カテゴリ: 効果 タイプ: 認知バイアス 起源:
統計学および軍事研究、第二次世界大戦、Abraham Wald 別名: Survival Bias
先に答えると — Survivorship Bias
は、成功例に注目しつつ、もはや見えない多くの失敗例を見落とす認知バイアスです。第二次世界大戦中に統計学者の
Abraham Wald
によって初めて体系的に研究され、このバイアスはプロセスの「生存者」のみを検査し、生存しなかったものを無視することで誤った結論につながります。survivorship
bias
を理解することで、不完全なデータから誤った教訓を引き出すのを避け、何を見ていないかを問いかけるようになります。
Survivorship Bias（Survivorship Bias）とは
Survivorship Bias は、人が例やデータから学習する方法を歪める強力な認知バイアスです。生存者のグループを評価するとき、人々は自然に見える成功に注目しますが、見えない失敗—到達しなかった大多数—は検討されません。これにより、何が成功につながるのかについて体系的に歪んだ結論が生まれます。 重要な洞察は、成功は目に見える痕跡を残しますが、失敗は多くの場合全く痕跡を残さないことです。成功した企業のみを研究するとき、失敗した企業は見えません。成功した起業家のみを研究するとき、失敗した起業家は消えています。勝利した投資のみを研究するとき、ゼロになった敗北投資は見えなくなります。これにより、成功を観察することから学べると信じていることに深い歪みが生まれます。私たちは可視性を代表性と誤解します。見えるものがすべての可能性を表していると仮定しますが、実際には成功したものだけを見ているのです。このバイアスは複数のメカニズムを通じて作用します。第一に、失敗例は文字通り見つけにくいのです。倒産したり、閉鎖したり、他の方法で見えなくなったりしている可能性があります。第二に、人々は自然に成功物語りに惹かれ、成功例を研究し共有する可能性が高くなります。第三に、失敗例が利用可能であっても、成功例ほど注目されず分析されません。
Survivorship Bias の3つの深さ
- 初心者: ビジネス誌が成功した企業を取り上げても、同じことをして失敗した何千もの企業を分析することはほとんどないことに気づいてください。誰かの成功について聞いたとき、同じことを試して失敗した人が何人いるかを自問してください。
- 実践者: 成功要因を分析する際、常に失敗例も分析に含めてください。「失敗した実験」や中止された製品を積極的に探し、全体像を理解してください。
- 上級者: 「逆思考」を適用してください。生存者を成功させたものではなく、非生存者を失敗させたものを問いかけてください。これにより、成功のみを研究するときに見えない情報が明らかになります。
起源
survivorship bias は、第二次世界大戦中に統計学者の Abraham Wald と彼の統計研究グループによって初めて体系的に特定されました。軍は Wald に航空機の損害データを持ってきました。弾痕が最も多い部分を強化したいというものでした。Wald の革命的な洞察は、代わりに損害がなかった部分を強化するよう提案したことでした。 Wald は、任務から帰還した航空機は弾痕のある部分への損害に耐えて生存したことを理解していました。持っていなかった弾痕こそが、飛行機を撃墜した致命的な被弾だったのです。帰還した飛行機は生存者でした。帰還しなかった飛行機は、現在「無損傷」に見える部分への被弾によって撃墜されました。この洞察は数え切れないほどの命を救い、存在しないものを研究する原則を確立しました。 この用語はその後、ビジネス、投資、医学、歴史、その他多くの分野で同様の現象を記述するために拡大しました。目に見える成功のみを検査することが体系的に間違った結論につながる分野です。要点
見えない失敗が結論を歪める
失敗例は多くの場合文字通り見えません。廃業したり、削除されたり、他の方法で観測不能になったりしている可能性があります。見える成功のみを研究すると、体系的に歪んだ像が得られます。
選択バイアスが歪みを増幅する
何かが成功したという事実自体が、それをより見えやすく、研究しやすくします。これにより、成功を理解するのに役立つものではなく、成功が見えるようにしたものを研究するフィードバックループが生まれます。
応用場面
ビジネスと起業
ビジネス書は成功した企業を取り上げますが、類似の戦略を使用して失敗した何千もの企業は無視します。勝者のみを研究すると、実際に成功の原因となるものについて誤った自信が生まれます。
投資と金融
投資家は多くの場合、成功した投資家や企業を研究し、はるかに数の多い失敗を無視します。これにより、非現実的な期待と貧弱なリスク評価につながります。
キャリアと成功アドバイス
有名な成功物語りは見えますが、1つの成功に対して多くの失敗があり、決して聞かれることはありません。失敗率を理解せずに見える成功からのアドバイスに従うと、誤った決定につながります。
歴史と歴史分析
歴史は生存者によって書かれます。失敗した文明、企業、運動からの文書や記録は保存される可能性が低く、過去に対する理解を歪めます。
事例
投資信託業界
投資信託業界は、金融における survivorship bias の強力な例を提供しています。公表されたパフォーマンス統計には、通常、現在存在するファンドのみが含まれます。「生存者」です。ファンドが合併、閉鎖、または吸収されると、その歴史パフォーマンスデータは公表されたランキングや平均から消えることがよくあります。 これにより劇的に歪んだ像が生まれます。学術研究は、survivorship bias が報告された平均リターンを年率0.5%〜1.5%押し上げることを発見しました。時間とともにこれは莫大な金額です。さらに重要なのは、歴史データにおける「成功した」ファンドの特徴が、類似の戦略を使用して失敗したファンドを除外することでバイアスされていることです。 公表されたパフォーマンスデータに基づいて決定を下す投資家は、知らずに歪んだ情報を使用しています。「市場に勝った」10年後に閉鎖されたファンドは、長期パフォーマンス研究に決して現れない可能性があります。一方、平凡なパフォーマンスで生存したファンドは含まれます。限界と失敗パターン
Survivorship bias は堅牢ですが、重要な限界があります。- 時々生存者は実際に異なる: 場合によっては、生存は本物の選択優位性を示します。重要なのは、これを自動的に仮定しないことです。失敗例が同じ機会と特徴を持っていたかどうかを確認する必要があります。
- 失敗データの品質は異なる: 一部のドメインでは、失敗例は比較的よく文書化されています（破産など）。他のドメインでは、ほとんど見えません（公に議論されなかった失敗したスタートアップのアイデアなど）。
- タイムホライズンが重要: 生存のように見えるものは、単に遅れた失敗である可能性があります。長期研究により、多くの「生存者」が最終的に失敗することが明らかになり、見かけの成功率が変わります。
- ベースレートが重要: ドメイン内の全体的な成功率を理解することは、survivorship bias の修正に役立ちます。しかし、これらのベースレートは、survivorship bias 自体のために正確に未知であることがよくあります。
よくある誤解
成功物語りには成功の秘密が含まれている
成功物語りには成功の秘密が含まれている
実際、成功のみを研究すると誤った結論につながることがよくあります。多くの成功した企業は失敗した企業と特徴を共有しています。違いは、どちらのグループにも見えない要因である可能性があります。
失敗も研究すればよい
失敗も研究すればよい
実際には、失敗例ははるかに見つけにくく、分析しにくいものです。ウェブサイトがなく、プレスカバレッジがなく、何がうまくいかなかったか議論してくれる参加者がいない可能性があります。
Survivorship bias はビジネスにしか関係ない
Survivorship bias はビジネスにしか関係ない
このバイアスは、一部のケースが成功し他のケースが失敗するすべてのドメインで作用します。医学（回復した患者のみを研究する）、歴史（生存した文書のみを読む）、人間関係（一緒にいたカップルにのみ尋ねる）など。
関連概念
Survivorship Bias は、他の認知バイアスと統計概念と密接につながっています。Selection Bias
データが非ランダムな方法で選択されるときに発生するバイアスのより広いカテゴリ。Survivorship
bias は選択バイアスの特定の形態です。
Confirmation Bias
既存の信念を確認する情報を求めること。両方のバイアスとも一方的な分析につながります。一方は成功を選択し、もう一方は確認する証拠を選択します。
Availability Heuristic
思い出しやすさで確率を判断すること。成功例はより「利用可能」で、思い出しやすく、想像しやすいため、歪んだ確率推定が生まれます。
Publication Bias
肯定的な結果が否定的な結果よりも頻繁に公表される傾向。これは学術研究における本質的に
survivorship bias です。
Base Rate Neglect
確率を評価する際にベースレート情報を無視すること。試行が通常どのくらい失敗するかを考慮しないと、成功確率を過大評価します。
Hindsight Bias
過去の出来事が実際よりも予測可能だったと信じること。両方のバイアスは過去の結果の歪んだビューを含みます。一方は何が機能したかについて、もう一方は何が予測可能だったかについてです。