数字は嘘をつかないが、数字の出し方は人を迷わせる

数字は嘘をつかないが、数字の出し方は人を迷わせる

「日本人の平均年収は約478万円です」と言われたとき、多くの人は、自分が将来フルタイムで働いた場合の標準的な収入を想像する。しかし、その数字が本当に意味しているものは、たいてい想像よりも狭く、同時に想像よりも広い。

2026年5月時点で利用できる最新の国税庁（こくぜいちょう）の民間給与実態統計調査は、2024年分の統計である。この調査では、1年を通じて勤務した給与所得者の平均給与は478万円だった。男女別では男性587万円、女性333万円。正社員などの正規雇用では545万円、非正規雇用では206万円。さらに正規雇用の男性は609万円、正規雇用の女性は430万円、非正規雇用の男性は271万円、非正規雇用の女性は174万円である。

この時点で、すでに「平均年収478万円」という一文だけでは足りないことがわかる。なぜなら、同じ調査の中に、478万円、587万円、333万円、545万円、206万円、609万円、430万円、271万円、174万円という、まったく印象の異なる数字が並んでいるからである。どれも嘘ではない。だが、どれを前面に出すかによって、聞き手の印象は大きく変わる。

ここで最初に見るべきものが、母集団である。母集団とは、その統計が対象にしている人や組織の範囲である。国税庁の民間給与実態統計は、民間の事業所で給与を受け取る人を対象にしており、会社員だけでなく、役員、パート、アルバイトも含まれる。一方で、公務員は含まれない。1年を通じて勤務した人という条件もある。給与には賞与も含まれるが、非課税の通勤手当などは含まれない。

つまり、「日本人の平均年収」と言われた数字が、実際には「民間の給与所得者のうち、一定の条件を満たす人の給与総額を人数で割ったもの」である場合がある。これはかなり大きな違いである。大学を卒業して、民間企業に正社員として入り、都市部でフルタイム勤務をしている人が知りたい数字と、週に数日働くパート、アルバイト、役員報酬を受け取る人、非正規雇用の人を含めた平均値は、同じ問いに答えていない。

だから、平均年収の話は、単なるお金の話ではない。データを見る力の入り口である。

平均は、普通を表しているとは限らない

平均には強い説得力がある。1つの数字で全体を表してくれるからである。しかし、平均は「普通の人」を示す数字ではない。すべての値を足して人数で割った結果にすぎない。

たとえば10人の年収が、250万円、280万円、300万円、320万円、340万円、360万円、380万円、400万円、420万円、2,000万円だったとする。この10人の平均は505万円になる。しかし、10人のうち9人は505万円に届いていない。平均は正しいが、この集団の実感を表しているとは言いにくい。

年収のように、少数の高所得者が上側に長く伸びる分布では、平均値はしばしば中央値（ちゅうおうち）より高くなる。中央値とは、全員を低い順に並べたとき、真ん中に来る値である。さらに、最も人数が多い層を示す最頻値（さいひんち）を見ると、平均とはまた違う姿が出る。

国税庁の2024年分のデータでは、給与階級別に見ると、全体で最も多い層は300万円超400万円以下で、826万人、全体の16.1％だった。次に多いのは400万円超500万円以下で、787万人、15.3％である。男性では400万円超500万円以下が最も多く493万人、16.9％。女性では200万円超300万円以下が最も多く421万人、19.0％だった。

この数字を並べると、「平均給与478万円」という見出しから受ける印象は変わる。平均は478万円でも、最も人数が多い層は300万円台である。男性と女性でも山の位置が違う。正規雇用と非正規雇用でも違う。業種によっても違う。電気・ガス・熱供給・水道業の平均給与は832万円、金融業・保険業は702万円、情報通信業は660万円。一方、宿泊業・飲食サービス業は279万円である。同じ「民間給与所得者」という箱の中に入っていても、箱の中身は均一ではない。

数字を見るときに必要なのは、「その数字は何を表しているか」と同じくらい、「何を一緒に混ぜているか」を見ることである。

公式統計は、むしろ定義を書いている。問題は、見出しで消えることにある

ここで重要なのは、国や公的機関の統計が必ずしも雑に作られているわけではない、という点である。むしろ公式統計には、対象、除外条件、用語の定義が細かく書かれている。問題は、その定義がニュースの見出し、SNSの投稿、営業資料、広告コピーになる過程で削られることにある。

国税庁の統計では、どの事業所を対象にするか、給与とは何か、1年を通じて勤務した者とは誰か、乙欄（おつらん）適用者とは何かまで説明されている。乙欄適用者とは、複数の給与支払者から給与を受ける人など、通常の年末調整（ねんまつちょうせい）とは違う扱いになる人を指す。こうした定義を読むと、数字の正体は見えてくる。

ところが、社会に流通する言葉は短い。「平均年収478万円」。これだけが独り歩きする。ここにまやかしが生まれる。数字そのものが嘘なのではない。数字から、条件が削られるのである。

この構造は、年収に限らない。ニュースを見るときに大切なのは、何が報じられているかだけではない。何が報じられていないかである。グラフを見るときも同じである。何が表示されているかだけではなく、何が表示されていないかを見る必要がある。表の中にある数字だけでなく、表の外に追い出された条件を見る必要がある。

大学進学率の数字も、言い方で景色が変わる

「今はほとんどの人が大学に行く」という言い方も、統計で確かめると少し違って見える。文部科学省（もんぶかがくしょう）の2025年度学校基本調査によると、大学、短期大学、専門学校などを含めた高等教育機関への進学率は85.4％である。これはかなり高い。しかし、4年制大学の学部進学率は58.6％である。高校卒業後に就職した人の割合は13.8％で、過去最低水準だった。

つまり、「高校を出てすぐ働く人は少ない」はかなり正しい。一方で、「90％以上が大学に行く」は正しくない。大学だけなのか、短大や専門学校も含むのか。現役だけなのか、過年度卒業者も含むのか。ここでも、母集団と定義を確認しないと、数字の意味は変わる。

この違いは、平均年収を見るときにも重要になる。大卒者だけの賃金を見るのか、高卒者も含めるのか。正社員だけを見るのか、非正規も含めるのか。フルタイム労働者だけを見るのか、短時間労働者も含めるのか。問いが違えば、答えは違う。

厚生労働省（こうせいろうどうしょう）の2025年賃金構造基本統計調査では、一般労働者の所定内給与額は月34万600円だった。男性は37万3,400円、女性は28万5,900円である。男性を100とした女性の賃金水準は76.6だった。学歴別では、高校卒29万7,200円、専門学校卒31万3,700円、高専・短大卒32万1,200円、大学卒39万6,300円、大学院卒51万7,400円である。

ただし、この調査の賃金は、年収ではない。2025年6月分の所定内給与額であり、時間外手当や賞与を含む年間給与とは違う。さらに、主に常用労働者10人以上の民間事業所が集計対象である。ここでも、数字は正しいが、問いを間違えると誤解になる。

年収の数字を読むための最低限の分解

年収を見るときは、少なくとも次の5つを分ける必要がある。

第一に、雇用形態である。正規雇用か、非正規雇用か。2024年分の民間給与実態統計では、正規雇用545万円、非正規雇用206万円で、差は339万円ある。平均478万円だけを見ていると、この差は見えない。

第二に、性別である。男性587万円、女性333万円という差は、単に同じ仕事の同じ年齢の人を並べた差だけではない。就業年数、職種、管理職比率、産休・育休、短時間勤務、非正規比率など、多くの要因が重なっている。それでも、結果としての差は現実に存在する。数字は差別の理由を一発で説明してくれないが、差があることを隠してもくれない。

第三に、年齢である。年収は22歳から65歳まで同じではない。厚生労働省の2025年調査では、男性の所定内給与額は55歳から59歳で44万5,600円とピークに近い。一方、女性は45歳から49歳、55歳から59歳で30万5,700円とされ、年齢による上昇幅が男性より小さい。年齢を混ぜると、若者の現実も中高年の現実も見えにくくなる。

第四に、業種である。情報通信業、金融業、電気・ガス業と、宿泊・飲食サービス業を同じ平均に混ぜると、現場の肌感覚から遠ざかる。宿泊業・飲食サービス業では、年収300万円以下の層が6割を超えるという集計もある。業界を横断した平均は、産業構造の違いを薄めてしまう。

第五に、平均以外の値である。中央値、最頻値、上位10％、下位10％、男女別、雇用形態別、年齢別、地域別を見ると、平均だけでは見えなかった立体感が出る。数字を読むとは、1つの値を信じることではなく、同じ現象を複数の角度から見ることである。

「4倍危険」は、どれくらい危険なのか

数字の印象が大きく変わる典型例が、相対リスク（そうたいリスク）と絶対リスク（ぜったいリスク）の違いである。

国立がん研究センター（こくりつがんけんきゅうセンター）は、たばこを吸う人は吸わない人に比べて、肺がんになるリスクが男性で約4.4倍、女性で約2.8倍になると説明している。受動喫煙でも肺がんリスクは20％から30％程度高くなる。これは重大な健康リスクであり、軽く扱うべきではない。

ただし、「4倍」と聞いたとき、人の頭の中では危険が必要以上に拡大されることがある。4倍とは、肺がんになる基礎的な確率に対する倍率であり、「吸った人の多くが肺がんで死ぬ」という意味ではない。

2024年の日本の死亡数は160万5,378人だった。そのうち悪性新生物（あくせいしんせいぶつ）、つまりがんによる死亡は38万4,111人で、全死亡の23.9％である。肺がんによる死亡は7万5,569人である。これは全死亡の約4.7％、がん死亡全体の約19.7％にあたる。

このように見ると、「たばこで肺がんリスクが4倍」という表現の意味が正確になる。たばこは明確に危険である。だが、4倍という言葉だけを切り取ると、絶対的な人数や死亡全体の中での位置が見えなくなる。逆に、全死亡に占める肺がん死亡が約4.7％だから大したことがない、と言うのも誤りである。7万5,569人は非常に大きな人数であり、禁煙によって下げられるリスクがあるなら、公衆衛生上の意味は大きい。

ここで学ぶべきことは、どちらか一方の数字だけに飛びつかないことである。相対リスクは変化の大きさを示す。絶対リスクは現実の規模を示す。どちらかだけでは足りない。

心理学者ダニエル・カーネマンとエイモス・トベルスキーは、1970年代の研究で、人間が確率や基準率を直感的に扱うのが苦手であることを示した。人は「4倍」という強い言葉に反応しやすい。一方で、「何人中何人なのか」「もともとの確率はどれくらいなのか」という基準率を見落としやすい。これは不注意というより、人間の認知の癖である。

出生率は、かなりよく定義された数字だが、それでも誤解される

数字の中には、比較的定義が明確なものもある。たとえば合計特殊出生率（ごうけいとくしゅしゅっしょうりつ）である。2024年の日本の合計特殊出生率は1.15で、出生数は68万6,173人だった。

ただし、合計特殊出生率は、「いま存在する女性が実際に生涯で産んだ子どもの平均」ではない。その年の年齢別出生率をもとに、1人の女性が15歳から49歳までその出生率を経験したと仮定した場合の子どもの数である。つまり、実際の完結出生児数とは違う。

この数字は人口動態を読むうえで重要である。2人の親から次世代が生まれるという単純な置き換えを考えると、長期的には2前後を大きく下回る状態が続けば人口は減りやすい。だが、出生率1.15という数字を見たときにも、婚姻率、第一子出生年齢、経済状況、保育環境、地域差、移民、死亡率などを同時に見なければ、社会の全体像はつかめない。

定義がしっかりした数字でも、その数字だけで世界を説明することはできない。数字は地図であり、地形そのものではない。

「満足度ナンバーワン」は、何のナンバーワンなのか

企業広告でよく見るのが、「顧客満足度ナンバーワン」「業界シェアナンバーワン」「おすすめしたいサービス第一位」という表現である。これも、数字の見方を学ぶよい教材である。

消費者庁（しょうひしゃちょう）は2024年に、ナンバーワン表示や高評価パーセント表示に関する実態調査を行った。調査では、ウェブ広告などから368件の表示を集め、消費者1,000人に対する調査や、広告主への聞き取りも行われた。集められた表示のうち、ナンバーワン表示は275件、高評価パーセント表示は93件だった。ナンバーワン表示の中では、満足度に関する表示が目立っていた。

興味深いのは、広告主への聞き取りである。消費者庁の資料では、調査対象となった広告主15社のうち、実際にどのような質問項目で、どの比較対象を選び、どのウェブページを見せて調査したかを具体的に把握していたのは1社だけだったとされている。さらに、実際の利用経験がない回答者に、ウェブサイトの印象だけで答えさせる、いわゆるイメージ調査の問題も指摘されている。

「ナンバーワン」と聞くと、絶対的な王者のように感じる。しかし、現実には、比較対象をどこまで入れたか、どの地域で調べたか、回答者は利用者なのか未利用者なのか、質問文はどう設計されたか、何年何月に調査したかで結果は変わる。

消費者庁は、合理的な根拠があるナンバーワン表示には、比較対象商品の選定、回答者の選定、調査方法の公平性、表示内容と調査結果の対応が必要だとしている。逆に言えば、この4つが曖昧なら、そのナンバーワンはかなり危うい。

ここで笑い話のように見えて、実は大切な視点がある。世の中には、ナンバーワン企業がたくさんある。だが、ナンバーワンとは本来、1つの基準における1位である。英語でone of themとは言えるが、one of number oneという考え方はおかしい。ナンバーワンが何十社も並ぶとき、それは「全体で1位」ではなく、「条件を絞ったどこかの1位」である可能性が高い。

広告を見るときは、「すごい」と思う前に、条件を探す必要がある。小さな文字で、調査期間、調査機関、調査対象、対象サービス、比較範囲、回答者数が書かれていないかを見る。そこにこそ、本体がある。

延べ人数は、人間の数ではない

数字のマジックとして、延べ人数（のべにんずう）も重要である。

進学塾の合格実績で「難関大学合格100名」と表示されている場合、それが実人数なのか、延べ合格者数なのかで意味は変わる。1人の優秀な生徒が東京大学、早稲田大学、慶應義塾大学、上智大学、明治大学に合格すれば、延べ合格者数は5になる。しかし、実際の合格者は1人である。延べ人数は嘘ではない。だが、実人数だと思って読むと誤解になる。

YouTubeの再生回数も同じである。1億再生は、1億人が見たという意味ではない。同じ人が3回、4回、10回見ることがある。途中で離脱して再度再生することもある。再生回数は「人」ではなく「回」である。

店舗の来店者数、イベントの参加者数、アプリのダウンロード数、ウェブサイトのページビューも、似た構造を持つ。ダウンロード数は利用者数ではない。ページビューは訪問者数ではない。登録者数は継続利用者数ではない。フォロワー数は購買者数ではない。

数字を読むときは、単位を見る必要がある。人なのか、回なのか、件なのか、世帯なのか、契約なのか、アカウントなのか。単位が違えば、世界が変わる。

売上、利益、年商、シェアは、同じ強さを意味しない

企業の数字でも、同じ罠がある。「年商1億円」と聞くと大きく見える。しかし、利益がほとんど残らないビジネスもある。逆に、年商1,000万円でも、利益率が70％なら700万円が残る。売上100億円で利益率1％なら利益は1億円。売上10億円で利益率20％なら利益は2億円である。

もちろん、利益額だけで企業の強さが決まるわけでもない。市場規模、成長率、借入金、固定費、在庫リスク、顧客集中度、人材、技術、ブランド、規制環境を見る必要がある。だが、少なくとも売上だけで「大きい会社だから安全」とは言えない。

シェアも同じである。国内シェアなのか、世界シェアなのか。金額ベースなのか、数量ベースなのか。出荷台数なのか、実販売なのか。特定カテゴリだけなのか、隣接市場を含むのか。外資系企業を含むのか、含まないのか。前年なのか、直近四半期なのか。

「業界シェアナンバーワン」という表現は、業界の切り方を変えれば成立しやすい。大きな市場で3位でも、細分化したカテゴリでは1位になることがある。これは不正とは限らない。しかし、聞き手が大きな市場全体の1位だと受け取るなら、誤解を誘う。

住宅購入の「家賃並み」は、並んでいないことが多い

数字の見せ方は、人生の大きな意思決定にも関わる。不動産広告でよくあるのが、「月々の支払いは現在の家賃並み」という表現である。

住宅ローンの月額返済が家賃と同じなら、買ったほうが得に見える。しかし、持ち家には固定資産税（こていしさんぜい）、火災保険、地震保険、修繕費、管理費、修繕積立金、設備交換費がある。戸建てなら外壁、屋根、給湯器、水回りの修繕を自分で積み立てる必要がある。マンションなら管理組合の財政や将来の修繕積立金増額リスクがある。

さらに、金利上昇、転職、離婚、親の介護、子どもの進学、地域の人口減少、災害リスク、売却時の価格、仲介手数料、登記費用も関係する。賃貸と持ち家の比較は、月額だけではできない。

「月々9万円」という数字は見やすい。だが、35年総額でいくら払うのか。金利が1％上がったらどうなるのか。10年ごとの修繕費を入れたらどうなるのか。住み替えにくさのコストはどう評価するのか。表示されている数字の外側に、意思決定の本体がある。

時間のマジック。月額、日割り、初月無料

時間の単位も、人の判断を変える。

年間12万円と言われると高く感じるサービスでも、月額1万円と言われると受け入れやすくなる。月額1万円でも、1日あたり約333円と言われるとさらに軽く見える。逆に、1日333円でも10年間続けば約121万円になる。日割りは心理的な抵抗を下げる。年額は総額を見せる。

初月無料も同じである。最初の1か月が無料でも、解約しなければ2か月目以降に課金される。サブスクリプションの本質は、単価ではなく継続期間である。月額980円は安く見えるが、使っていないサービスを5本契約すれば月4,900円、年間5万8,800円になる。

このような数字は、嘘ではない。むしろ正確に計算されている。問題は、短い時間単位に切り分けることで、長期の負担が見えにくくなることである。

AIで仕事がなくなる、という数字にも母集団がある

AIの話でも、数字はしばしば強い見出しになる。「AIで仕事が奪われる」「プログラマーの価値が下がる」「ホワイトカラーが消える」。こうした言葉には一部の現実がある。だが、ここでも見るべきものは、どの仕事の、どの作業の、どの部分が、どの時間軸で変わるのかである。

世界経済フォーラムの2025年版の雇用の未来に関する報告では、2030年までに現在の仕事の22％に相当する規模で構造変化が起こり、1億7,000万の新しい役割が生まれ、9,200万の役割が置き換えられ、差し引きで7,800万の雇用増になるという見通しが示された。また、2030年までに労働者に求められる主要スキルの39％が変化するとされている。

国際通貨基金は、世界の雇用の約40％がAIの影響を受ける可能性があり、先進国では約60％に及ぶと分析した。ただし、ここでいう影響とは、すべてが消えるという意味ではない。AIによって生産性が上がる仕事もあれば、需要が減る仕事もある。補完される仕事と代替される仕事がある。

ここで重要なのは、仕事を「職業名」だけで見ないことである。プログラマーという職業名があっても、その中には要件整理、設計、実装、テスト、運用、顧客折衝、障害対応、セキュリティ、ドキュメント作成、チーム調整がある。AIがコードを書く速度を上げたとしても、企業が何を作るべきかを決める作業、業務を理解する作業、利害関係者の合意を取る作業、品質と責任を担保する作業は残る。

さらに、需要の母集団を見なければならない。これまで企業がシステム開発を発注していた量は、企業が本当にやりたかったことの総量ではない。予算、時間、人材、技術の制約によって、やりたいことの一部だけを選んでいた可能性がある。もし開発コストが下がり、速度が上がれば、これまで諦めていた案件が実行されるかもしれない。

たとえば、100個の改善案がある企業が、予算の都合で最重要の1個だけを実行していたとする。AIによって開発が安く、速くなれば、2個目、3個目、10個目に進む可能性がある。1個あたりの単価が下がっても、総需要が増えれば、仕事の総量は単純には減らない。もちろん、すべての職種でそうなるとは限らない。単価が下がる領域、仕事が消える領域、専門性が高まる領域、未経験者が入りにくくなる領域もある。

江戸時代の飛脚（ひきゃく）を考えるとわかりやすい。かつて、遠くへ手紙を届けることは、それ自体が大きな労働だった。人が走り、宿場をつなぎ、時間をかけた。現代では、東京から大阪へ1通の手紙を送るために、1人の専門家が家庭を養えるだけの報酬を受け取ることはない。郵便、鉄道、道路、物流、通信が発達したからである。

では、飛脚の仕事が消えたことで、情報伝達の仕事全体が消えたのか。そうではない。郵便、宅配、新聞、電話、インターネット、クラウド、データセンター、スマートフォン、電子商取引、動画配信が生まれた。1通あたりの価値は下がっても、流通する情報量は爆発的に増えた。

AIも同じ構造を持つ可能性がある。単価が下がることと、仕事がなくなることは同じではない。単価が下がり、量が増え、役割が変わることがある。だから、AI雇用論で必要なのは、「何人の仕事がなくなるか」という見出しだけではない。「どの作業が代替され、どの作業が補完され、どの需要が新しく顕在化し、どの技能が高く評価されるのか」という分解である。

数字の外側を見ることは、疑うことではなく、理解することである

ここまで見ると、数字は危険なものに見えるかもしれない。しかし、本当は逆である。数字は、丁寧に読めば、人間の直感を補ってくれる。

20世紀の統計学者ジョン・テューキーは、1970年代に探索的データ解析の重要性を強調した。データは結論を押しつけるものではなく、問いを見つける道具でもある。19世紀のフローレンス・ナイチンゲールは、クリミア戦争の死亡原因を図示し、病院の衛生改善を訴えた。数字と図は、人を騙す道具にもなるが、見えなかった問題を社会に見せる道具にもなる。

1954年に出版されたダレル・ハフの『統計でウソをつく法』が長く読まれているのは、統計が悪いからではない。統計の見せ方を理解しないと、正しい数字から間違った印象を受けるからである。

ぽちょ研究所としてこのテーマを扱うなら、結論は「数字を信じるな」ではない。「数字を最後まで読め」である。

平均なら、中央値と分布を見る。率なら、母数を見る。リスクなら、相対値と絶対値を見る。ランキングなら、比較対象を見る。シェアなら、市場の切り方を見る。延べ人数なら、実人数を見る。月額なら、総額を見る。AI予測なら、職業名ではなく作業単位を見る。

そして、ニュースや広告を見るときは、何が報じられているかだけでなく、何が報じられていないかを見る。グラフや表を見るときは、どの数値が表示されているかだけでなく、どの数値が表示されていないかを見る。あえて見せたくない情報があるのか、単に紙幅の都合で省略されたのか、専門的すぎて削られたのかを考える。

この姿勢は、何でも疑う態度とは違う。疑心暗鬼になる必要はない。友人関係や日常会話で、いちいち母集団を問い詰める必要もない。しかし、家を買う、仕事を選ぶ、投資をする、健康リスクを判断する、進学先を選ぶ、会社の広告を信じるときには、数字の外側を見る価値がある。

数字を見るための実践的な問い

最後に、数字を見たときに使える問いをまとめる。

その数字は、平均値なのか、中央値なのか、最頻値なのか。

その数字の母集団は誰か。正社員だけか、非正規も含むのか。学生を含むのか。高齢者を含むのか。公務員を含むのか。利用者だけか、未利用者も含むのか。

その数字の母数（ぼすう）は何人か。1,000人の調査なのか、10万人の行政統計なのか。数百件のウェブ広告の分析なのか。

期間はいつか。2024年の年収なのか、2025年6月の月給なのか、直近1か月のアンケートなのか、10年間の累積なのか。

単位は何か。人なのか、回なのか、件なのか、世帯なのか、契約なのか、アカウントなのか。

比較対象は何か。前年か、コロナ前か、世界平均か、同業他社か、特定カテゴリだけか。

名目値なのか、実質値なのか。給料が上がっても、物価がそれ以上に上がれば、生活実感は悪化することがある。

分母を変えたらどう見えるか。肺がん死亡を全死亡の中で見るのか、がん死亡の中で見るのか、喫煙者と非喫煙者で見るのかで、意味は変わる。

表示されていないものは何か。税金、保険料、修繕費、手数料、退会率、離職率、失敗例、未回答者、除外された企業、比較されなかった商品はないか。

この問いを持つだけで、数字の見え方は変わる。

物事の真理を見るには、少しの忍耐がいる

数字のマジックは、派手な嘘から生まれるとは限らない。多くの場合、それは省略から生まれる。平均年収から雇用形態が消える。健康リスクから絶対人数が消える。ナンバーワン表示から比較条件が消える。合格実績から実人数が消える。家賃並みの支払いから維持費が消える。AI失業論から新しい需要が消える。

人間は、短い言葉を好む。1つの数字でわかった気になりたい。だが、社会はたいてい1つの数字では説明できない。だから、真理を見抜くには、少しの忍耐が必要になる。

数字は入口である。入口だけを見て、建物の全体を見た気になってはいけない。平均年収478万円という数字の奥には、性別、雇用形態、年齢、業種、学歴、地域、労働時間、賞与、非正規比率、育児、介護、産業構造がある。たばこの4倍リスクの奥には、相対リスク、絶対リスク、死亡統計、禁煙効果、公衆衛生がある。ナンバーワン表示の奥には、調査設計、比較対象、広告費、回答者の経験、質問文がある。

何が表示されているかを見る。何が表示されていないかを見る。何が強調され、何が小さな文字に追いやられているかを見る。

それは、騙されないためだけの技術ではない。自分が人に説明するとき、誠実な数字の出し方をするための技術でもある。営業でも、企画でも、教育でも、研究でも、数字を扱う人には責任がある。見せたくない情報を隠せば、一時的には有利になるかもしれない。しかし、長期的には信頼を失う。

数字を読む力は、現代の基礎教養である。中学生にも、高校生にも、大学生にも、大人にも必要である。ショート動画の速い結論だけを浴びていると、脳は条件を読む練習を失う。推理小説を読むように、前提を追い、矛盾を探し、見落とされた情報を拾い、複数の仮説を比べる力が必要になる。

データの読み方は、単なる統計の技術ではない。物語を疑い、別の物語を組み立て、現実に近づいていく知的な習慣である。

---

参考文献・参照情報

• 国税庁「令和6年分 民間給与実態統計調査」
• 国税庁「民間給与実態統計調査の概要」
• 文部科学省「令和7年度学校基本統計確定値について」
• 厚生労働省「令和7年賃金構造基本統計調査 結果の概況」
• 厚生労働省「令和6年（2024）人口動態統計（確定数）の概況」
• 国立がん研究センター「喫煙と肺がんリスク」
• 国立がん研究センター「受動喫煙による日本人の肺がんリスク約1.3倍」
• 消費者庁「No.1表示に関する実態調査報告書」
• World Economic Forum「The Future of Jobs Report 2025」
• International Monetary Fund「AI Will Transform the Global Economy. Let’s Make Sure It Benefits Humanity」
• Daniel Kahneman and Amos Tversky, "Judgment under Uncertainty: Heuristics and Biases," Science, 1974.
• John W. Tukey, Exploratory Data Analysis, 1977.
• Darrell Huff, How to Lie with Statistics, 1954.