はじめに
社会調査でデータを集めたあと、私たちは何をするでしょうか。
平均を出す。グラフを描く。相関を見る。検定を行う。推定をする──。 これらの作業をまとめて、統計的方法（statistical method）と呼びます。
社会学の量的研究の土台にある、この基本概念を、シンプルに整理しておきましょう。
1. 統計的方法とは何か
統計的方法は、ひとことでいえば、
データに基づいて、何らかの仮説の真偽を客観的かつ合理的に判断するための方法。
を指します（吉岡のノートより）。
なんとなく数字をいじるのではなく、
- 仮説を立て
- 検定統計量を算出し
- それが偶然か否かを評価する
──という、一定の手続きを踏むことで、「客観的かつ合理的」と言える判断にたどり着く。 これが、統計的方法の核心です。
2. 統計的方法の3つの要素
統計的方法は、おおむね次の3つの要素から成り立ちます。
ひとつ目：仮説の設定
データを集めて分析する前に、
- 「年収と幸福度のあいだに、関連があるはずだ」
- 「男女のあいだに、政治意識の差があるはずだ」
- 「年代によって、SNSの利用パターンに違いがあるはずだ」
──といった、明確な仮説を立てます。 仮説がなければ、分析の方向が定まらず、ただ数字を眺めるだけで終わってしまいます。
ふたつ目：検定統計量の選択と算出
仮説を検証するために、どんな統計量を計算するかを決めます。
- 平均値の差を見たい → t検定の統計量
- カテゴリ変数の関連を見たい → カイ二乗統計量
- 複数の変数の関係を見たい → F統計量、回帰係数
──など、仮説の形に応じて、適切な統計量を選んで計算します。
三つ目：有意性の評価
計算した統計量が、「偶然ではない」と言えるかを判断します。 p値（→ #50 統計的検定）が小さければ「有意」、大きければ「有意ではない」と判定する。
この3つの要素が組み合わさって、統計的方法が成立します。
3. 統計的仮説検定とは何か
統計的方法のなかでも、特に重要なのが統計的仮説検定（statistical hypothesis testing）です。 これは、
データに基づいて、仮説の真偽を客観的に判断する手続き。
検定の典型的な流れは、こうです。
ひとつ目に、帰無仮説（null hypothesis, H₀）を立てる。 「差がない」「関連がない」「効果がない」など、否定の形で立てるのが基本。
ふたつ目に、対立仮説（alternative hypothesis, H₁）を立てる。 本当に検証したい仮説。「差がある」「関連がある」「効果がある」など。
三つ目に、検定統計量を計算し、p値を算出する。
四つ目に、p値が事前に決めた有意水準（通常 0.05 や 0.01）より小さければ、帰無仮説を棄却し、対立仮説を採択する。 逆に、p値が有意水準より大きければ、帰無仮説を棄却できない、と判断する。
これが、統計的仮説検定の基本構造です。
4. 統計的推定とは何か
統計的方法のもうひとつの柱が、統計的推定（statistical estimation）です。 これは、
標本データから、母集団のパラメータ（母平均、母分散、母比率など）を推定すること。
推定には、ふたつの種類があります。
ひとつ目は、点推定（point estimation）。 母集団の値を、ひとつの数値で推定する。 たとえば、「日本の有権者の内閣支持率は、45%」と一点に絞って答える。
ふたつ目は、区間推定（interval estimation）。 母集団の値を、ある幅で推定する。 たとえば、「内閣支持率は、95%の信頼区間で、43%〜47%の範囲」と答える。
実際の調査結果は、たいてい区間推定で報告されます。 「内閣支持率45%（±2ポイント）」というニュースの数字は、区間推定の結果です。
5. 仮説検定と推定の違い
統計的仮説検定と統計的推定は、混同されやすいですが、目的が違います。
- 仮説検定：「ある仮説が、データから支持されるか？」を判断する
- 推定：「母集団の本当の値は、どのあたりにあるか？」を推測する
具体例で考えると、
- 検定：「男女の年収に、本当に差があると言っていいか？」
- 推定：「男女の年収差は、平均でいくらくらいだと推定されるか？」
両者は、しばしばセットで使われます。 「統計的に有意な差がある（検定）、その差の大きさは、95%信頼区間で◯◯〜◯◯円（推定）」というふうに、結論を述べるのが、現代の標準的な書き方です。
6. 統計的方法の限界
統計的方法は強力ですが、いくつかの限界もあります。
ひとつ目は、サンプリングへの依存。 無作為抽出（→ #32）が成立していないデータに、統計的方法を機械的に適用すると、結論の妥当性が崩れます。
ふたつ目は、因果関係と相関関係の混同。 統計的に有意な関連があっても、それが因果関係を意味するとは限りません。 別の隠れた変数が、両方を動かしている可能性が常にある。
三つ目は、統計的有意性と実質的意義の混同。 サンプル数が大きいと、わずかな差でも「有意」になります。 ですが、そのわずかな差が、社会的に意味のある差かどうかは、別の判断が必要です。
四つ目は、p値ハッキング。 仮説を後付けで作ったり、データを集計し直したりして、p値を有意な値にする操作。 これは、研究の信頼性を根本から崩します。 近年、再現性危機（replication crisis）のなかで、強く問題視されています。
7. 質的研究と、統計的方法の精神
TSIR のインタビュー研究は、統計的方法を直接使うわけではありません。 ですが、その精神は、質的研究にも生きます。
ひとつ目は、仮説を持って臨むこと。 「何かしらの語りが聞ければよい」と漫然と聴くのではなく、「こんなパターンがあるかもしれない」という事前の仮説を持って臨む。
ふたつ目は、自分の解釈が、データから支持されるかを問うこと。 都合のよい解釈に流されず、語りそのものに丁寧に向き合う。
三つ目は、結論の範囲を慎重に考えること。 「この10人の語りから、何が言えて、何が言えないか」を意識する。 量的研究の「推定の信頼区間」に相当する、控えめな姿勢が、質的研究にも必要です。
統計的方法の精神は、つまり、「自分の主張を、データで支える」という、研究者にとって普遍的な作法のことです。
結び
統計的方法は、「データから合理的に結論を導く」ための、近代の重要な発明です。
仮説の設定、検定統計量の算出、有意性の評価──。 このシンプルな3つの要素を組み合わせて、社会の現象を客観的に分析する。
数字を扱うことそのものより、こうした手続きの正しさこそが、統計的方法の核心です。
ニュースや論文で「統計的に有意」「95%信頼区間で」といった言葉に出会ったとき、その背後にある手続きの精神を思い出してみる。 これが、社会調査リテラシーの基本姿勢のひとつです。
参考資料
- 吉岡詩織の社会学用語ノート「統計的方法・統計的仮説検定・統計的推定」
- 社会調査の入門書一般
- 関連：統計的検定（#50）、自由度（#97）、分散（#100）、母集団（#60）
【執筆：吉岡詩織 / 編集：qbc（栗林康弘）】
