支援を利用しなかった人も、効果の比較に含めるのはなぜ？

利用者でなく、最初の割付で比べる

職業訓練の提供を無作為に決めても、提供された人が全員参加するとは限りません。仕事や家庭の都合で参加しない人も考えられます。その場合に、参加したかで分け直さず、最初に提供を割り付けた集団と提供しない集団を比べる方法が、ITTと呼ばれる分析です。

ITTで答えるのは、ここでは「訓練を提供する割付が、その集団の就職をどれだけ変えたか」という問いです。実際に利用する人の割合も含めて、支援を提供する仕組みを比べています。訓練を受けた全ての人について、受けなかった場合との差を直接知ることとは違います。

利用しなかった人を含めることは、無関係な人を混ぜることではありません。提供を受けても利用しないという行動も、その提供の仕組みの中で起こった結果です。支援を提供する政策を検討するなら、利用の状況を含む効果は意味のある判断材料になります。

利用した人だけを選ぶと比較が変わる

利用者だけを選ぶと、元の無作為の比較が変わります。参加のしやすさ、意欲、必要性などが、利用と結果の両方に関わるかもしれません。利用者の就職率が高くても、訓練が原因か、元の条件が違う人が集まったかは、その割合だけでは分かりません。

「提供を割り付ける効果」と「全員が決められたとおり利用した場合の効果」は、異なる推定対象です。実際の利用を比べたいなら、追加の設計や仮定に基づく分析が必要になります。ITTより利用者の数字が大きいことだけで、後者の方が正しい効果とは言えません。

割付の効果は、利用する人がどれくらいいるかも含む、提供の仕組み全体について読みます。報告の「効果」が、提供、実際の利用、決められた利用を続けることのどれを比べているかを確認します。

追跡できなかった人は別の問題になる

元の割付で比べることと、全員の結果が分かることも別です。追跡に答えなかった人の就職結果は観測できません。答えた人だけを残すと、元の集団の一部へ限定した比較になり、欠測と結果の関係によっては選択による偏りが入ります。

分析をITTと名付けただけで、この問題がなくなるわけではありません。誰が追跡できなかったか、どれくらい欠けたか、欠測への調整にどんな仮定を置いたかを読みます。非利用という観測された行動と、結果自体が欠けている状態を分けます。

研究を使うときは、最初の割付人数、各集団の利用状況、追跡結果、比較した効果の定義を確かめます。平均の差と不確かさを読み、別の地域の提供方法でも同じかは対象の条件から検討します。利用者の割合と結果の割合を別々に示すと、何を改善する議論かがはっきりします。

同じ100人の割付集団を残して比べる

訓練を提供する集団100人のうち60人が利用し、36人が就職したとする架空の例です。利用しなかった40人では12人が就職しました。提供集団全体の就職率は、（36＋12）÷100＝48％です。比較集団100人の就職40人なら40％で、元の割付での差は8ポイントです。

利用者だけの36÷60＝60％を比較集団の40％と比べると差は20ポイントになります。しかし利用者を選んだ別の比較なので、その20ポイントをそのまま訓練の因果効果とは説明できません。この例では全員の就職結果が得られたと仮定しています。

持ち帰る見方

• 提供の効果は、利用の有無によらず元の割付で比べる。
• 利用者だけの比較は、本人の選択による違いが混ざり得る。
• 非利用と追跡結果の欠測を分け、比較した効果の定義を読む。

次に広がる疑問

• 因果効果と比較対象を作る理由
• 同じ人を追う調査と追跡脱落
• 効果の大きさと有意性を分ける

出典

• Impact Evaluation in Practice, Second Edition（Gertlerほか／世界銀行・米州開発銀行）https://documents1.worldbank.org/curated/en/698441474029568469/pdf/108434-PUB-Box394822B-PUBLIC-PUBDATE-9-16-2016.pdf

  確認日：2026-10-04

• Causal Inference: What If（Miguel A. Hernán / James M. Robins（著者サイト））https://miguelhernan.org/s/hernanrobins_WhatIf_19aug26.pdf

  確認日：2026-10-04