シンプソンのパラドックスとは？例でわかる逆転の仕組みと交絡因子

最終更新：2026年10月17日

シンプソンのパラドックスとは、データを全体で集計したときの傾向と、グループに分けて見たときの傾向が逆になってしまう現象のことです。広告でいえば、全体のCVR（コンバージョン率）ではA案が勝っているのに、検索広告でもSNS広告でもB案のほうが高い、ということが実際に起こります。結論を先に書くと、逆転の原因はたいてい、比べている二つの中身の「混ざり方」が違うことにあります。どちらの数字を信じるかは、データの量ではなく「何が原因で、何が結果か」の見立てで決まります。架空の広告データの表で逆転の仕組みを示し、バークレー入試の原典、交絡因子との関係、広告レポートで見抜く手順までまとめました。

シンプソンのパラドックスとは？意味と広告データの例

シンプソンのパラドックスとは、全体の集計で見えた優劣が、層別（グループ別）に見ると消えたり逆転したりする現象です。数字の計算はどこも間違っていません。全体の数字も層別の数字も正しいまま、結論だけが逆になるので「パラドックス（逆説）」と呼ばれます。

わかりやすく、架空の広告データで示します。新しいクリエイティブのA案とB案を、検索広告とSNS広告の両方で配信したとします。数字はすべて説明のための例です。

合計の行だけを見ると、A案のCVRは4.2％、B案は2.06％で、A案の圧勝に見えます。でも配信面ごとに見ると、検索広告では5.0％対5.5％、SNS広告では1.0％対1.2％で、どちらの面でもB案が上です。逆転が起きた理由は、A案のクリックの8割がCVRの高い検索広告から、B案のクリックの8割がCVRの低いSNS広告から来ていることにあります。合計のCVRは、クリエイティブの力よりも「どの面から来たクリックが多いか」を強く映していたわけです。

試しに、両案とも検索とSNSが半々だったと仮定して計算し直すと、A案は（5.0＋1.0）÷2＝3.0％、B案は（5.5＋1.2）÷2＝3.35％になります。配信面の構成をそろえた瞬間に、優劣はひっくり返ります。

シンプソンのパラドックスの由来──1951年の論文とバークレー入試

シンプソンのパラドックスの名前は、統計学者E・H・シンプソン（E. H. Simpson）が1951年に発表した論文に由来します。ただ、現象そのものはそれより前から知られていました。

シンプソンの論文は「The Interpretation of Interaction in Contingency Tables」（Journal of the Royal Statistical Society, Series B、第13巻2号、238〜241ページ）で、分割表（クロス集計表）の関連を、層に分けたときと合わせたときでどう解釈すべきかを論じたものです。スタンフォード哲学百科事典の「Simpson’s Paradox」の項目によると、この現象を最初に指摘したのはカール・ピアソン（1899年）とジョージ・ユール（1903年）の論文で、シンプソンの論文がきっかけでこの名前で呼ばれるようになりました。ユールの論文は「Notes on the Theory of Association of Attributes in Statistics」（Biometrika、第2巻2号、1903年）です。

いちばん有名な実例は、カリフォルニア大学バークレー校の大学院入試です。P・J・ビッケル、E・A・ハメル、J・W・オコンネル（P. J. Bickel, E. A. Hammel, J. W. O’Connell）の論文「Sex Bias in Graduate Admissions: Data from Berkeley」（Science、第187巻4175号、398〜404ページ、1975年2月7日）は、1973年秋の大学院入試のデータを分析しました。全学で集計すると、男性の出願者8,442人の約44％、女性の出願者4,321人の約35％が合格していて、女性に不利な偏りがあるように見えました。

ところが学部（専攻）ごとに分けると、女性に統計的に有意に不利な学部はほとんどなく、女性に有利に見える学部と男性に有利に見える学部がほぼ同じくらいありました。論文の要旨は、全体の偏りは「はっきりしているが、誤解を招く」ものだったと書いています。原因は、女性が男女どちらにとっても入りにくい学部に多く出願していたことでした。論文は、選考委員会の差別ではなく、もっと手前の教育の段階で進路が振り分けられていたことに原因があるのでは、と結論づけています。

この話は「バークレーが訴えられた」という形で語られることがありますが、訴訟の記録は確認できませんでした。原典で確かめられるのは、ここまでに書いたデータと結論です。統計ソフトのRには、出願者の多い6学部分のデータが「UCBAdmissions」という名前で収録されているので、手元で逆転を再現することもできます。

交絡因子との関係──逆転が起きる仕組み

シンプソンのパラドックスは、比べたい要因と結果の両方に関係する「第三の変数」が、グループごとに偏って混ざっているときに起きます。この第三の変数を交絡因子と呼びます。相関を因果と取り違える仕組みは相関と因果の違いとは？で書きました。広告の例では配信面が、入試の例では出願した学部が交絡因子にあたります。

仕組みは二つの条件に分けると見えやすくなります。一つは、第三の変数によって結果の水準が大きく違うこと（検索広告はSNS広告よりCVRがかなり高い）。もう一つは、比べる二つのグループで第三の変数の構成比が大きく違うこと（A案は検索に、B案はSNSに偏っている）。この二つがそろうと、全体の数字は施策の差よりも構成比の差を映すようになります。

似た言葉と並べると、立ち位置がはっきりします。

層別に分ける考え方は、セグメンテーションの4つの変数と分け方と同じ道具です。違うのは目的で、セグメンテーションは「誰を狙うか」を決めるために分け、シンプソンのパラドックスへの備えは「比較をゆがめている変数はどれか」を確かめるために分けます。獲得した時期という時間の軸で分けると逆転が見えるケースもあり、その分け方はコホート分析の意味とコホート表の見方に書きました。

実務でどう使うか──広告レポートで逆転を見抜く手順

広告レポートでシンプソンのパラドックスを防ぐいちばん確かな方法は、比べる前に「二つのグループの中身の構成比はそろっているか」を確かめることです。構成比がそろっていれば、全体の数字で比べても大きくは間違えません。

広告の効果レポートを読む立場にいると、全体のサマリーの数字だけで結論が出そうになる場面はよくあります。ぼくも、媒体の内訳のタブを開く前に「A案の勝ち」と言いかけたことがあります。合計の行は資料のいちばん上にあって、いちばん目立つからです。よくある誤読の型と、正しい読み方を対にしました。

具体的な手順は次の4つです。

• 結果の水準が大きく違う変数を書き出す：配信面、デバイス、新規か既存か、指名検索かどうか、地域など。CVRが層によって数倍違う変数ほど危ない
• 比べる二つのグループで、その変数の構成比を並べる：A案とB案で検索とSNSの比率が8対2と2対8なら、全体の比較は信用しない
• 層ごとに比べ、向きがそろっているかを見る：すべての層で同じ向きなら結論は堅い。層によって向きが違うなら、施策の効き方そのものが層で違う可能性を考える
• 構成比をそろえた数字を出す：両案とも同じ構成だった場合の加重平均を計算し、会議ではそちらを主役にする

CVRの計算そのものと、CTRとの関係はCVRの計算方法と平均、CTRとの関係にまとめています。シンプソンのパラドックスがやっかいなのは、ひとつひとつの数字が正しいので、計算を検算しても見つからない点です。見つける方法は、計算ではなく「中身の構成は同じか」という問いのほうにあります。

分ければ正しいとは限らない──2026年の広告運用での注意点

シンプソンのパラドックスの教訓は「いつも細かく分けて見よ」ではありません。分けた数字と合わせた数字のどちらが正しいかは、分けた変数が原因と結果のどこに位置するかで決まります。

分けた変数が、施策を打つ前から決まっていたもの（地域、曜日、もともとの顧客層など）なら、層別の比較を信じるのが基本です。でも、施策の結果として変わったものなら話が逆になります。スタンフォード哲学百科事典の項目も、バークレーの学部は性別の影響を受けて選ばれた中間の変数なので、学部で分けて読むことにはそれなりの理由づけが要る、と指摘しています。

2026年の広告運用で、この点が実務に効いてきます。いまの広告媒体の多くは、反応の良い配信面へ自動で予算を寄せる仕組みを持っています。B案がSNSに偏って配信されたのが、B案の反応を見た媒体の判断だったとすると、配信面はクリエイティブが生み出した「結果」の一部です。その場合、配信面で分けた比較だけでB案を選ぶと、「B案を使えば配信がSNSに寄り、全体の成果は下がる」という現実を見落とします。

判断の分かれ目は一つの問いにまとめられます。その変数は、比べたい施策より前に決まっていたか、後から施策に動かされたか。前なら分けて比べ、後なら合わせた数字も一緒に見ます。迷うときは、配信面を固定してクリエイティブだけを変えるテストを別に設計するのが確かです。比べ方の設計はABテストのやり方と有意差の考え方に、広告がなかった場合との差を測る考え方はインクリメンタリティとA/Bテストとの違いにまとめています。

シンプソンのパラドックスに関するよくある質問

シンプソンのパラドックスをわかりやすく言うと何ですか？

全体で比べたときと、グループに分けて比べたときで、どちらが優れているかの結論が逆になる現象です。比べている二つのグループで、成果の出やすい層と出にくい層の混ざり方が違うと起こります。計算の間違いではなく、比べ方の問題です。

シンプソンのパラドックスと交絡因子の関係は？

シンプソンのパラドックスは、交絡因子がグループごとに偏って混ざっているときに表に現れる現象です。交絡因子は、比べたい要因と結果の両方に関わってくる第三の変数のことです。交絡因子で層に分けて比べると、見かけの差と本当の差を切り分けられます。

シンプソンのパラドックスの有名な例は？

1975年にScience誌に載った、カリフォルニア大学バークレー校の大学院入試の分析が代表例です。1973年秋の全学の集計では男性の合格率が約44％、女性が約35％でしたが、学部ごとに見ると女性に不利な偏りはほとんど見られませんでした。女性が合格の難しい学部に多く出願していたことが、全体の差を生んでいました。

層別に分けた数字と全体の数字、どちらを信じればいいですか？

分けた変数が施策より前に決まっていたものなら、層別の数字を信じるのが基本です。施策の結果として変わった変数で分けた場合は、全体の数字のほうが施策の効果を正しく表していることがあります。データだけでは決まらないので、何が原因で何が結果かの見立てを先に置きます。

おわりに──全体の数字は、何の成績表か

シンプソンのパラドックスは、統計の珍しい落とし穴のように紹介されることが多いです。でも広告のレポートでは、配信面、デバイス、新規と既存のように、成果の水準が層によって大きく違う変数がいつも混ざっています。逆転は特別なことではなく、構成比がずれれば日常的に起こりうることです。

全体のCVRを見たら、それが何の差を映した数字なのかを一度だけ疑う。中身の構成がそろっているかを確かめてから、勝ち負けを口にする。それだけで、会議の結論はかなり変わります。

全体の数字は、施策の成績ではない。混ぜ方の成績。

次に二つの数字を比べるときは、合計の行より先に内訳を開いてみてほしいと思います。