# 個人内効果と個人間効果の分離：トロイの木馬とトファーキー

- 番組: [Quantitude](https://ai-curator.jp/podcasts/shows/cmv3z5c27001a5o10ywqv5dyc)（Greg Hancock & Patrick Curran）
- 元のタイトル: S8E08 Disaggregating Within- & Between-Person Effects: The Trojan Tofurkey
- 配信日: 2026年11月17日
- 長さ: 41分
- 要約作成日: 2026年11月17日
- トピック: [#個人内効果](https://ai-curator.jp/topics/%E5%80%8B%E4%BA%BA%E5%86%85%E5%8A%B9%E6%9E%9C) [#個人間効果](https://ai-curator.jp/topics/%E5%80%8B%E4%BA%BA%E9%96%93%E5%8A%B9%E6%9E%9C) [#縦断データ](https://ai-curator.jp/topics/%E7%B8%A6%E6%96%AD%E3%83%87%E3%83%BC%E3%82%BF) [#反復測定](https://ai-curator.jp/topics/%E5%8F%8D%E5%BE%A9%E6%B8%AC%E5%AE%9A) [#因果推論](https://ai-curator.jp/topics/%E5%9B%A0%E6%9E%9C%E6%8E%A8%E8%AB%96) [#心理測定](https://ai-curator.jp/topics/%E5%BF%83%E7%90%86%E6%B8%AC%E5%AE%9A)
- URL: https://ai-curator.jp/podcasts/cmwk8p2sk00015k124h0ex1i2

## 要約

PatrickとGregが、予測変数Xに「個人間（特性的）」と「個人内（状態的）」の2つの情報が混在する問題を、概念面を中心に議論した回。多くの理論は個人内効果を想定する一方、測定・標本・統計モデルは個人間効果に偏っていると指摘する。反復測定による分離の利点や、横断データでの工夫の余地にも触れ、研究課題と分析の対応を確認することを勧めている。

## ポイント

- Patrickは、ほぼすべての理論が暗黙的・明示的に個人内効果を扱うのに、測定・標本・統計モデルはほぼ個人間効果に集中しており、理論と方法の間に大きなズレがあると述べている。
- 1時点のXやYは「トロイの木馬」であり、個人の特性的な平均と、そこからのその時点のずれという2つの情報を同時に含むとGregは説明する。
- 問いには、個人間の関連、個人内の関連、因果という階層があり、分析がどの水準の問いに答えているかを意識すべきだとされる。
- 運動と心臓発作、自信と成績、SNS利用と青年の幸福度などの例で、個人間と個人内で効果の向きが逆になり、混ぜると打ち消し合うことがあると示される。
- 反復測定があれば、時間的先行性の確認や相互効果の検討に加え、個人の特性的水準を推定して個人内の偏差を分離できる。方法は個人平均中心化と、潜在因子を使うモデル内での推定の2種類。
- Patrickのシミュレーションでは、反復測定データから1時点だけ抽出して回帰すると、係数が毎回大きく変わり真の効果とも無関係だった。ただし横断データが無価値だとは言っていない。

## 章立て

- [00:00] **感謝祭の雑談とトファーキー** — 七面鳥とトファーキーの失敗談から、感謝祭で人が普段と違う様子になる話へ移る。
- [07:22] **文脈で変わる自分：個人内の視点** — バンドの例や小さなキリンの例で、集団内での位置づけと自分自身との比較の違いを説明する。
- [09:00] **理論と測定のズレ** — 理論は個人内効果を想定するが、測定と統計モデルは個人間に偏っていると指摘。回帰の傾きの解釈の落とし穴も語られる。
- [12:12] **トロイの木馬とミルの因果条件** — Xが特性と状態の両方を含む点を示し、問いの階層とJ.S.ミルの3条件に照らして問題点を整理する。
- [20:54] **個人間と個人内が打ち消し合う例** — 運動と心臓発作、自信と成績、SNSと幸福度の例で、分離しないと効果が見えなくなることを示す。
- [27:17] **縦断データによる分離の方法** — 反復測定の利点と、個人平均中心化や潜在変数モデルによる分離を紹介。文献も挙げられる。
- [34:27] **シミュレーションと横断データの工夫** — 1時点抽出の回帰が不安定になる実験を紹介。研究課題と分析の対応を確認し、心理測定での工夫の余地を提案する。

## 解説記事

今回の Quantitude では、Patrick Curran と Greg Hancock が、予測効果を「個人内」と「個人間」に分けて考える問題を議論した。統計の詳細は別の機会に回し、概念面に焦点を当てている。

#### 「普段との違い」と「他人との違い」

導入は感謝祭の雑談だ。Patrick は自分で調理する唯一の品、トファーキー（菜食用の七面鳥風料理）がオーブンで爆発した話を披露する。Greg は感謝祭に集まる人々が普段と別人のようになると語る。ここから、人は日によって、また状況によって変動するという話に移る。

Patrick はバンドの例を挙げる。一方のバンドでは上手い奏者として扱われるが、数メートル歩いて別のバンドに座ると、周囲が熟練者ばかりで自分は上手くなくなる。Greg は、これは集団内での相対位置の話であり、多くの研究上の問いは「自分自身と比べてどうか」だと整理する。「今日は髪型がいい」という言い方も、その人の普段との比較だという例えである。

#### 理論と方法のズレ

Patrick は、ほぼすべての理論が暗黙的または明示的に個人内効果を想定している一方、測定・標本・統計モデルはほぼ個人間効果に集中していると主張する。例えば不安と飲酒の関連を、多数の人から1回ずつ測って回帰する場合だ。傾きは「Xが1単位上がるとYが平均b変わる」と読まれるが、実際には誰のXも上げていない。異なる人どうしを比べただけなのに、私たちは「個人を動かしたらどうなるか」と解釈しがちだと Greg は指摘する。

#### Xの中のトロイの木馬

Greg は、XとYがそれぞれ複数の情報を含む「トロイの木馬」だと説明する。ある人の不安が5、別の人が6でも、前者の普段の水準が3、後者が8なら、前者は普段より不安で、後者は普段より落ち着いている。1回の測定値は、個人の特性的な平均と、そこからのずれが混ざったものだという。

問いにも階層がある。(1) 普段から不安な人は飲酒も多いか（個人間の関連）、(2) 普段より不安な日に普段より多く飲むか（個人内の関連）、(3) 不安を下げれば飲酒が減るか（因果）、である。分析が実際にはどの水準に答えているかを見極める必要があるという。

番組はジョン・スチュアート・ミルの因果推論の3条件にも触れる。原因が結果に先行すること、両者に関連があること、もっともらしい代替説明がないことだ。1時点の測定ではこの3つとも満たしにくいと述べる。不安が飲酒を生むのか逆か、環境ストレスが両方に影響しているのかも区別できない。

#### 打ち消し合う効果の例

個人間と個人内で効果が逆向きになる例も示される。運動をよくする人は平均的に心臓発作が少ないが、運動中は心臓発作のリスクが高い。両者を混ぜると、効果がゼロ近くに見えることがあるという。自信と学業成績では、平均的に自信のある人ほど成績が良いが、ある試験で過信すると準備不足で成績が下がり得る。SNS利用と青年の幸福度でも、平均的に利用の多い青年ほど幸福度が低いことは、利用が多い日に幸福度が下がることを意味しないと述べる。

#### 縦断データでの分離と、その先

対策の中心は反復測定である。時間的先行性を扱え、相互効果を見られるうえ、十分な回数があれば個人の特性的水準を推定できる点が大きな利点だと Curran は述べる。例えば20日分の測定があれば、その人の普段の水準を見積もり、日々のずれを個人内成分として分析できる。

分離の方法は2つ紹介される。1つは個人平均を計算し、各測定値から引いて分析単位にするデータ処理的な方法。もう1つは、構造方程式モデルで潜在因子やランダム切片を用い、モデル内で個人間成分を推定する方法である。ただし縦断データでも受動的な観察である限り、因果が確定するわけではないと注意している。

Curran は準備中のシミュレーションで驚いたと語る。200人×10回の反復測定データから各人1時点だけを抽出して回帰すると、係数は真の個人間効果にも個人内効果にも対応せず、抽出のたびに向きまで変わった。ただし彼らは、横断データが価値ゼロだと言いたいわけではないと強調する。研究課題、基準となる比較対象、実際の分析が対応しているかを毎回確認することが肝心だという。

Greg は、縦断データを取れない場合のために、心理測定の面で工夫の余地があると提案する。例えば「普段の自分」についての項目と、「普段より孤独なとき」についての項目を組み合わせるような設問設計だ。ただしこれは番組内でも「アイデア」にとどまり、既存研究の有無までは断定していない。関連文献として、Curran と Bauer による2011年の Annual Review of Psychology の論文と、1972年の Joaquin Woolhill による年齢を独立変数として扱った論文が挙げられている。

#### まとめ

この回の核心は、「XがYを予測する」と書くとき、それが個人間の話なのか個人内の話なのかを明示せよという点にある。日本の研究者や実務家にとっても、行動データやアンケート分析で、1時点の差を「介入したらこう変わる」と読み替えていないか見直す契機になる。ウェアラブルや日次調査などで反復測定が取りやすくなった今、個人平均中心化や潜在変数モデルによる分離は現実的な選択肢だ。一方、横断データしかない場合も、研究課題と分析の対応を確認し、限界を認めたうえで解釈する姿勢が求められる。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: Quantitude「S8E08 Disaggregating Within- & Between-Person Effects: The Trojan Tofurkey」
