には書いていないのですが、留学を経験した学生は「外国人とのコミュニケーション能力」に優れていると考えられます。新卒学生を採用するときに「外国人とのコミュニケーション能力」を特に重視する企業はかなり明確に特定できるでしょう。ということは、留学経験者と企業との "就職マッチング" の成功率は一般の学生より高いと考えられるのです。

要は、多角的に分析しないと一概なことは言えないということです。特に難しいのは「隠れた変数」がいくらでも想定できることです。またその中には観測しにくいものも多い。留学の例でいうと、成績のデータは集められても、意志や好奇心のデータは集めにくいのです。

実はこういった分析なしに、あるいは誤った分析をもとに因果関係を喧伝する情報がメディアにあふれています。伊藤氏は次のように書いています。


ニュースや新聞を見てみると相関関係と因果関係を混同させた怪しい分析結果は世の中にあふれています。さらに問題なのは、怪しい分析結果に基づく単なる相関関係が「あたかも因果関係のように」主張され、気をつけないと読者も頭の中で因果関係だと理解してしまっていることが多いという点です。

・・・・・・・

残念ながら、新聞やテレビで主張されていることの多くは、相関関係を誤って解釈して因果関係のごとく示されているものなのです。

伊藤公一朗
「データ分析の力 因果関係に迫る思考法」
(光文社新書 2017)

この「あたかも因果関係のようにメディアで主張された」例を伊藤氏はあげています。夜に電気をつけて寝る子供に近視が多いという相関関係です。


ペンシルベニア大学の研究者が1999年に Nature という権威ある学術誌に発表した論文(Quinn et al.,1999)です。

研究者たちは2才以下の子供に対して、①寝ているときに電気をつけているか、②近視になっているか、というデータを集めました。その結果、寝ている時に電気をつけている子供ほど近視になっていることがわかりました。

論文を読んでみると、実は当の研究者たちは「この結果は電気をつけて寝ていることと子供の近視の相関関係を示しているだけで、私たちは因果関係を主張しているわけではない」と丁寧に述べているのですが、この論文を取り上げたメディアが「電気をつけたまま寝かせると子供が近視になる!」と大々的に取り上げてしまいました。その結果、多くの親たちが子育てに際してこの因果関係を信じることになりました。

ところが、その後にオハイオ大学の研究者が行った研究によって、これは単なる相関関係であることがわかりました。

彼らの研究によると、①近視を持つ親ほど寝るときに電気をつけていることが多く、②近視の親を持つ子供ほど「遺伝的に近視になりやすい」ということでした。

伊藤公一朗
「データ分析の力 因果関係に迫る思考法」

どういう背景の調査なのかが書かれていないのですが、2歳以下の子供の近視というと親が見つけにくいものです。おそらく幼児近視の研究者が子供の近視を医学的に調査し、その生活環境も合わせて調査して相関関係を見つけたのだと想像します。この例に見られるように、相関関係に過ぎないものを誤って(あるいは確信犯的に)因果関係だと報道する事例がメディアには溢れているのです。



伊藤氏の本からちょっと離れて、このブログで取り上げた例を振り返りますと、No.84「社会調査のウソ(2)」で書いた「カロリーオフ炭酸飲料と糖尿病の発症」がありました。つまり、

  カロリーオフ炭酸飲料を飲む人は、めったに飲まない人にくらべて糖尿病の発症率が1.7倍高い

という研究者の調査をとりあげた新聞報道です。見出しだけ読むと「カロリーオフ炭酸飲料が糖尿病のリスクを増やす(=因果関係)」と誤解する人が出てきそうですが、よく考えるとそんなことはありえないわけです。記事では「カロリーオフ炭酸飲料を飲む → 慢心して食べ過ぎる → 糖尿病のリスク増大」という "因果関係の推定" が書かれていましたが、本当にそうなのか。最も妥当な考え方は、シンプルに、

◆糖尿病のリスクを自覚している人
 ├─⇒ カロリーオフ炭酸飲料をよく飲む
 └─⇒ 糖尿病を発症する率が高い

でしょう。糖尿病のリスクを自覚している人とは、医者からそう言われた人や、毎年の健康診断で血糖値が正常範囲に収まらない人、あるいは親が糖尿病の人などです。

新聞は企業が作る "商品" です。そこには「大切な新情報」が載るのですが「商品価値の高い情報」だともっとよい。"News" つまり新情報を選択するときにも、それがセンセーショナルで、ちょっと驚くような内容なら一段と商品価値が高まるわけです。



伊藤氏の本に戻ります。因果関係を正しく見極めるのが重要なのは、個人であれ企業や自治体であれ、ものごとを決めるときに重要なのは、ほどんどの場合は因果関係だからです。データの分析が間違っているために出てきた間違った推定を「バイアス」と呼ぶそうですが、では、バイアスを排して因果関係を正しく見極めるにはどうすればよいか。伊藤氏がその手法を紹介しています。このうちから何個かを紹介します。


電力料金の値上げは節電に結びつくか


まず、電力料金の値上げは節電に結びつくかどうか、結びつくとしたらどの程度の節電かという問題です。これは電気の価格政策を検討する際の重要な情報です。これを伊藤氏らは実験で確かめました。ここで用いられた手法は RCT(ランダム化比較試験。Randomized Controlled Trial)呼ばれるものです。これは試験の対象となる人々をグループ分けするときに必ずランダムに行う方法で、因果関係を証明するのには最適な方法です。

伊藤氏ら研究者は経済産業省、企業、自治体の協力を得て、北九州市で「電力価格フィールド実験」を行いました。「フィールド実験」というのは企業活動や消費活動などの実際の現場(=フィールド)で行う実験を言い、実験室で行う「ラボ実験」と対比させた言葉です。

2012年夏の北九州市の実験では、実験に参加した世帯に30分ごとの電力消費量を記録できるスマート・メータが配られました。このメータにはディスプレイ画面がついていて、家庭の電気の使用経緯がわかります。そして参加世帯をランダムに「介入グループ」と「比較グループ」に分けました。「介入グループ」は時間帯によって電気料金の値上げをするグループ、「比較グループ」は値上げをしないグループです。

まず実験開始前の6月に、参加世帯の電力使用量や電化製品の使用状況(たとえばエアコンの所有数)、年収などを調べました。その結果「介入グループ」と「比較グループ」で平均値やバラツキ度合いがほぼ同じだと確認できました。これがランダムにグループ分けした効果であり、「隠れた変数」の影響を排除できます

実験時の北九州市の電気料金は 1kWhあたり23円(従量料金の部分)でした。全国的に電力が逼迫するのは夏の平日の午後です。そこで実験では、電力が逼迫すると予想されると「介入グループ」に対してだけ、

今日の13時から17時の電力料金は50円に上昇します」

というメッセージをスマート・メータに表示しました。値上げの幅は電力の逼迫度合いに応じて100円、150円ともしました。このフィールド実験の結果が以下です。

電力価格RCT実験.jpg
北九州市での電力価格RCT実験
介入グループ(△)と比較グループ(●)の30分ごとの平均電力使用量(縦軸)。縦軸は対数値で、0.1の相違がおよそ10%の違いに相当する。グラフは上から順に、値上げをしない場合(23円/1kWh)、50円/1kWh、100円/1kWh、150円/1kWhの場合。値上げをしたのは介入グループ(△)だけである。伊藤公一朗「データ分析の力 因果関係に迫る思考法」より引用。

この結果を統計解析した結果、「比較グループ」に対して「介入グループ」の電気使用量(価格変化を行った時間帯)は

  50円の場合、 9%の電力消費量減
 150円の場合、15%の電力消費量減

になることが分かったとのことです。100円の場合は伊藤氏の本に書いてないのですが、12-13%といったところでしょう。これれら電気の価格政策を決める場合の極めて重要な情報であり、また国レベルのエネルギー政策にも影響するでしょう。



但し、伊藤氏の本に書かれていないことがあります。この「電力価格フィールド実験」に参加したのは「実験に参加したいと申し出た人」です。従って実験に参加しなかった人の電力消費が同じ結果になるとは限らないわけで、このあたりの分析が本に書かれていません。

実験に参加した人は「電気に関心のある人」だと想定できます。たとえば夏場の電気代を節約したいと考えている人とか、電力の逼迫という社会問題に関心のある人です。そうではなくて「電気の使用量に関心などない、使いたい時に電気を使うだけだ、少々電気代がかさんでもどうってことない」と(暗黙に)思っている人は、実験への参加など申し出ないでしょう。つまり、もし仮に北九州市民全員にスマート・メータをつけたとしたら電力消費量の削減率はもっと小さくなると考えられるのです。著者の伊藤氏も本の最終章で、


実験への参加を申し出た世帯は、電力価格に強い関心があった可能性もあります。その場合、参加を申し出た住民から得られた実験結果は、他の住民の価格反応度とは異なる可能性がでてきます。

伊藤公一朗
「データ分析の力 因果関係に迫る思考法」

と述べていますが、これ以上の言及はありません。北九州市の「電力価格フィールド実験」は "自由参加型のRCT" です。"強制参加型のRCT" が現代の日本では困難なことは分かります。しかし、実測データにもとづく分析は難しいまでも「実験に参加した住民の価格反応度が他の住民の価格反応度と異なる可能性」について(あるいは他の住民と同じだと推定できる理由について)、研究者としての見解を本で示すべきだったと思いました。



電力価格フィールド実験でも分かるように、RCTですべての因果関係を推定することはできません。最初に引用した「留学経験と就職率」でいうと、留学を経験した学生という「介入グループ」と、留学を経験しなかった学生という「比較グループ」を "ランダムに振り分ける" ことはできません。

さらに、フィールド実験はお金がかかることも分かります。おいそれとできるものではない。しかし国や自治体の重要な政策、意志決定にかかわるような因果関係は、RCTによるフィールド実験が(可能なら)検討に値する・・・・・・、そいういうことだと思いました。


オバマ大統領の選挙資金獲得策


2つ目のRCT(ランダム化比較試験)の例です。さきほどフィールド実験はお金がかかると書きましたが、低コストでRCTフィールド実験が可能なケースがあります。その一つが「Webサイトの作り方と、サイトを訪問する人のアクセス・パターンの関係」です。これはサイトのサーバ・プログラムを一時的に書き換えることだけで実験できます。まず伊藤氏の本に載っているのはオバマ大統領の選挙資金獲得策です。

アメリカの大統領選挙の選挙資金集めでは支持者の支援金が重要です。候補者は自分のホームページを開設し、そこで訪問者のメールアドレスを登録してもらおうとします。登録されたアドレスに支援金の依頼メールを送るわけです。できるだけ多くのメールアドレスを登録してもらうことが多くの支援金の獲得につながります。問題は、ホームページの画面やそのレイアウトをどうするかです。どのようにすればメールアドレスの登録率が高くなるのか。

2008年の大統領選挙でオバマ陣営は Google のダン・シローカー氏を引き抜き、支援金集めの戦略を任せました。シローカー氏は Google でRCTを用いたデータ分析の経験を積んだ人物です。オバマ陣営はウェブサイトのトップページに表示する画面を6通り考えていました。そのうちの4種が伊藤氏の著書に掲載されています。

オバマ候補が支援者に囲まれている写真(A)
オバマ候補の家族写真(B)
真剣なまざなしのオバマ候補の顔写真(C)
オバマ候補が行った有名な演説の動画(D)

の4通りで、これ以外に2通りの動画が用意されました。さらにオバマ陣営はトップページに表示するボタン(=それをクリックするとメールアドレス登録ページに移るボタン)に表示する文字を4種類考えました。

Sign Up(登録しよう)
Sign Up Now(今すぐ登録しよう)
Learn More(もっと知ってみよう)
Join Us Now(今すぐ参加しよう)

つまり6通りのトップ・ページ案と4通りのボタン案があり、この組み合わせは24通りあることになります。この24通りの中でベストは何か。オバマ陣営の検討チームは議論の末、A(オバマ候補が支援者に囲まれている写真)+ Sign Up(登録しよう)がベストだと結論しました。しかし、Google でWebサイトのデザインのプロフェッショナルであったシローサー氏は「RCTで検証してみよう」と提案したのです。

この提案によって、検証期間中にトップページを訪れた31万人に24種類の画面のどれかがランダムに表示されました。この "ランダムに" がポイントです。つまり31万人をランダムに24のグループ(各グループは約1万3000人)に分けたことになります。そしてグループごとのメールアドレス登録率を計算したところ、登録率の1位は B(オバマ候補の家族写真)+ Learn More(もっと知ってみよう)だったのです(登録率は 11.6%)。従って検証期間以降の画面にはこれが使われました。検討チームが当初ベストと判断した画面は登録率が8.26%でした。この結果、当初の画面に比較して実際の画面は支援金が約6000万ドル(72億円)増加したと見積もられています。


青の色をどの青にするか


メリッサ・マイヤー氏は Google の副社長 からヤフーの CEO に転じた人です。彼女が Google 時代に行った Google 検索サイトのデザインで行ったRCTが伊藤氏の本に紹介されています。


検索エンジンを提供する会社は、検索結果ページに出てくる広告料で収益をあげています。そのため、収入の鍵となるのはどれだけ多くの人が検索ページを訪れてくれるかと、訪れた人がどれだけの確率で広告をクリックしてくれるか、という点です。

ウェブ広告におけるビジネス戦略を考えるため、マイヤー氏はRCTを用いて最適なウェブサイトのデザインを検討しました。その実験で検討した内容は、文字のレイアウトから始まり、表示する検索結果の件数など多岐にわたります。

中でも有名なRCTは、検索結果として表示されるリンクの「青の色をどの青にするか」という実験です。著者のようなデザインの素人から考えると、青は青しかないような気がしてしまうのですが、ウェブサイトで上で表示できる青の種類は実はたくさんあるのです。彼女はウェブデザイナーを説得して、41種類の青をRCTによって試しました。

RCTのやりかたは(- 中略 -)オバマ前大統領の実験と似ています。グーグルの検索エンジンを利用した人に対して、41種類からランダムに選んだ青を見せ、どの青が一番多くのクリックを生むかを突き止めたわけです。

伊藤公一朗
「データ分析の力 因果関係に迫る思考法」

Google に代表される "Webサイトが命" である企業は、上の引用のようなRCTを繰り返しているのだと思います。画面のレイアウト、配色、フォント、文字の大きさと色など、Google の検索画面のデザインのすべてに意味があると考えるべきでしょう。


医療費の自己負担率と外来患者数の関係


いままで紹介したRCT(ランダム化比較試験。Randomized Controlled Trial)は、企業活動や消費活動の実際の現場で実験を行う「フィールド実験」でした。しかし、このような実験で因果関係を検証できるケースは限られるし、また可能であっても実験のコストがかかるので実質的に無理ということもあるでしょう。

そこで「まるで実験が起こったような状況をうまく利用する」手法が研究・開発されてきました。これを「自然実験」と呼びます。自然実験にもいろいろな手法がありますが、ここで述べるのは RDデザイン(Regression Discontinuity Design。回帰不連続設計法)と呼ばれるものです。RDデザインのキー概念は「不連続」ないしは「境界線」です。社会における不連続点や境界線に着目する手法で、その例として本書であげられている「医療費の自己負担率と外来患者数の関係」を紹介します。

高齢化社会を迎え、医療費の抑制が国としての大きなテーマになっています。もちろん第一に大切なことは健康に過ごせる習慣を身につけることであり、地方自治体はこのための各種の取り組みをやっています。一方、国民皆保険制度が進んでいる日本では、健康保険制度の健全運営のために医療費の自己負担率をどうするかもテーマになります。医療費の自己負担率と外来患者数の関係がどうなるかは、公的健康保険の制度設計において大変に重要な情報です。

人は病気の自覚症状を覚えたり怪我をしたとき、病院に行くか行かないかを自己判断します。常識的に誰でも病院に行く症状もあれば、行かずに市販薬で対応したり自然治癒を待つこともある。しかし「行く・行かない」の間にはグレーゾーンがあり、その時々によって人の判断は分かれます。この病院に行く・行かない判断に医療サービスの価格(=医療費の自己負担率)も関わっていると考えられます。では、自己負担率を変えると外来患者数はどう変わるのか。そこにどんな因果関係はあるのか。これはRCTで検証するのが無理な問題です。

そこで着目されたのが日本の健康保険制度です。つまり医療費の自己負担率は年齢によって不連続に変化し、69歳までが30%、70~75歳が20%、76歳以上が10%です。2014年3月以前は70歳以上が一律10%でした。カナダのサイモンフレイザー大学の重岡仁助教授は、この日本の健康保険制度に着目し、1984年から2008年まで(=70歳以上の自己負担率が一律10%の時代)の外来患者数を年齢(=月年齢)別に調査しました。その結果が次のグラフで、横軸が外来患者の月年齢、縦軸が外来患者数です。

外来患者数.jpg
月年齢別の外来患者数
縦軸は対数値(0.1の違いがおおよそ10%の違いに相当)。伊藤公一朗「データ分析の力 因果関係に迫る思考法」より引用。

このグラフを見ると明らかなのですが、69歳12ヶ月と70歳0ヶ月の間に「境界線」があり、この境界線を境に外来患者数が不連続にジャンプしています。このデータを解析した重岡仁助教授は、

  医療費の自己負担率が30%から10%に減少することで、外来患者数は約10%上昇した

と結論づけています。これが「RDデザイン」という分析手法の例なのですが、この結論には重要な仮定があります。つまり、

  もしも境界線で自己負担率が変化しない場合、医療サービスの利用者数(外来患者数)の平均値が境界線でジャンプすることはない

という仮定です。本書に掲げられている図を引用します。

RDデザインの仮定.jpg
RDデザインの仮定
実線は実際のデータ。点線は「70歳で自己負担率が変化しないとしたらこうなったはず」という仮定(=実際には起こらなかった潜在的結果についての仮定)である。伊藤公一朗「データ分析の力 因果関係に迫る思考法」より引用。

この仮定が崩れると「RDデザイン」は成立しません。しかしこの仮定を実証することは不可能です。なぜなら境界線で自己負担率が変化しない場合のデータがないからです。従って分析者は「この仮定は正しいはずだ」という議論を展開することになります。つまり仮定が崩れる場合はどういう場合か、それを想定し、それが起こらないという議論です。本書では仮定が崩れる2つのケースが言及されています。

一つは、70歳を境に自己負担率以外の何らかの要素が不連続的にジャンプし、それによって外来患者数がジャンプする可能性です。外来患者数に影響が考えられるのは就業率、収入、労働時間、年金支給額などですが、これらは年齢に伴って連続的に低下していくので、ジャンプするということはありません。重岡仁助教授は月齢ごとの就業率が連続的に低下していくことをデータで示しています。また70歳の誕生日を境に不連続的に変わる日本の政策は医療費の自己負担率しかないことも論文で示しています。

仮定が崩れる2つ目のケースは、データの対象となっている主体(この場合は医療サービスを受ける人)がグラフの横軸(=年齢)を操作できる場合です。つまり60歳台にもかかわらず70歳だと偽って医療サービスを受けることが可能な場合です。これも、日本の健康保険制度では年齢を偽ることは難しいため(健康保険証を偽造する ??!!)、仮定が崩れることはありません。



RDデザインで注意すべき点は、そこで出た結果は境界線の前後でしか当てはまらないと考えるべきことです。つまり「医療費の自己負担率が30%から10%に減少すると、外来患者数は約10%上昇する」のは70歳前後の人たちに言えることであって、40歳台、50歳台でそうなるかどうかは分かりません。本書には伊藤氏のコメントとして、最近の経済学研究では医療価格に対する反応度は年齢によって違うことが書いてあります。


自己負担率と外来患者数の分析への疑問


以降は本書の「自己負担率」のくだりを読んだ感想です。この項を読みならずっと疑問がつきまとっていました。「RDデザインの仮定」のグラフについての疑問です。つまり、もし仮に70歳を契機に自己負担率が下がらないとしたら、外来患者数は伊藤氏のグラフ(上図の点線)ではなく、下図の点線ように変化すると思うのです。70歳を境にジャンプすることがないのは上図と同じです。しかし自己負担率が下がらないのなら、70歳に近い60歳台の外来患者が増えると思うのですね。

RDデザインの仮定(修正案).jpg
RDデザインの仮定(修正案)
実線は実際のデータ。点線は「70歳で自己負担率が変化しないとしたらこうなったはず」という仮定の修正案。70歳以降に先送りされた治療が、60歳台後半に前倒しされると考えられる。

どうしてかと言うと、

  70歳を境に医療費の自己負担率が下がる場合、年齢とともに徐々に顕在化する体の機能低下や不具合の治療が70歳以降に集中するはず

だからです。つまり緊急を要しない治療は、不便を我慢しても70歳まで待つと思われるのです。「駆け込み需要」という言葉は消費税が上がる前に高額商品を買うような行為を言いますが、これとちょうど正反対の、言わば「先送り需要」が現実に医療サービスで起こっているのではないでしょうか。70歳を境に医療費の自己負担率が下がるのが公知の事実なのだから・・・・・・。

すぐに思いつくのが白内障の手術です。白内障は水晶体が徐々に濁ってきて視力が低下する "病気" で、加齢によって誰にでも起こりうるものです。白内障の手術は水晶体を人工レンズに入れ替えますが、現在の日帰り手術費用は、3割負担の場合で片眼で約6万円程度です(手術のみの費用で前後の診察を含まない)。両眼だと約12万円です。これが1割負担だと約4万円になるわけで、この差の8万円は大きいと思います(2割負担だと差は4万円)。たとえば68歳で医者から白内障と診断されて手術を勧められた人の何割かは、不便を我慢して70歳まで手術を先送りするのではないでしょうか。今まで我慢してきたのだから ・・・・・・。

ほかにも医療サービスにおける「先送り需要」はいろいろと考えられます。関節の変形による膝の痛み(変形性膝関節症)は加齢により進行しますが、運動や薬の投与で治癒しない場合は手術ということになります。人工関節を入れる手術は医療費が200万円程度かかります。高額医療費制度を利用したとしても、3割負担と1割負担の差は白内障手術どころではないでしょう。70歳まで待って手術ということにならないでしょうか。

最も一般的な加齢現象は高血圧(加齢性)です。血圧が高いと良いことがないので、医者は運動を勧め塩分を控えるように指導しますが、病院・医院を定期的に訪れて血圧降下剤の処方箋をもらう人も多いはずです。これも「70歳を契機に」とはならないか。保険の対象となる入れ歯(義歯)もそうです。"大がかりな" 義歯は1割負担になってからという心理が働かないでしょうか。

ここで想定した先送り需要は、もし70歳を境に医療費の自己負担率が下がることがないとすると60歳台後半に前倒しされると思います。全部とは言わないまでも、眼が見えにくい、膝が痛む、モノが食べにくいといった "生活に支障を感じる症状" はそうだと思うのです。だとすると「医療費の自己負担率が30%から10%に減少することで、外来患者数は約10%上昇した」という結論の、10%のところが怪しくなります。

本書はこのことの検討が欠落しています。少なくとも先送り需要について言及し、その影響は外来患者全体からみると無視できる程度に小さいという説明が必要だと思いました。「無視できる程度に少ない」ことをデータで実証するのは難しいでしょうが、70歳で病院を訪れた患者にインタビュー、ないしはアンケートをすれば大体の様子は推測できると思います。「医療費の自己負担率と外来患者の因果関係」を発表した重岡助教授も、その論文を本書で紹介した伊藤助教授もアメリカ在住の経済学者です。公的データの分析を越えた現場調査には限界があったのかもしれません。


因果関係を見極める重要性


本書には以上に紹介した手法以外に、自然実験の手法である「集積分析」や「パネルデータ分析」が紹介されていますが、割愛したいと思います。また本書には各手法の長所・短所が明記されていて、データ分析の限界もちゃんと書かれています。このあたりはバランスがとれた良い本だと思いました。

因果関係を見極めることは、特に国や自治体の政策決定や企業の方針決定にとっては重要です。思い返すとその昔、地域振興券というがありました(1999年)。バブル崩壊後の消費を活性化するために公明党の主張によって(自民党がそれに乗って)導入されたものですが、その後の内閣府の調査では消費を押し上げる効果はほとんど無かったとされています。地域振興券による消費分が貯蓄に回ったわけで、国民はバカではないのです。結局のところこれは公明党の人気取り政策であり、天下の愚策(=当時の内閣官房長官の野中広務氏)だった。その結果として国の財政負担を増やし、その分だけ国債の発行額=財政赤字を増やしました。

こういった「バラマキ政策」と「消費拡大」の因果関係は、経済学者が研究してちゃんと発言すべきものでしょう。本書に紹介されている例に2008年のアメリカの景気刺激策があります。つまり「燃費の悪いクルマから良いクルマに買い換えたら40万円の補助金を出す」という政策です。「燃費」というのは "飾り" であって、要するにクルマを買い換えたら40万円出すということです。アメリカのプリンストン大学のチームは、この政策は駆け込み需要を増やしたけれども、その後の需要が落ち込み、全体として景気刺激効果はなかったと分析しています。

要するに、国や政府レベルでも「怪しい因果関係論」があるわけです。我々としては「因果関係」の主張に対してまず、本当なのか、実証されているのかと疑ってみるべきでしょう。




nice!(0) 

nice! 0