公的統計データなどを基に語られる“事実”は、うのみにしてよいのか？ 一般に“常識”と思われていることは、本当に正しいのか？ 気鋭のデータサイエンティストがそうした視点で統計データを分析・検証する。結論として示される数字だけではなく、その数字がどのように算出されたかに目を向けて、真実を明らかにしていく。
＊文中にある各種資料へのリンクは外部のサイトへ移動します
連載バックナンバーはこちら
2020年11月24日、新型コロナウイルス感染の拡大が深刻な地域を目的地とした「GoToトラベル」の旅行を割引対象外にすると発表しました。札幌市と大阪市に適用され、国内旅行需要拡大のアクセルが緩まることになりました。
また12月1日、東京都の小池百合子都知事が菅義偉首相と会談。重症化リスクが高い65歳以上の高齢者や基礎疾患のある人を対象に、GoToトラベルの利用自粛を呼び掛けることで合意しました。
GOからSTOPへ。政策が目まぐるしく変化する理由として、11月以降、新規感染者数が急増した点が挙げられます。新規感染者数が最も多かったのは8月7日の1604人でしたが、11月12日にはそれを上回り、約2週間後の11月28日には過去最も多い2678人を記録しています（JX通信社「新型コロナウイルス 日本国内の最新感染状況マップ・感染者数」、12月9日発表時点）。
今回の第3波は、若者の感染者数が多かった第2波と異なり、40代以上の中高年の割合が高いという特徴があります。その分、基礎疾患を抱えている人が多く、結果的に重症患者数が増えていると考えられます。
GoToトラベルと感染に因果関係はない？
なぜ新規感染者数は急増したのか。「GoToトラベル」がやり玉に挙げられる中、厚生労働省の「第14回新型コロナウイルス感染症対策アドバイザリーボード」で「航空旅客数と感染者数の増加には統計的な因果関係は確認できない」と題した参考資料が発表され話題となりました。
因果関係の確認には、「グレンジャー因果検定」が用いられています。のちにノーベル経済学賞を受賞するクライブ・グレンジャーが考案した、2種類（XとY）の時系列データ間の因果関係の検証方法です。超ざっくり言えば、ある時系列Xの過去の値が別の時系列Yの将来の値を予測できるなら、経済学における因果関係を検証できるとしました。グレンジャー因果検定は、時系列データ分析でかなり早い時期に学ぶ手法の1つです。「よう分からんわ」という方は、ある過去の出来事から、確からしい未来が描けるか否かを検証する手法だ……とご理解ください。
ただ「因果」と銘打っているものの、実際にはグレンジャー自身が「一時的な関連」と述べているように、「真の因果関係」を検証するものではありません。XがYを引き起こすかどうかではなく、XによってYを予測できるかどうかということです。したがって「グレンジャー因果性は確認できなかった」としても、「因果関係がない」と証明できているわけではないのです。
ましてや、新型コロナウイルスは、たった1人から何十人にも感染したり、湿度が低いと感染しやすくなったりすることなどから、新規感染者数は様々な事象から影響を受けます。Xではなく違う指標のAやBやCの影響を受けているのに、XによってYが予測できると誤解してしまうかもしれません。しかし、上記の参考資料では、そうした丁寧な問題の切り分けをした形跡はうかがえません。これでは分析として適切とは、とても思えません。
それほどまでに「GoTo」との無関係性を強調したかったのも、経済を止めたくないからでしょう。そのことには筆者も共感します。特定の企業に偏った中間マージンが発生するのを避けつつ、なるべく感染を抑えながら、多くの民間企業にお金が落ちるような仕組みを考えなければいけません。
Powered by リゾーム?