はじめに
「同じ患者でも、どの病院にかかるかで、回復しやすさが変わる」 「同じ生徒でも、どの学校に入るかで、進学率が変わる」 「同じ働き手でも、どの国に住むかで、生活満足度が変わる」
これらの観察に共通しているのは、個人の状態が、所属する集団の影響を受けていることです。 個人を分析するときに、集団のレベルを無視すると、結果は歪んだものになる──。
このことを精密に扱う統計分析の手法が、今回取り上げるマルチレベル分析（multilevel analysis）です。
1. マルチレベル分析とは何か
マルチレベル分析は、ひとことでいえば、
階層構造を持つデータの分析手法。
を指します（吉岡のノートより）。
別名として、
- マルチレベルモデル（multilevel model）
- 一般化推定方程式（generalized estimating equation, GEE）
- 混合効果モデル（mixed effect model）
──といった用語でも呼ばれます。
階層構造を持つデータとは、たとえば、
- 第一層：アンケートに回答した個々人
- 第二層：その個々人が属している国・組織・集団
──というような、データに多層的な構造があるケースです。 こうしたデータでは、同じ集団に属する個人同士のデータが、似通った傾向を持ちます。 これを、級内相関（intra-class correlation, ICC）と呼びます。
マルチレベル分析は、この階層構造を加味してデータの相関を分析する手法です。
2. なぜ通常の回帰分析では不十分か
「全部一緒に分析すればいいんじゃないか」と思うかもしれません。 ところが、それでは問題があります。
通常の回帰分析（→ #70 重回帰分析）は、標本間の独立を前提にしています。 つまり、データのひとつひとつが、互いに独立に集められたものだと仮定する。
ですが、現実のデータの多くは、独立ではありません。
- 同じ病院に属する患者は、同じ医師の方針で治療を受けている
- 同じ学校に属する生徒は、同じ教師の影響を受けている
- 同じ会社に属する社員は、同じ企業文化のなかで働いている
- 同じ国に属する人々は、同じ社会保障制度や文化のなかで生きている
これらは、集団内で相関を起こしやすい。 病院、学校、会社、国──といった「集団」が、その内側の個人に共通の影響を与えるからです。
この階層構造を無視して通常の回帰分析を使うと、
- 個人の効果と、集団の効果が混ざってしまう
- 統計的検定の信頼性が落ちる
- 結果として、歪んだ結論が導かれる
──といった問題が起きます。
3. 病院内クラスタリングの例
具体例として、医療研究の場面を考えてみます。
ある研究で、「ある治療法が、患者の回復にどう影響するか」を調べたいとします。 データは、複数の病院から集められた、数千人の患者です。
通常の回帰分析で「治療法 → 回復率」を見ようとすると、ある問題に直面します。
- 同じ病院に属する患者は、同じ医師から同じような方針で治療を受けているため、状況が似通っている
- 大学病院に集まる患者は、重症患者に偏る傾向があるかもしれない
- ある病院だけ、独自の治療プロトコルを持っているかもしれない
これらの状況を「病院内クラスタリング」（within-hospital clustering）と呼びます。 病院ごとに、患者のデータが似通った「クラスタ」を作っているわけです。
これを無視して分析すると、「治療法そのものの効果」と、「病院ごとの違い」が混ざってしまう。 だから、研究者は次のような問いを立てる必要があります。
- どれくらいが治療法の効果で、どれくらいが病院の違いか
- 病院の違いを取り除いたら、治療法の効果はどう変わるか
これに精密に答えるのが、マルチレベル分析です。
4. マルチレベル分析が扱う典型例
マルチレベル分析が活躍する場面は、医療だけではありません。
- 教育：個人（生徒）×集団（クラス、学校）
- 労働：個人（社員）×集団（部署、会社）
- 健康：個人（住民）×集団（地域、自治体）
- 国際比較研究：個人（回答者）×集団（国）
- 発達：個人（同じ子どもの繰り返し測定）×時点
最後の例は、「繰り返し測定」というかたちでの階層構造です。 同じ個人が、何回も測定されているデータは、その個人内で時点ごとのデータが相関しています。 こうしたデータも、マルチレベル分析で扱えます。
5. 国際比較研究と、マルチレベル分析
マルチレベル分析の応用として、特に重要なのが国際比較研究です。
ISSP（International Social Survey Programme）やWVS（World Values Survey）のような大規模国際調査では、
- 第一層：各国の回答者個人
- 第二層：それぞれの国
──というデータ構造を持っています。
ある変数の「効果」が、国によってどう違うかを調べたい。 そして、その違いが、
- 個人の属性で説明できるのか
- それとも、その国の制度や文化で説明できるのか
──を分離して分析したい。 こういう問いに、マルチレベル分析は強力な道具になります。
たとえば「教育が幸福度に与える影響は、福祉国家のレジームによって違うのか」「ジェンダー平等の制度が、女性の労働参加にどう効くのか」といった研究で、マルチレベル分析は欠かせません。
6. インタビュー研究と、マルチレベル的なまなざし
TSIR のインタビュー研究は、量的なマルチレベル分析は使いません。 ですが、その発想は、質的研究にも生きます。
ひとりの語り手の経験を、
- その人個人の選択や経験
- その人が属する家族・職場・地域・世代のコンテクスト
- その地域・国の制度・文化のコンテクスト
──という、複数のレベルで読みほぐす。 これは、まさにマルチレベル的なまなざしです。
「個人の語り」だけでも、「社会全体」だけでも、捉えきれない。 そのあいだの中間レベル（家族、職場、地域、業界）の影響を意識すること。 これは、ライフヒストリー研究にとって、決定的に大事な作法のひとつです。
7. インタビュー研究と、級内相関
統計的な「級内相関」に相当することを、質的研究では、
- 同じ家族のメンバーは、互いに似た価値観を持ちやすい
- 同じ職場のメンバーは、似た悩みを持ちやすい
- 同じ世代のメンバーは、似た経験を共有している
──といった形で、観察します。
語り手の話を、その人個人のものとしてだけ読むと、こうした集団的な影響を見落としてしまいます。 逆に、すべてを集団的な影響に還元すると、その人の個別の経験が消えてしまう。 このバランスを取りながら聴くのが、ライフヒストリーの作法です。
結び
マルチレベル分析は、社会調査の世界における、極めて精密な分析手法です。 個人と集団のレベルを、同じモデルのなかで分離して扱える──。 これは、20世紀後半に確立された、社会学のひとつの大きな成果です。
数式は難しく見えますが、考え方はシンプルです。 個人は、何らかの集団のなかで生きている。 だから、個人を見るときには、その人を取り囲む集団も一緒に見る。
このシンプルな発想を、量的にも質的にも保ち続けることが、社会を立体的に理解するための、ひとつの基本姿勢です。
参考資料
- 吉岡詩織の社会学用語ノート「マルチレベル分析」
- 関連：重回帰分析（#70）、多変量解析（#58）、統計的検定（#50）、コーホート分析（#49）
【執筆：吉岡詩織 / 編集：qbc（栗林康弘）】
