モデルの誤設定（Model Misspecification）の世界へようこそ！

これまでの定量分析（Quantitative Methods）のレッスンでは、回帰モデルの構築方法と解釈について学んできました。しかし、構築したモデルの根本が欠陥だらけだったらどうなるでしょうか？ここで登場するのが「モデルの誤設定（Model Misspecification）」です。回帰モデルを「家の設計図」だと考えてみてください。設計図が間違っていれば――例えば、支柱が足りなかったり、間違った素材が使われていたりすれば――どれだけ優秀な職人が建てようと、家は崩れてしまいます。

この章では、こうした「設計図の誤り」をどう見抜くか、なぜそれが起こるのか、そしてそれがいかに投資分析を台無しにしてしまうのかを学びます。最初は抽象的に感じるかもしれませんが、心配はいりません！一つずつ丁寧に紐解いていきましょう。

1. モデルの誤設定とは何か？

モデルの誤設定とは、モデルを不適切に設定することで、線形回帰の基本的な仮定に違反してしまうことを指します。モデルが誤設定されると、回帰係数（\(b_i\)）にバイアス（偏り）が生じ、不一致（inconsistent）になります。つまり、予測値は的外れになり、t検定などの仮説検定も信頼できなくなってしまうのです。

誤設定の3つの主要カテゴリー

一般的に、こうした誤りは以下の3つのバケツに分類されます：

  1. 関数形（Functional Form）の誤り： 数学的な関係性を間違えて選択した（例：データが曲線を描いているのに直線を使ってしまった）。
  2. 説明変数の選択： 重要な変数が抜けている、あるいは入れるべきではない変数を入れてしまった。
  3. 測定誤差（Measurement Error）： データ自体が「ノイズ」を含んでいたり、正確に記録されていなかったりする。

クイック復習： モデルが誤設定されると、誤差項（\(\epsilon\)）が独立変数（\(X\)）と相関を持ってしまいます。これは回帰分析の最も重要なルールを壊す行為です！

2. 変数省略バイアス（欠けている材料）

住宅価格を予測しようとしている場面を想像してください。寝室の数は含めたのに、地域の質を省略（omit）してしまったとします。通常、地域の質は寝室の数と相関関係にある（大きな家ほど良いエリアにあることが多い）ため、モデルは本当は地域の質が原因である価格上昇を、寝室の数のせいにし（誤った責任を負わせ）てしまいます。

変数を省略した結果：

  • モデルにバイアスが生じる：推定された係数が体系的に高すぎたり、低すぎたりする。
  • モデルが不一致（inconsistent）になる：何千ものデータポイントを追加しても、エラーは消えない。

豆知識： これは基礎統計学ではよく「潜伏変数（lurking variable）」バイアスと呼ばれます。CFAのカリキュラムでは、これが原因で係数 \(b\) が信頼できなくなる点に注目します。

3. 関数形の誤設定

モデルの「形」そのものが間違っていることがあります。よくある失敗例を見てみましょう：

A. 変数変換の省略

\(X\) と \(Y\) の関係が曲線的（指数関数的）なのに、標準的な線形回帰（\(Y = b_0 + b_1X\)）を使ってしまうと、モデルは当てはまりません。このような場合は、変数の自然対数をとって線形化する必要があるかもしれません。

B. 不適切なデータのプーリング（統合）

1990年のデータと2024年のデータを混ぜて一つの回帰分析を行うのは「プーリング」です。もしその間に経済状況が根本的に変化していたら、算出した係数はどちらの期間にも正確ではありません。これは、幼児とNBA選手の靴のサイズを測って平均を出そうとするようなものです――そんな平均は、誰の足にもフィットしませんよね！

重要なポイント： データを統合する前に、それらが同じ「母集団」や期間からのものかどうかを必ず確認してください。

4. 内生性と変数・誤差項間の相関

難しそうな言葉ですが、内生性（Endogeneity）とは、独立変数（\(X\)）が誤差項（\(\epsilon\)）と相関している状態を指すだけです。これは回帰分析における「大罪」です。主に3つの理由で発生します：

1. 変数の省略（上述の通り）

2. 測定誤差

\(X\) のデータが「曖昧」だったり不正確だったりすると、その不正確さが誤差項に含まれてしまいます。これにより、変数（\(X\)）が実際よりも重要ではないように見えてしまいます（これを減衰バイアス/attenuation biasと呼びます）。

3. 同時性（双方向の関係）

通常の回帰では \(X\) が \(Y\) を引き起こすと仮定しますが、もし \(Y\) も \(X\) を引き起こしていたらどうでしょう？
例： 多額の広告費（\(X\)）が売上（\(Y\)）を押し上げるのか？ それとも、売上が高い企業（\(Y\)）ほど広告に使える資金が豊富（\(X\)）なだけなのか？ 関係が双方向であれば、そのモデルは誤設定されています。

まとめのヒント： 「同時性」「変数の省略」「測定誤差」という言葉を見たら、「係数にバイアスが生じ、かつ不一致になる」と即座に連想できるようにしましょう。

5. 質的な従属変数

これまでは、従属変数（\(Y\)）が数字（株価など）であることを前提にしてきました。しかし、\(Y\) が「Yes/No」や「合格/不合格」といった結果だったらどうでしょうか？ これらを質的な従属変数（Qualitative Dependent Variables）と呼びます。

これらに対して通常の最小二乗法（OLS）を使うことはできません。OLSだと確率が150%になったり-20%になったりしてしまい、現実的ではないからです！その代わり、以下の3つのモデルを使います：

  • プロビットモデル（Probit Model）： 正規分布に基づきます。ある事象が発生する確率を推定します。
  • ロジットモデル（Logit Model）： ロジスティック分布に基づきます。プロビットに似ていますが、数学的な「曲線」が異なります。
  • 判別分析（Discriminant Analysis）： 観測値をグループに分類するための「スコア」を作成します（例：「破綻する」か「破綻しない」か）。有名な例としてアルトマンのZスコアがあります。

クイック復習ボックス：
Yが数字の場合： 線形回帰を使う。
YがYes/Noの場合： プロビットまたはロジットを使う。

6. 主な問題と結果のまとめ

学習の助けとして、何が問題でどうなるのかをまとめた「チートシート」を作成しました：

問題 結果
変数の省略 係数にバイアスが生じ、不一致になる。
不適切な変数スケーリング 標準誤差が正しくなくなり、t検定が信頼できなくなる。
測定誤差 係数にバイアスが生じ、不一致になる。
同時性 係数にバイアスが生じ、不一致になる。

最後に

定量分析は新しい言語を学ぶような感覚かもしれません。「内生性」や「同時性」が難しく感じられても、核心となるメッセージを思い出してください。それは「独立変数が誤差項と『仲良し（相関）』であってはいけない」ということです。もし両者が関係していれば、結果にはバイアスが生じ、そのモデルを基に投資判断を下すことはできません。あなたなら必ず理解できます！頑張ってください！