「売上が伸びたのは広告のせいだ」「成績が上がったのは勉強時間が増えたからだ」
こうした説明、実はかなり危うい。なぜなら、代理変数と媒介変数を混同したまま因果関係を語っているケースが非常に多いからです。
結論を先に少しだけ言うと、代理変数は“代用品”で、媒介変数は“通り道”。この違いを理解していないと、統計もデータ分析も、説得力を失います。
代理変数と媒介変数の違いを一言で言うと
代理変数と媒介変数は、どちらも「直接は見えないもの」を扱うために使われますが、役割が根本的に違います。
- 代理変数：測れない概念を代わりに測るための変数
- 媒介変数：原因と結果の間で影響を伝える変数
似ているようで、使いどころを間違えると分析が破綻します。
代理変数とは何か
直接測れないものの“代役”
代理変数とは、本来知りたい概念が直接観測できない、または測定が困難なときに、その代わりとして使う変数です。
たとえば、
- 「学力」を直接数値化することは難しい
→ テストの点数を代理変数として使う - 「企業のブランド力」は測れない
→ 認知度調査や検索数を代理変数にする
ここで重要なのは、代理変数そのものが原因や結果ではないという点です。
あくまで「本体の影」として使われます。
代理変数を使うときの注意点
代理変数は便利ですが、万能ではありません。
- 本当に元の概念を代表しているか？
- 他の要因の影響を強く受けていないか？
- 時代や状況で意味が変わっていないか？
たとえば「検索数」をブランド力の代理にすると、炎上でも検索数は増えます。
代理変数は、ズレた瞬間に分析全体を誤導する危険物でもあるのです。
媒介変数とは何か
原因と結果をつなぐ“通路”
媒介変数とは、原因が結果に影響を与えるプロセスの途中に存在する変数です。
典型例を見てみましょう。
- 勉強時間 → 理解度 → テストの点数
- 広告出稿 → 認知度 → 売上
- 運動習慣 → 基礎代謝 → 体重減少
このとき、理解度・認知度・基礎代謝が媒介変数です。
媒介変数は、「なぜその結果が起きたのか」を説明するために欠かせません。
媒介変数を入れると何が分かるのか
媒介変数を考慮すると、分析の解像度が一段上がります。
- 原因が直接効いているのか
- どのプロセスを通じて効いているのか
- 途中で効果が弱まっていないか
たとえば、広告費と売上の関係を分析するとき、媒介変数を入れないと「広告は効いた／効かなかった」で終わります。
媒介変数を入れると、「広告は認知度を上げたが、購入には結びついていない」という改善点まで見えるのです。
代理変数と媒介変数の決定的な違い
目的の違い
- 代理変数：測定の問題を解決するため
- 媒介変数：因果の仕組みを理解するため
ここを取り違えると、分析の目的そのものが崩れます。
因果関係への立ち位置
代理変数は、因果関係の中に本来は存在しない概念です。
一方、媒介変数は、因果関係の中に実際に存在するプロセスです。
この違いは致命的で、代理変数を媒介変数のように扱うと、「なぜそうなったのか」を誤解します。
よくある混同パターン
テストの点数は媒介変数？代理変数？
「勉強時間 → テストの点数 → 将来の年収」という説明を考えてみます。
- 学力を測りたいだけなら、テストの点数は代理変数
- 勉強が年収に影響する仕組みを説明したいなら、点数は媒介変数
同じ変数でも、分析の目的で役割が変わるのがポイントです。
アンケート結果の落とし穴
「満足度アンケート」を使って顧客満足を測るのは代理変数。
しかし、その満足度が「再購入」を生むプロセスを説明するなら、媒介変数になります。
ラベルではなく、因果の位置関係で判断しなければなりません。
代理変数と媒介変数を見分ける思考法
次の2つを自問すると、かなり整理できます。
- これは「測れないものの代わり」か？
- これは「原因から結果への途中段階」か？
1なら代理変数、2なら媒介変数。
両方に当てはまりそうなら、「自分は何を明らかにしたいのか」をもう一段掘る必要があります。
ビジネス・研究での実践的な使い分け
ビジネス分析では代理変数が多用されがちです。なぜなら、測れないものだらけだからです。
一方、改善や施策立案では媒介変数が重要になります。
どこを変えれば結果が動くのかは、媒介変数を見ないと分かりません。
研究でも同様で、仮説検証では媒介変数、データ収集では代理変数が主役になります。
まとめ：違いを理解すると分析の精度が跳ね上がる
代理変数と媒介変数の違いを正しく理解することが、分析の分岐点になる
代理変数は「見えないものを測るための代用品」。
媒介変数は「原因と結果をつなぐ実在のプロセス」。
この違いを意識するだけで、
- 因果関係を盛りすぎない
- 間違った結論に飛びつかない
- 改善すべきポイントを見誤らない
そんな、一段レベルの高い分析ができるようになります。
データは嘘をつきませんが、変数の扱い方を間違えると、人間が勝手に嘘を作ってしまうのです。
コメント