文献マップ: EBPMの系譜 — エビデンスに基づく政策立案とISVDのデータ駆動アプローチ

このノートは社会構想デザイン研究室（ISVD-LAB-003）の文献マップシリーズの一篇である。エビデンスに基づく政策立案（EBPM）の知的系譜を辿り、ISVDのデータ駆動アプローチがどこに位置するのかを明らかにする。

EBPM（Evidence-Based Policy Making）（エビデンスに基づく政策立案）は、21世紀の公共政策における支配的パラダイムとなった。「思い込みや前例ではなく、客観的な根拠に基づいて政策を立案・評価せよ」という主張は、一見すると反論の余地がない。しかし、「何がエビデンスとして数えられるのか」「誰がそのエビデンスを生産し、誰の問いに答えているのか」という問題は、EBPMの推進者自身によってはほとんど問われてこなかった。

ISVDはデータ駆動型の社会分析を方法論の中核に据えている。e-Stat APIを通じた政府統計の自動取得、統計ダッシュボードの構築、定量データに基づくコラム執筆。これらは表面的にはEBPMと共鳴する。だが、ISVDの問いは「我々の政策は効いたか？」ではなく「この問題の真の姿はどうなっているのか？」である。この差異を明確にするために、EBPMの知的系譜を文献に基づいて辿る必要がある。

参考文献と、本文で触れた制度の設置・宣言を年で並べる。

Proctor & Schiebinger（2008）も参考文献に入れているが、EBPM の系譜ではなく ISVD 側の視座として引いているため、年表からは外した。

年で並べると 2 つ読める。第一に、手続きは医学で確立してから政策へ渡った。 第二に、この年表で日本が最初に現れるのは 2017 年で、英国が方針として宣言した 1999 年から 18 年、Cairney が「政策立案は政治的な過程であり、エビデンスは その中で選択的に使われる」と書いた 2016 年よりも後である。 日本は、批判が出そろった後に制度を入れたことになる。

年表の系譜列に沿って、医学・行動経済学・開発経済学の順に追う。

エビデンス階層の誕生: EBMからEBPへ

EBPMの知的源流は、医学におけるArchie Cochraneに遡る。Cochraneは1972年の著書 Effectiveness and Efficiency において、医療行為はランダム化比較試験（RCT）によって検証されるべきだと主張した。この主張は、1990年代にDavid Sackettらによって「エビデンスに基づく医療（EBM）」として体系化された（Sackett et al., 1996（外部サイト、新しいタブで開きます））。EBMの核心は「エビデンス階層」（メタ分析とRCTを頂点とし、専門家の意見を最下位に置くピラミッド）にある。

この医学の方法論が公共政策へと越境したのが、1990年代末の英国である。1999年、ブレア政権は白書 Modernising Government を発表し、「エビデンスに基づく政策立案」を政府の公式方針として宣言した。NICE（1999年設立）が医療政策においてエビデンスの制度的活用を先導し、Campbell Collaboration（2000年設立）が社会政策・教育・刑事司法分野へとエビデンスの統合を拡張した。

ナッジの台頭と行動経済学の政策応用

EBPMの第二の波は、行動経済学の政策応用として到来した。Thaler & Sunsteinの 2008 年の Nudge（邦訳は 2022 年の『NUDGE 実践 行動経済学 完全版』（外部サイト、新しいタブで開きます））は、人間の認知バイアスを前提とした政策設計（選択アーキテクチャ）を提唱した。

英国は2010年にBehavioural Insights Team（BIT）（通称「ナッジ・ユニット」）を内閣府内に設立し、EASTフレームワーク（Easy, Attractive, Social, Timely）を政策設計に導入した。ナッジは「小さな介入で大きな行動変容を」という費用対効果の物語と結びつき、緊縮財政下の政府にとって魅力的なツールとなった。

RCT革命と開発経済学

EBPMの第三の波は、開発経済学における「RCT革命」である。Abhijit Banerjee、Esther Duflo、Michael Kremerは、途上国の貧困削減策をRCTで検証する方法論を確立し、2019年にノーベル経済学賞を受賞した（外部サイト、新しいタブで開きます）。彼らが設立したJ-PAL（Abdul Latif Jameel Poverty Action Lab）はMIT内に設置され、1,000件以上のRCTを実施・支援してきた。

RCT革命は、「エビデンスに基づく政策」を「RCTに基づく政策」へと狭義化する力学を生んだ。この動向に対し、Deaton & Cartwright（2018）（外部サイト、新しいタブで開きます）は「RCTだけでは因果メカニズムの理解に至らない」と批判し、エビデンス階層の再考を求めた。

日本におけるEBPMの制度化は2017年に本格化した。「統計改革推進会議最終取りまとめ」においてEBPMの推進が政府方針として明記され、内閣官房にEBPM推進委員会が設置された。RIETIは2022年にEBPMセンターを開設し、政策評価の方法論研究と実践支援を開始した。

政府統計のオープン化も進んだ。e-Statは政府統計の総合窓口としてAPI提供を拡充し、RESAS（地域経済分析システム）は地方自治体の政策立案を支援するデータプラットフォームとして整備された。

しかし、日本のEBPMにはいくつかの構造的問題がある。第一に、2018〜19年に発覚した毎月勤労統計の不正問題は、エビデンスの基盤となる政府統計そのものの信頼性を揺るがした。第二に、「EBPM」の名のもとに既存の政策を事後的に正当化する「疑似EBPM」の横行が指摘されている。予算獲得のために都合のよいデータだけを選択的に提示し、不都合なエビデンスを無視する実践である。

EBPMへの学術的批判は、単なる方法論上の議論にとどまらない。Cairney（2016）（外部サイト、新しいタブで開きます）は The Politics of Evidence-Based Policy Making において、「政策立案は本質的に政治的プロセスであり、エビデンスはその中で選択的に利用される」と論じた。科学者が想定する「エビデンス → 政策」という線形モデルは、現実の政策過程においてはほとんど成立しない。

Deaton & Cartwright（2018）（外部サイト、新しいタブで開きます）はさらに踏み込み、RCTの「内的妥当性」の高さが「外的妥当性」（別の文脈への適用可能性）を保証しないことを指摘した。ある地域で効果があった介入が、異なる制度・文化・社会構造のもとで同じ効果を持つとは限らない。

これらの批判が共通して問うているのは、「誰のための、何のためのエビデンスか」という根本的な問いである。そしてこの問いは、ISVDの問題設定に直接接続する。

EBPMのパラダイムとISVDの差異

EBPMの基本的な問いは「我々の政策は効いたか？」（Did our policy work?）である。この問いの構造には、いくつかの前提が埋め込まれている。

1. 問題は既に定義されている: EBPMは、何が問題であるかについては争いがないことを前提とする。しかし現実には、「何が問題なのか」の定義そのものが政治的に構成される。
2. エビデンスは中立的である: データは客観的な事実を反映するとされるが、何を測定し、何を測定しないかの選択はすでに価値判断を含んでいる。
3. 政策は問題解決のためにある: しかし、Cairneyが指摘するように、政策は予算獲得・政治的正当化・組織維持など、問題解決以外の目的にも用いられる。

ISVDの問いは「この問題の真の姿はどうなっているのか？」（What is the true shape of this problem?）である。この問いは、問題の定義そのものを疑うところから始まる。

ISVDのデータ駆動アプローチは、EBPMと表面的にはツールを共有する。統計データの取得、定量的分析、可視化である。だが目的が異なる。EBPMにおけるデータは「政策の効果を測定する道具」であるのに対し、ISVDにおけるデータは「不可視の構造を浮かび上がらせる手がかり」である。この差異は、「社会構想デザインの知的座標」（このサイトの記事）で述べた6つの知的源流のうち、アグノトロジーの視座から生まれている。

構造の暴露 vs 予算の正当化

EBPMが制度として定着する過程で、しばしば「疑似EBPM」が生まれる。これは、政策の正当化のためにエビデンスを選択的に利用する実践であり、日本の毎月勤労統計不正はその極端な事例である。

ISVDのアプローチは、この「疑似EBPM」の対極に位置する。ISVDは特定の政策を推進する立場を持たない。目的は構造の暴露（社会がどのような形をしているのかを、可能なかぎり正確に描き出すこと）にある。ここにおいて、ISVDのデータ駆動アプローチは、EBPMの政策評価とは異なり、ポスト・ノーマルサイエンスの方法論的態度に近づく。不確実性が高く、利害が対立し、意思決定が急がれる状況において、「正解」を提示するのではなく「構造」を可視化するという姿勢である。

ISVDにとってのEBPMの系譜の意味

EBPMの系譜をISVDが学ぶべき理由は3つある。

第一に、方法論の洗練。RCT・系統的レビュー・メタ分析などのエビデンス統合の手法は、ISVDが社会構造を分析する際の方法論的な参照点となる。エビデンス階層の議論は、「どのデータをどこまで信頼してよいか」という判断の枠組みを提供する。

第二に、制度的失敗からの学び。日本のEBPM推進における疑似EBPM・統計不正の事例は、データを扱う組織が陥りうる罠を示している。ISVDがオープンアクセスと独立性を重視するのは、こうした制度的失敗への応答でもある。

第三に、批判的対話の相手。Cairney、Deaton & Cartwrightらの批判は、ISVDの問題設定（「誰のためのエビデンスか」「何が測定されていないのか」）と共鳴する。EBPMの批判者たちが政策過程の内部から提起している問いを、ISVDは市民社会の側から問い直す。

ここまでは EBPM が何を積み上げたかを書いた。積み上がっていない側を書く。

先行研究の側。 Cairney も Deaton & Cartwright も、政策過程の内側からの批判である。 政策を作る側がエビデンスをどう使うかは論じるが、政策の外にいる市民が何を知り得ないかは どちらも扱っていない。年表の批判の行は 2016 年と 2018 年で止まっており、それ以降の議論を この地図は追っていない。ナッジについても、この地図は導入の経緯を追っただけで、 効果量そのものは検討していない。

ISVD の側。 ISVD の問いは「この問題の真の姿はどうなっているのか」だと書いた。 だが、真の姿に到達したかを判定する基準を ISVD は持っていない。EBPM には少なくとも 「効いたか」を測る手続きがある。基準の無さは身軽さであると同時に、外から検証されない ということでもある。

特定の政策を推進する立場を持たないとも書いた。ただし、何を記事にするかの選択そのものが 問題の定義に影響する。その選択の基準を ISVD は公開していない。

e-Stat の自動取得を方法論の中核に据えていると書いているが、実装済みのデータセットは 年齢別完全失業率と職種別平均賃金の 2 件である（2026 年 8 月 26 日時点）。 データセット一覧のページはまだ無い。EBPM の批判者に向き合うだけの分量は、まだ無い。