データの誤謬シリーズ
誤謬（ごびゅう）とは、つまり、間違っていること。データにひそむ“思い込み”を全15回でやさしく解説します。明日からあなたも、数字にだまされない。
全15回 ・ Dashboard note マガジン
データにだまされない。
スキ各カードをタップすると、note の記事が開きます。気になったものから、どうぞ。
#01
チェリーピッキング
都合のいいデータだけをつまみ食いして、結論を先に決めてしまう。全体を見れば、話はまるで変わるかもしれません。
#02
データドレッジング
とにかく大量に検定して、たまたま出た「有意」を宝物のように扱う。偶然のあたりは、必ず紛れ込みます。
#03
生存者バイアス
生き残ったものだけを見て成功法則を語る。消えていった大多数こそ、本当のヒントを持っています。
#04
コブラ効果
よかれと思って置いた指標が、かえって望まない行動を生む。測り方は、人の動きを変えてしまう。
#05
誤った因果関係
一緒に動いた2つの数字を、原因と結果と早合点する。相関は、因果の証明ではありません。
#06
ゲリマンダリング
区切り方しだいで、結論は思いのまま。集計の境界線が、こっそり物語を作ってしまう。
#07
サンプリングバイアス
偏った集め方をすると、どれだけ数を増やしても真実には近づけない。母集団を、まず疑う。
#08
ギャンブラーの誤謬
「そろそろ出るはず」は思い込み。過去の結果は、次の1回に責任を持ちません。
#09
ホーソン効果
見られていると、人は普段と違う動きをする。観測そのものが、数字を変えてしまう。
#10
平均への回帰
極端な結果の次は、平均に戻りやすいだけ。施策の効果と勘違いしないように。
#11
シンプソンのパラドックス
全体と、グループごとで、傾向が逆転する。まとめた瞬間に、真実が隠れることがあります。
#12
マクナマラの誤謬
測れるものだけを見て、測れない大切なものを切り捨てる。数字が、すべてではありません。
#13
オーバーフィッティング
手元のデータに合わせすぎて、未来ではまるで役に立たないモデルができあがる。
#14
出版バイアス
派手な結果ばかりが世に出て、「効果なし」は静かに埋もれる。見えている研究が、全体ではありません。
#15
サマリー指標の危険
平均や分散などのサマリー指標だけを見て、生データにひそむ大きな違いを見逃してしまう。同じ統計量でも、データの“形”はまるで違うことがあります。