数量経済分析 図解ポータル
Chapter 1  ·  Part I 基礎  ·  原典 P.3–10  ·  全文和訳

導入 ― Introduction

本ページは、川崎賢太郎『数量経済分析』2026 S1 講義ノート第1章の原文に忠実な全文和訳である。要約・再構成は行わず、原文の論理展開・脚注・参考文献の順序をそのまま日本語に移している。直観的な理解には図解版を併用されたい。

川崎賢太郎（東京大学大学院農学生命科学研究科） 原典 P.3–10 全文和訳
図解で読む 原文に忠実な和訳

Spring 2026 ／ Kentaro Kawasaki

「科学」の中身は、対象そのものではなく、主として方法とルールである。 The content of “science” is primarily the methods and rules, not the subject matter.
― King, Keohane, and Verba, 1994, Designing Social Inquiry, p.9.

なぜ計量経済学が必要かWhy do we need econometrics?

科学の目的は推論（inference, 推論）にある。すなわち、直接観察できる現象を超えて、合理的な推測を行うことである。そして多くの場合、因果推論（causal inference）が重要な役割を果たす。

たとえば、有機農業（organic farming）が農家所得に与える効果を推定したいとしよう。

このとき、下の表を使って、有機農業と慣行農業（非有機農業）の平均所得を比べたくなるかもしれない。

所得（円/時間）
有機農業慣行農業
平均1000800

これをもって「有機農業は農家所得を増やす」と結論できるだろうか。

否（No）。この比較は、農場規模（farm size）のような所得に影響する他の要因を制御していないからである。この単純な比較が示すのは相関（correlation）にすぎず、因果（causality）ではない。

では、次の表ではどうか。農場規模が大きいときに限れば、「有機農業は農家所得を増やす」と結論できるだろうか。

所得（円/時間）― 農場規模別
農場規模有機農業慣行農業
< 1ha800800
1〜2ha10001000
2〜3ha1200900
> 3ha15001100

それでも答えは否である。この比較もまた、作付け構成（crop mix）・年齢・土地の種類など、所得に影響する他の要因を制御していないからである。

では、これらすべての要因をマッチング（matching）させて平均所得を比較すれば、有機農業の影響について何か結論できるだろうか。

残念ながら、答えはやはり否である。理由は次のとおりである。

  1. 連続変数（例：農場規模）について、厳密なマッチングは難しい。
  2. 農家所得に影響するすべての要因を集めることは、事実上不可能である。常に観察できない要因（unobservable factors）が存在する。
  3. 観察できない要因（たとえば農家の技量）が、有機農業への参加の意思決定と農家所得の両方に影響する場合、単純な比較は誤った結論を導く。表は、有機農家と非有機農家のあいだの「技量の差」を映しているだけかもしれない（技量の高い農家ほど有機農業に従事する傾向があるなら、たとえ有機農業そのものが所得に寄与していなくても、有機農家の所得は非有機農家より大きくなる）。
これらの問題を克服するには、適切な計量経済学的手法（econometric method）が必要である。
原典 P.4 は、相関と因果の違いを示す図（画像）である。出典は次の動画：
https://www.youtube.com/watch?v=gxSUqr3ouYA
また、丸山（2014）も相関と因果の違いについて良い解説を与えている。

計量経済学とは何かWhat is econometrics?

基本的な計量経済モデルBasic econometric models

\[ y_i = \beta_0 + \beta_1 x_i + u_i \]
記号意味
\(i\)データ単位（例：個人、世帯、農場、都道府県、国）。\(i = 1, 2, \ldots, n\)。
\(y\)被説明変数、結果変数、応答変数（dependent / outcome / response variable）
\(x\)回帰変数、独立変数、説明変数、制御変数、共変量、右辺変数（regressor / independent / explanatory / control variable, covariates, right-hand side variable）
\(\beta\)パラメータ、係数（parameter, coefficient）
\(\beta_0\)切片（intercept）
\(\beta_1\)傾き（slope）
\(u\)観察できない要因、誤差項、撹乱項、残差（unobservable factor, error / disturbance term, residuals）

例：\(y\) を米の収量、\(x\) を労働時間とする。

\(y\) と \(x\) の量的関係はパラメータ \(\beta_1\) で表される。\(\beta_1\) は、\(x\) が1単位増えたときの \(y\) の変化量である。

\(\beta\) を推定する手続きを「回帰（regression）」1と呼ぶ。

上の式（モデル）は「因果関係」を表していることに注意したい。したがって、もし \(\beta\) を正しく推定できれば、それは \(y\) と \(x\) の因果関係を教えてくれる。しかし多くの場合、本講義で見ていくように、不偏なパラメータ（unbiased parameters）を得るのは容易ではない。私たちは多くの問題（とりわけ内生性（endogeneity）が主たる懸念である）を克服しなければならない。

データ構造Data structure

パネルデータは、クロスセクションやプールド・クロスセクションよりも優れている（時間を通じて変化しない観察不能な要因を制御できるため）。ただし、クロスセクションデータを用いた研究も依然として多い。

データソースData source

良いデータセットは、良い論文にとって不可欠な入力である。たった1つの変数を作るのにも、大いに労を惜しまないこと。

データ単位Data unit

自分でデータセットを作るCreate your own dataset

ソフトウェアSoftware

良い実証研究者であるためには、良いプログラマであるべきである。

一部のジャーナルは、データとプログラムコード（多くは Stata で書かれている）を提供している。

なぜプログラミングの技能が重要なのか。たとえば貿易統計はかなり複雑である（1年につき約50個の csv ファイルがあり、各ファイルには下のような生データが含まれる）。プログラミングの技能があれば、データセットを容易に整えることができる。

貿易統計の生データ（抜粋・イメージ）
Exp or ImpYearHSCountryUnit1Unit2Quantity1-YearQuantity2-YearValue-YearQuantity1-JanQuantity2-JanValue-Jan
12013'010121000'207NO001400000140000
12013'010612000'105NO00114570501145705
12013'010619000'103NO00132733049601327330496
12013'010619000'105NO00230351102303511
… （以下同様に続く） …

※ 原典 P.7 に掲載された生データの一例。各列は輸出入区分・年・HS コード・相手国コード・単位・年計の数量／金額・月別（1月など）の数量／金額を表す。

推薦教科書Suggested textbooks

複数の教科書を同時に読むこと。

入門Introductory

中級Intermediate

上級Advanced

Stata

Stata のマニュアルもまた、回帰の技法を学ぶための良い教材である。

Python

R

推薦教科書（日本語）Suggested textbooks (Japanese)

初級

中級

内生性や因果推論について包括的に書かれている。本講義とほぼ同水準なので、事前に読んでおくと授業が理解しやすいだろう。

参考

ジャーナルJournals

良い論文を書く最良の方法は、良い論文を多く読むことである。

分野別ジャーナルField journals

ジャーナルのランキングについては Ham, Write, and Ye (2021, 付録表 B1) を参照。Rigby et al. (2014) は農業経済学者のジャーナル選好を調べ、キャリア形成の観点では AJAE が最上位にランクされることを見出している。

一般ジャーナル（主に実証応用）General journals

レビュー誌Review journals

「無害な計量経済学」へ向けてToward the mostly harmless econometrics

コンピュータの進歩のおかげで、今や誰もが容易に回帰を実行できる。しかし、計量経済学を不用意に適用すると、かなり有害になりうる。

財務省の役人が3人の専門家に尋ねた。「2,000億 足す 2,000億 は？」。第一の専門家である数学者は即座に答えた。「もちろん 4,000億 です」。第二の専門家である経済学者は言った。「それは……場合によりますね」。ところが第三の専門家である計量経済学者は、すぐには答えなかった。代わりに立ち上がり、静かにオフィスのドアを閉めた。誰も聞いていないことを確かめると、役人の耳元に身を寄せてささやいた。「いくらにしたいんですか？」
Keane (2010) "A Structural Perspective on the Experimentalist School." Journal of Economic Perspectives, 24(2): 47–58.

変数の構成や仮定の細部に、十分な注意を払うこと。「神は細部に宿る（God is in the details.）」。

この講義ノートについてAbout this lecture note

この講義ノートは、さまざまな教科書や研究論文から有用な情報を集めたものである。

参考文献リストは各章末、または上記「推薦教科書」に掲載している。

参考文献References

脚注
  1. 「回帰（to regress）」とは、より早い段階の、あるいはより原始的な状態へと「戻る・後退する」ことを意味する。統計用語としての「regression」は、チャールズ・ダーウィンの従兄弟であるフランシス・ゴルトン（Francis Galton）が最初に用いたとされる。ゴルトンは、背の高い親の子は自身も背が高くなる傾向があるが、親ほどには高くならないことに気づいた。彼はこれを「平均への回帰（regression to the mean）」と呼んだ。↩
  2. 「Stata」の正しい発音は？ ― ある人は day の「a」のように長く「ステイタ（Stay-ta）」と発音し、ある人は flat の「a」のように短く「スタタ（Sta-ta）」と発音し、またある人は ah の「a」のように長く「スタータ（Stah-ta）」と発音する。正しい英語の発音は謎のままである。ただし、Stata 社の社員はこのうち最初の発音（Stay-ta）を用いている。↩