生存者バイアスと確証バイアスの違いとは？　具体例でわかる見えない情報と見たくない情報

成功した起業家の本を何冊も読むうちに、「大学を辞めた」「直感を信じた」「周囲の反対を押し切った」といった共通点が見えてくると、それが成功の条件に思えてくることがあります。ところが、その感覚の裏では、よく似ているようで仕組みの異なる二つの偏りが起きている可能性があります。

生存者バイアスで確認するのは、誰が観測対象として残ったのかです。一方、確証バイアスで見るのは、利用可能な証拠を自分がどう探し、評価し、解釈したのかでしょう。

どちらも判断を偏らせる可能性がありますが、同じ仕組みではありません。この違いが分かれば、用語を覚えるだけではなく、仕事や投資、ニュース、成功談などを前にしたとき、自分の判断のどこを点検すればよいのかまで見えてきます。

TABLE OF CONTENTS

目次

目次を開く

生存者バイアスと確証バイアスの違い

生存者バイアスと確証バイアスを最初に整理すると、生存者バイアスは観測された標本がどのように作られたかに関係し、確証バイアスは証拠をどのように探索し扱ったかに関係します。

生存者バイアスでは、成功した人、現在も残っている企業、サービスを使い続けている顧客などが見えやすくなる一方、途中で失敗した人、倒産した企業、解約した顧客などが十分に観測されないことがあります。その選択によって、本来知りたい関係についての推論が歪むことが問題です。

対して確証バイアスでは、自分がすでに持っている信念や期待、仮説に合う証拠を探しやすくなり、反対方向の証拠を十分に探さなかったり、見つけても軽く評価したりすることがあります。

APA Dictionary of Psychologyでも、確証バイアスは既存の期待を支持する証拠を追求する一方で、矛盾する証拠を退けたり十分に探さなかったりする傾向を含むものとして説明されています。APA Dictionary of Psychology

ここで、「生存者バイアスは情報が届く前、確証バイアスは届いた後」と覚えるのは正確ではありません。なぜなら、確証バイアスは届いた情報の解釈だけでなく、「どんな証拠を探しに行くか」という探索にも現れるからです。

たとえば「早起き 成功者」ばかり検索し、「早起き 成功 関係なし」「早起き 失敗」など反対方向の情報を調べなければ、資料を読む前の探索段階から自説に沿った情報へ偏るという可能性があります。

生存者バイアスは観測対象の選ばれ方、確証バイアスは証拠の探し方と扱い方を見る。

まずは、この違いを軸にすると整理しやすいでしょう。

生存者バイアスとは

生存者バイアスとは、ある選択過程を通過して残った対象について得られた情報を中心に分析し、観測されにくかった対象を十分に考慮しないことで、全体についての判断が歪む現象です。

ここでいう「生存」は、人の生死だけを意味しません。倒産せず現在も営業している企業、運用停止にならず残っている投資商品、研究の最後まで参加した人、サービスを解約せず使い続けている顧客なども、何らかの選択を通過して観測可能な状態に残った対象として考えられます。

成功者だけを見たときに起こること

ある会社で、営業成績が特に高い十人を調べたところ、全員が毎朝早く出社していたとします。

思うように成果を出せず、「自分にも真似できる方法はないだろうか」と悩んでいる人なら、「やはり成功する人は朝から違うのだ」と感じるかもしれません。すでに結果を出した人の共通点なので、目の前の答えのように見えるでしょう。

ところが、本当に知りたいことが「早く出社すれば営業成績が上がりやすくなるのか」であれば、成功した十人だけを見ても答えは出ません。

毎朝早く出社していた社員が百人いて、そのうち十人だけが高い成果を出していたなら、「成功者十人は全員早朝出社していた」という事実の意味は変わります。さらに、早朝出社をしていない百人にも十人の高成績者がいたなら、早朝出社と成功の関係はさらに弱く見えるでしょう。

成功者十人について集めた情報が間違っているわけではありません。十人全員が本当に早く出社していたとしても、その事実だけから「早朝出社が成功確率を高める」とは判断できないのです。

成功者だけを詳しく見ると、失敗者にも共通している特徴を、成功に特有の条件だと思い込む可能性があります。

成功者の特徴を見るだけではなく、その成功者が出てきた分母を見ることが重要です。

戦闘機の事例から分かること

生存者バイアスを説明するときに広く知られているのが、第二次世界大戦中に統計学者アブラハム・ウォールドが扱った航空機の脆弱性分析です。

ウォールドが所属したStatistical Research Groupでは、戦闘参加機の情報や帰還した機体の被弾状況を使い、航空機のどの部分がどれほど脆弱なのかを推定する研究が行われました。ウォールドの戦時中の資料は、後にCNAから「A Method of Estimating Plane Vulnerability Based on Damage of Survivors」として再刊されています。Abraham Waldの再刊資料

この事例については、「軍は帰還した飛行機しか見ていなかった」と単純化しすぎないことも重要です。

ウォールドの原資料では、戦闘に参加した航空機の総数なども既知情報として扱われています。一方、どの部分に何発の弾が当たったかという詳細な被弾分布を直接観測できるのは、撃墜されず帰還した機体側でした。

仮に帰還機の翼や胴体に多数の被弾痕があれば、そこを厚く補強したくなるでしょう。実際に目の前で穴が開いている場所なので、「ここが弱い」と判断するのは自然です。

しかし、その機体は、その場所を撃たれながら帰還しています。

逆に、帰還機である部分への被弾が少ないなら、「敵弾がそこには当たらなかった」という説明だけでなく、「そこを撃たれた機体は撃墜されやすく、詳細な被弾記録を持つ帰還機として残りにくかった」という可能性も考える必要があります。

ウォールドの分析は、帰還機に残った弾痕を素朴に数えるだけではなく、戦闘参加機や帰還状況なども利用しながら、観測されなかった撃墜リスクを推定しようとするものでした。

この事例が示しているのは、観測データそのものが間違っているという話ではありません。

正しいデータであっても、そのデータを観測できる条件を無視すると、意味を読み違える可能性がある。

ここに生存者バイアスの重要なポイントがあります。

確証バイアスとは

確証バイアスとは、自分がすでに持っている信念、期待、判断、あるいは検討中の仮説に合う方向へ、証拠の探索や評価、解釈が偏りやすくなる傾向です。

心理学者Raymond S. Nickersonの代表的レビューでも、確証バイアスは既存の信念や期待、仮説に有利な方向で証拠を「探索または解釈」する現象として広く整理されています。Nickerson 1998

つまり、確証バイアスは「反対証拠を見てから無視すること」だけではありません。自分の考えを裏付ける情報ばかり検索し、反対方向の資料をそもそも探さない場合にも現れる可能性があります。

同じ情報でも受け取り方が変わる

ある管理職が、「在宅勤務ではコミュニケーションが弱くなる」と考えていたとします。

在宅勤務中に情報共有が遅れた社員を見ると、「やはり対面でなければ難しい」と感じるでしょう。自分が以前から抱いていた懸念と出来事が一致すると、その事例には強い説得力を感じやすくなります。

その一方で、在宅勤務でも高い成果を出しているチームを見ると、「あの部署は優秀な社員がそろっているから例外だ」と考えるかもしれません。

このとき、反対証拠が消えているわけではありません。それでも、自説を支持する事例には一般的な意味を与え、反する事例には個別の事情を与えていけば、同じ情報群から受け取る印象は一方向へ寄っていきます。

さらに、その人が「在宅勤務 コミュニケーション 問題」といった検索ばかり行い、在宅勤務でも成果が出ている条件をほとんど調べないのであれば、今度は情報探索にも偏りが入り込むという可能性があります。

確証バイアスでは、何をどう読んだかだけでなく、何を探そうとしたのかまで確認する必要があります。

自説を支持する情報を探せば必ず確証バイアスなのか

ここでは、少し慎重になる必要があります。

Peter Wasonの古典的研究では、参加者が自分の仮説と整合する事例を試しやすく、仮説を排除するために有効な検証を十分に行わない問題が扱われました。Wason 1960

一方、KlaymanとHaは、仮説に当てはまりそうな事例を調べるpositive test strategyと、確証バイアスを単純に同じものとして扱うべきではないと論じています。Klayman and Ha 1987

状況によっては、肯定的な例を調べる戦略から有益な情報が得られる場合もあるためです。

したがって、「自分の考えを支持する記事を一つ読んだ」というだけで、確証バイアスだと決めつけるのは適切ではありません。

見るべきなのは、反対証拠や代替説明も利用できるのに、自説を支持するものだけを繰り返し探していないか、さらに賛成証拠と反対証拠へ異なる評価基準を使っていないかという点です。

同じ起業家の成功談で比較するとどう違うか

二つの概念を別々の事例だけで覚えていると、現実の成功談を見たときに再び混乱することがあります。

そこで、同じ起業家の話を使って比較してみましょう。

ある成功した起業家が、インタビューで次のように語ったとします。

「私は細かな市場調査より、自分の直感を信じました。それが成功につながったと思います」

この発言だけでは、生存者バイアスなのか確証バイアスなのかは決まりません。

重要なのは、どのような対象が観測されているのか、そして読み手が利用可能な証拠をどう扱ったのかです。

たとえば、同じ時期に起業した千人のうち、五百人が直感を重視し、残りの五百人が市場調査を重視していたとします。

それぞれ五十人ずつ成功していたなら、この条件だけを見た成功率はどちらも10％です。

ところが、書籍やメディアが「直感を重視して成功した人」ばかり大きく取り上げ、同じ方法を使って失敗した四百五十人がほとんど見えなければ、直感と成功が強く結びついているように感じられるでしょう。

ここでは、生存者側の事例が観測されやすいという問題があります。

一方、千人全員について調べられるのに、「直感こそ成功の条件だ」と信じている読み手が、直感で成功した人ばかり検索し、直感で失敗した人をほとんど調べなければ、確証バイアスを疑う理由があります。

さらに、失敗者の資料まで読んでも「覚悟が足りなかったからだ」と片づけ、市場調査型で成功した人を「たまたまだ」と評価するなら、証拠の解釈も自説寄りになっています。

同じ成功談でも、偏りが発生する仕組みは違うのです。

たとえるなら、生存者バイアスは「カメラに映っている人物の構成そのものが選択の影響を受けている」状態でしょう。確証バイアスは、「どのカメラを見るかを自分の考えに合わせて選び、さらに映像の中でも自説に合う場面を重く受け取る」状態に近いと考えられます。

2つのバイアスが同時に起きるケース

現実には、生存者バイアスと確証バイアスが重なることもあります。

ある経営者が、「大胆にリスクを取る企業ほど成長する」と考えていたとしましょう。

まず、ビジネス書やニュースでは、急成長した企業や現在も存続している会社の経営者が取り上げられやすい一方、同じ経営手法を採用して倒産した企業は、それほど詳しく紹介されない可能性があります。

この段階では、観測される企業の選択が問題になります。

そのうえで経営者自身が、「大胆な経営 成功」「リスクを取る経営者 成長」といった検索を繰り返し、大胆な戦略で失敗した企業や、慎重な経営で成功した会社をほとんど調べなければ、確証バイアスも重なる可能性があります。

すると、

という二段階の偏りが生じます。

本人は大量の本や記事を読み、「ここまで調査したのだから間違いない」と感じるかもしれません。時間をかけたほど、自分の結論を手放すことには抵抗も生まれるでしょう。

しかし、資料の量が多いことと、適切な比較ができていることは別です。

偏った観測対象から自説に合う証拠をさらに選べば、根拠より先に確信だけが強くなることがあります。

違いを見抜くための3つの質問

ここまで違いが分かれば、次は実際の判断へ移します。

記事や研究、成功談を見たときには、次の三つを順番に確認すると整理しやすくなります。

質問1 この結論の分母は何か

成功した十社の話を見たなら、「この十社は何をしたのか」だけではなく、「同じことをした企業は全部で何社だったのか」と問い直します。

未経験転職に成功した人が十人紹介されていても、同じ挑戦をした十五人のうちの十人なのか、千人のうちの十人なのかでは意味が違います。

さらに、途中で分析対象から見えなくなった人も確認します。

サービスの評価なら解約者、会社の調査なら退職者、投資成績なら途中で消滅した商品というように、現在のデータに残っていない対象へ視野を広げます。

ここで結論に影響する選択過程が見つかれば、生存者バイアスを考える必要があります。

質問2 反対証拠は見えないのか自分が探していないのか

次に、「反対側の証拠が利用できないのか、それとも自分が調べていないのか」を分けます。

倒産企業について必要な情報が記録に残っておらず、存続企業しか詳しく分析できないのであれば、観測対象の問題が中心です。

一方、倒産企業についても調べられるのに、自分が成功企業の記事ばかり検索しているなら、情報探索の偏りを疑う理由があります。

さらに、自分に賛成する研究には多少の弱点があっても「全体として信頼できる」と考え、反対研究には小さな問題を見つけただけで「信用できない」と判断しているなら、評価基準も同じではありません。

大切なのは反対意見を一度読むことではなく、賛成側と反対側に同じ物差しを使うことです。

質問3 何が出れば自分の考えを変えるのか

もう一つ実践しやすい方法として、結論を出す前に「どんな結果なら、現在の考えを修正するのか」を考えておく方法があります。

たとえば、「市場調査をしない起業家のほうが成功する」と考えているなら、「調査をしなかった失敗企業が大量に存在し、市場調査をした企業の成功率のほうが高ければ、この考えを修正する」と条件を置いてみます。

逆に、直感型企業が成功すれば「直感が正しい」、失敗すれば「経営者の力量不足」、市場調査型企業が成功すれば「偶然だった」と説明するなら、どんな結果が出ても自説を守れてしまいます。

WasonやKlaymanとHaの研究は、この具体的手順そのものの効果を直接検証したものではありません。それでも、仮説と整合する事例だけを見るのではなく、競合する説明を区別できる情報を考えるという発想を、日常判断へ応用する方法の一つとして利用できます。

三つを縮めると、

となります。

ここから先は、二つの違いを再び説明するのではなく、この三問を日常の判断へ組み込むことが重要です。

判断するときの対策

生存者バイアスと確証バイアスは、名前を知っただけで完全に避けられるものとは限りません。

そこで、「自分は注意できる」と期待するより、確認手順をあらかじめ用意しておくほうが現実的です。

生存者バイアスには選択過程を確認する

成功事例を見たら、成功者数だけでなく、誰が最初の対象だったのかを確認します。

そのうえで、成功、失敗、撤退、脱落、非回答などに分け、「なぜ現在の分析対象だけが残ったのか」を見ます。

失敗例を二、三件追加するだけでは十分とは限りません。成功者はほぼ全員記録されるのに、失敗者はごく一部しか記録されない仕組みなら、観測対象の選択は依然として大きく偏っている可能性があります。

確証バイアスには検索方法を反転させる

自分がある結論を支持していると気づいたら、一度だけ検索方向を反対にします。

「この施策 成功」だけではなく、「この施策 失敗」「効果なし」「比較研究」なども確認します。

その目的は、自分の考えを否定することではありません。「常に有効だ」という粗い判断から、「どんな条件なら有効なのか」という精密な理解へ進むためです。

評価基準を先に決める

研究を見るなら、サンプル数、比較群、対象者の選択、追跡期間など、何を基準に評価するのかを決めます。

企業事例なら、業界、会社規模、市場環境、資金力、実施期間などをそろえて考えるでしょう。

その基準を、自説を支持する資料にも反対する資料にも使います。

結果を見たあとで評価軸を動かし続けると、どんな結果でも「自分は正しかった」と説明できるからです。

判断を強くするのは、賛成材料の数ではなく、反対材料を含めても結論が残るかどうかです。

生存者バイアスと選択バイアスの関係

生存者バイアスを理解するときには、選択バイアスとの関係も押さえておく必要があります。

選択バイアスは、研究への参加、対象者の選択、追跡中の脱落などへの条件付けによって、研究で知りたい要因と結果の関係についての推定が系統的に歪む問題です。

ここで重要なのは、母集団を完全に代表していないことと、selection biasが存在することを同じ意味にしないことです。

IARCは、selection biasとrepresentativenessやgeneralizabilityを区別しており、一般人口から無作為抽出された標本ではないという理由だけでselection biasがあるとは言えないと説明しています。IARC Statistical Methods in Cancer Research

たとえば、ある専門職だけを研究している調査は、一般人口の構成を代表していないかもしれません。

しかし、それだけでselection biasと決まるわけではありません。研究参加や脱落などの選択が、知りたい要因と結果との関係をどう変えているのかを見る必要があります。

逆に、ある条件の人ほど研究から脱落しやすく、その条件が研究したい結果とも関係しているなら、残った人だけの分析によって関係の推定が歪む可能性があります。

生存者バイアスは、こうした選択の問題の中でも、生き残った人、現在まで存続した企業、脱落しなかった対象などに観測可能な情報が偏る状況と深く関係しています。

したがって、「標本が偏って見えるか」だけではなく、その選択が知りたい関係をどう変えるのかまで考えることが重要です。

認知バイアスを人格の問題にしない

生存者バイアスや確証バイアスを学ぶと、「この人はバイアスに陥っている」と他人を判定したくなることがあります。

しかし、これらの概念を学ぶ目的は、人の性格や賢さを分類することではありません。

生存者バイアスは、観察する人自身に特別な思い込みがなくても、観測対象を作った選択過程によって生じる可能性があります。

確証バイアスについても、意思が弱い人だけに起こる現象ではありません。通常の情報探索や仮説評価の中で現れ得る認知上の傾向として研究されています。

そもそも、成功談に惹かれるのには理由があります。

仕事で失敗したくないときには、「すでに成功した人の方法を知れば、遠回りをしなくて済む」と感じるでしょう。迷っているときほど、明快な成功法則は不安を静めてくれます。

自分の考えを支持する研究を見つけたときにも、「やはり自分は間違っていなかった」と安心するかもしれません。

その気持ちまで否定する必要はありません。むしろ、「やっぱりそうだった」と感じた瞬間に、もう一度だけ反対側を確認する習慣を持つほうが現実的でしょう。

FAQ

生存者バイアスと成功者バイアスは同じ？

「成功者バイアス」という表現は、成功した人に注目して成功要因を考える意味で、生存者バイアスに近い文脈で使われることがあります。

ただし、生存者バイアスが扱うのは成功者だけではありません。倒産せず残った企業、運用停止にならず残った商品、研究を最後まで継続した参加者なども対象になります。

したがって、成功者だけを見ることは、生存者バイアスが現れる代表的なケースの一つと考えると分かりやすいでしょう。

確証バイアスとの一番簡単な違いは？

生存者バイアスは観測対象の選ばれ方、確証バイアスは証拠の探し方と扱い方の違いです。

失敗者や脱落者が観測対象で過少になり、その選択によって結論が歪んでいるなら、生存者バイアスを考えます。

利用可能な証拠の中から自分の考えに合うものを優先的に探し、反証を十分に探索しなかったり、見つけた反証だけを厳しく評価したりするなら、確証バイアスを疑います。

生存者バイアスは選択バイアスの一種？

統計学や疫学では、生存や脱落による選択が研究対象と結果の関係を歪める問題は、selection biasの枠組みと深く関係しています。

ただし、「一般人口を代表していない標本だから選択バイアス」という理解は正確ではありません。

重要なのは、参加、選択、脱落などへの条件付けによって、知りたい関係の推定が歪むかどうかです。

生存者バイアスと確証バイアスは同時に起こる？

起こる可能性があります。

失敗企業がそもそも観測されにくい状況で、さらに読み手が自分の経営哲学を支持する成功企業だけを検索する場合などです。

この場合は、「誰が観測対象として残ったか」と「残った情報の中から何を自分が選んだか」を分けて確認します。

生存者バイアスを避けるにはどうすればよい？

成功者だけでなく、失敗者や途中で脱落した対象を含む分母を確認します。

そのうえで、誰がどのような理由で観測対象から抜け、その選択によって結論がどの程度変わる可能性があるのかを考えます。

完全に防ごうとするより、「成功例を見たら分母と脱落例を一度確認する」という手順を習慣にしたほうが実践しやすいでしょう。

まとめ

生存者バイアスと確証バイアスは、どちらも判断を偏らせる可能性がありますが、確認する場所は異なります。

生存者バイアスでは、成功者や継続者など、ある選択過程を通過した対象についての情報へ分析が偏り、その選択によって知りたい関係の推論が歪むことがあります。

確証バイアスでは、自分が持っている信念や期待、仮説に沿って証拠を探しやすく、反対証拠を十分に探さなかったり、自説を支持する証拠を重く評価したりする傾向があります。

したがって、「情報が届く前か後か」ではなく、観測対象がどう選ばれたのか、証拠をどう探し扱ったのかという二つの軸で考えることが重要です。

成功者の話に惹かれることも、自分の考えを支持する証拠を見つけて安心することも、それ自体が問題なのではありません。

大切なのは、結論が見えたと感じた瞬間に、「誰が観測対象から抜けているのか」「自分はどんな反証を探していないのか」と、もう一度だけ問い直すことです。

そうすれば、生存者バイアスと確証バイアスは単なる暗記用語ではなく、自分の判断を一段深く点検するための道具になるでしょう。

参考資料

確証バイアスの基本的な定義は、支持証拠の追求だけではなく、矛盾する証拠を退けたり十分に探さなかったりする傾向まで扱うAPA Dictionary of Psychology Confirmation Biasで確認できます。

確証バイアスを情報探索と解釈の双方から体系的に確認する資料としては、Raymond S. Nickerson Confirmation Bias A Ubiquitous Phenomenon in Many Guisesが代表的です。

仮説検証の古典的研究については、P. C. Wason On the Failure to Eliminate Hypotheses in a Conceptual Taskと、positive test strategyをより慎重に整理したJoshua Klayman and Young-Won Ha Confirmation Disconfirmation and Information in Hypothesis Testingが参考になります。

生存者バイアスの戦闘機事例については、ウォールドの戦時中の研究を再刊したAbraham Wald A Method of Estimating Plane Vulnerability Based on Damage of Survivorsで、戦闘参加機数と帰還機の詳細な被弾情報を区別した分析を確認できます。

選択バイアスとrepresentativenessやgeneralizabilityの違いについては、IARC Statistical Methods in Cancer Research Volume V Selection Bias and Other Miscellaneous Biasesが詳しい資料です。

日本語で疫学上の選択バイアスの基本的な考え方を確認する場合は、食品安全委員会 疫学用語集が利用できます。