「今期は生産性が落ちた。原因は何か」という問いを渡されたとき、分析は候補を並べることから始まります。人員の入れ替わり、評価制度の変更、会議の増加、ツールの移行、リモート比率。並べたうえで、データと照らして説明力の高いものを探す。手順としては正しく見えます。
ただ、この手順には最初の一歩に穴があります。並んだ候補のリストは、たいてい「その組織が測っている変数のリスト」とほぼ一致しています。測っていない変数は、説明力を比べる競争の土俵にそもそも上がれません。そして候補集合が狭いことは、分析の出力のどこにも表示されません。
この記事では、知的労働の生産性を扱った一本の因果推定を手がかりに、候補集合が狭いときに何が起きるのかを扱います。「原因を特定した」と判断する前に置ける問いを持ち帰ることが目的です。扱うのは分析の構えの話で、個別の施策の是非ではありません。
30秒で要点
- 原因の候補リストは、組織が測っている変数のリストに寄る。測っていない変数は競争に参加しない
- 「一番もっともらしい原因」は「候補の中で一番」でしかない。候補が狭いと確信度だけが上がる
- 生産性を語るときは、分母と分子と単位を先に書き出す。研究の「生産性」と自社の指標は別物である
- 原因を1つに絞る前に、候補集合がどこで切れているかを記録しておく
「一番もっともらしい原因」は、候補の中で一番でしかない
ここが記事の芯なので、先に言葉にしておきます。
複数の候補を比べて最も説明力の高いものを選ぶ手続きは、候補集合が十分に広いという前提の上でだけ意味を持ちます。候補が3つしかなく、本当の原因が4つ目にあった場合、3つの比較はどれだけ丁寧にやっても4つ目を指してくれません。それどころか、3つの中に「比較的よく説明するもの」が必ず1つは見つかるため、結論は出ます。
厄介なのは、候補集合の狭さが結果の見た目を悪くしないことです。候補が少ないほど、比較は単純になり、グラフはきれいになり、説明は短くなります。「これが原因です」と言い切りやすくなる。つまり、候補集合が狭くなるほど確信度は上がりやすく、正確さはそれとは無関係に決まるという関係になっています。
確信度と正確さが同じ方向に動かないという構造は、報告を受ける側にとっても見えません。「候補を5つ検討し、うちAが最もよく説明しました」という報告から、6つ目が検討されなかったことは読み取れないからです。
候補に挙がりにくい変数を、因果として推定した研究
組織の候補リストにはまず載らない変数が産出に効いていた、という例を研究で見てみます。
2026年9月21日に Nature Human Behaviour で公開された論文「Impacts of PM2.5 air pollution on high-skilled worker productivity in China」（Xiaofang Dong、Liecheng Qiao、Yinggang Zhou、DOI: 10.1038/s41562-026-02576-4）は、中国の研究者個人の論文産出を対象に、大気汚染が知的労働の生産性に与える因果的な影響を推定しています。
PM2.5 とは、直径 2.5 マイクロメートルより小さい大気中の微粒子のことです。推定結果は、年平均 PM2.5 濃度が 1 μg/m³ 上昇すると、論文数が 0.23% 減少するというものでした。統計的な確からしさの目安として P < 0.01（効果がゼロだと仮定したとき、これほどの推定値が出る確率は1%未満）が、推定の幅として95%信頼区間 −0.0028 〜 −0.0017 が報告されています。調査期間の平均 PM2.5 濃度は 45.91 でした（濃度の単位は抄録に明示されていませんが、本文の文脈から μg/m³ と読めます）。
論文はさらに、PM2.5 濃度が1%上昇すると全国規模で約1,053本の論文が減ると報告しています。ここでいう全国とは中国全体です。
この研究が測った「生産性」の分母と分子
数字を受け取る前に、指標の定義を書き出しておきます。
表が収まらない場合は、横にスクロールできます
| 項目 | この研究での中身 |
|---|---|
| 分子 | 発表された論文の本数 |
| 分母 | 1年 |
| 対象 | 中国の研究者個人 |
| 単位 | 本／年 |
つまりこの研究の「生産性」は論文数／年です。自社で使っている生産性指標——1人あたり売上、受注件数、処理チケット数、稼働に対する付加価値——とは、分母も分子も違います。数字を自社に持ち込むことはできません。 この記事がこの研究から借りるのは、効果量ではなく「組織が通常は候補に挙げない変数が、産出に効いていた」という形だけです。
もう一点、この論文は自らの位置づけとして、大気汚染と労働生産性の短期的な影響が主に身体的負荷の高い職種を対象に研究されてきたと述べ、知的労働を対象にしたことを新しさとしています。「主に」という言葉は落とせません。参考文献には、コールセンター従業員や製造業、公共部門の高スキル労働者を扱った先行研究が並んでいます。知的労働の研究が皆無だったわけではありません。
相関を見るだけでは足りない理由
この研究は、汚染と論文数の相関を見るのではなく、操作変数法という推定の設計を使っています。ここは一般的な手法の説明として補足します。
汚染が重い地域には、汚染以外の特徴も集まります。産業の構成、所得の水準、人口の密度。これらは論文の本数にも影響しうる要因です。汚染と論文数の相関を素朴に測ると、その数にはこうした別の要因の影響が混ざります。
操作変数法は、「結果（論文数）には直接つながらないが、原因（汚染）を動かす」別の変数を手がかりにして、原因の側の変動のうち、交絡（原因と結果の両方に影響する別の要因が混ざること）を受けていない部分だけを取り出す設計です。たとえ話にすると、汚染そのものを比べるのではなく、「汚染を押し上げる外からの力が強かった年と弱かった年」を比べる、という発想になります。
この設計を選んだ具体的な理由や、何を操作変数に使ったかは、論文の全文側に書かれています。公開されている抄録からは読み取れないため、ここでは手法の一般的な説明にとどめます。
重要なのは、こうした設計が原因の候補として汚染を思いついた後にしか始まらないという点です。推定の設計がどれだけ洗練されていても、候補に入っていない変数の効果は推定されません。方法論の精度と、候補集合の広さは別の問題です。
効果が大きく出た相手と、通り道
この論文は、効果が一様ではなかったことも報告しています。影響は重度汚染の年に、とくに生産性の高い研究者と若手研究者のあいだで顕著だったとされています。
そして、さらなる分析では、汚染レベルが高いほど、研究の労働時間が減り、通院が増え、研究者間の共同研究が妨げられていたことが示されています。つまり抄録では、汚染が産出に届く通り道として時間・健康・協働の3つが示されています。
この部分が、組織の原因分析にとっていちばん示唆的です。もし誰かが「労働時間が減った」「体調不良が増えた」「連携が減った」というデータだけを見ていたら、原因としてまず挙がるのは制度や人の側でしょう。工数管理の不備、評価の歪み、マネジメントの質。どれも測っているからです。通り道のほうは測れているのに、その上流が候補になっていないという状態が起こりえます。
なお、各通り道がどれくらい効いたかという寄与の大きさは、抄録の範囲では分かりません。測り方も同様です。ここで言えるのは、3つが機序として挙げられているということまでです。
候補集合は、どこで狭くなるのか
では、なぜ候補リストは測っている変数に寄るのか。少なくとも3つの道筋があります。
1つ目は、検証可能性による選別です。 データがある変数は、説明力を計算して候補として残せます。データがない変数は、思いついたとしても「確かめられないので保留」となり、議事録から消えます。残ったものの間で比較が行われるので、最終的なリストは「データのある変数」の集合になります。これは誰かの判断ミスではなく、手続きの帰結です。
2つ目は、説明できる原因が好まれることです。 原因分析は多くの場合、打ち手を決めるために行われます。手を打てない変数——季節、業界構造、外部環境——は、仮に原因だとしても会議で扱いにくい。結果として、打ち手に変換できる候補だけが生き残ります。「原因の分析」が、気づかないうちに「打てる手の探索」に変わっています。
3つ目は、帰属の向きです。 組織の中で原因を説明するとき、人と制度は名前のついた対象なので説明として成立しやすい。「誰が」「どの制度が」という形は、報告として完結します。環境や外部条件は、名前をつけても責任の所在に結びつかないため、説明として物足りなく見えます。
3つが重なると、候補リストは「測っていて、打ち手があり、帰属先が明確な変数」に収束します。これは分析として悪いリストではありません。ただ、そのリストの外側に何があるかは、リストを見ても分からないという性質を持っています。
原因を1つに絞る前に置く4つの問い
ここまでを判断軸にまとめます。原因分析の結論を受け取ったとき、あるいは自分が出すときに置ける問いです。
- 候補はどこから来たか。 誰かが思いついたのか、既存のダッシュボードの項目から出たのか。後者なら、候補集合はダッシュボードの設計に等しい
- 候補から落ちたものはあるか。そしてなぜ落ちたか。 「説明力が低かった」のか「データがなかった」のか。この2つは意味がまったく違う。落ちた理由が後者なら、それは検討されていないのと同じである
- この分析で測っている「生産性」の分母と分子は何か。 ここが他部署や他社や研究と違っていれば、数字の比較も借用もできない
- 結論が外れていたとき、何で気づけるか。 原因を取り違えたまま打ち手を打つと、効果が出ないという形で返ってくる。そのとき「打ち手が弱かった」ではなく「原因が違ったかもしれない」と戻れるよう、撤回の条件を先に書いておく
4つ目が抜けやすいところです。候補集合の狭さは分析の中では見えないので、外れたときにしか露出しません。露出したときに受け止められるかどうかは、事前に決めてあるかで変わります。
手元で試せる最小の検証
次の手順を1回だけやってみると、この記事の主張を自分の環境で確かめられます。
- 直近3か月で出た「原因はこれだ」という結論を1つ選ぶ
- そのとき候補に挙がった変数を、思い出せるかぎり書き出す
- 書き出したリストと、自社のダッシュボードやレポートの項目を並べる
- 2つのリストがどれくらい重なっているかを見る
重なりが大きいほど、その原因分析は測っている範囲の中での比較だったことになります。それが間違いというわけではありません。ただ「測っていない範囲を検討した」という主張は、そこからは支えられません。
さらに一歩進めるなら、ダッシュボードに項目がない変数を3つ書き出して残しておくことです。次に同じ問いが来たとき、候補集合の外側を思い出す材料になります。
確かなことと、ここから先に持ち出せないこと
確かなこと：この論文が、中国の研究者の論文産出を対象に操作変数法で推定を行い、年平均 PM2.5 濃度 1 μg/m³ の上昇が論文数を 0.23% 減少させると報告したこと。効果が重度汚染の年と、生産性の高い研究者・若手で顕著だったこと。機序として労働時間の減少・通院の増加・共同研究の阻害が挙げられていること。公開日が2026年9月21日であること。
こちらで確認できていないこと：この論文の全文は購読が必要で、読めたのは抄録とデータ公開の情報までです。推定に使われた操作変数、対象となった研究者の人数、分析対象の年数、推定モデルの構成は確認していません。したがって、推定の妥当性そのものをこの記事では評価していません。再現用のデータとコードは公開されており、解析は Stata 17.0 で行われたと記載されています。
ここから先に持ち出せないこと：この効果量は、中国の研究者の年間論文数についての推定です。他の国、他の職種、他の生産性指標に移せません。そして、この記事は「職場の空気をよくすれば生産性が上がる」という施策の話をしていません。結論として持ち帰ってほしいのは、候補集合を疑う構えのほうです。 空気質はこの記事では、候補リストに載りにくい変数の一例として出てきています。
同じ「比較の設計が結論を決める」という構造は、同じ「ROI 3」が別の数字を指しているで反実仮想の選び方として、欠損値の埋め方を選ぶとは、データでは確かめられない前提を選ぶことで欠損の扱いとして扱っています。横断面の比較を効果と読み違えないための手順は「導入した企業は生産性が低い」は導入の結果かにあります。
自社の原因分析が、どの範囲の中で行われているかを一度並べてみたい場合は、無料の診断ツールから整理を始めることもできます。
状況を整理する（15分）