ランダム化比較試験
Randomized Controlled Trial ・ らんだむかひかくしけん
処置をランダムに割り付けて交絡を断ち、因果効果を測る実験の黄金律
概要
ランダム化比較試験（RCT）は、参加者を「処置を受けるグループ（処置群）」と「受けないグループ（対照群）」にくじ引きのようにランダムに割り付け、両群の結果の差から処置の因果効果を測る実験手法です。新薬の効果を確かめる治験がその代表で、医学・経済学・政策評価において「エビデンスの黄金律（gold standard）」と呼ばれます。
核心はランダムな割り付けそのものにあります。誰が処置を受けるかを偶然だけで決めると、年齢・体質・意欲といったあらゆる背景要因 — 測定できるものも、できないものも — が2つの群に平均的に等しく分配されます。つまり処置の有無だけが異なる、統計的に「同じ」集団のペアが作れるのです。その後の結果の差は処置に起因すると言えるようになり、因果推論の最大の障害である交絡を、設計の力で丸ごと断ち切れます。
WebサービスのA/Bテストは、この仕組みをオンラインの意思決定に応用したものです。RCTの論理を理解しておくことは、観察データの分析結果を「実験ならどうだったか」という物差しで吟味する力にもなります。
なぜ生まれたか
RCT以前、治療法の効果は権威ある医師の経験と症例報告で判断されていました。しかし「この薬を飲んだ患者はよく治る」という観察には抜け穴があります。医師が回復しそうな患者を選んで新しい治療を試していたら？ 治療を受けに来られる患者がそもそも軽症だったら？ 処置を受ける人と受けない人が最初から違っているかぎり、結果の差が処置のせいなのか元々の違いのせいなのかは、どれだけ症例を集めても区別できません。統計学者ロナルド・フィッシャーは1920年代、農地の肥沃度のむらに悩む農事試験でこの問題に直面し、「どの区画にどの肥料を与えるかをランダムに決める」ことで、あらゆる既知・未知の差を確率的に均す方法を定式化しました。
この発想を医学に持ち込んだ画期が、1948年に英国で行われたストレプトマイシンの結核治療試験です。乱数表による割り付けで「誰に新薬を使うか」から人間の判断を排除し、以後、ランダム化は臨床試験の標準となりました。2000年代には貧困対策などの政策評価にもRCTが広がり、2019年のノーベル経済学賞（バナジー、デュフロ、クレマー）はこの潮流に与えられています。「良さそうに見える施策」を「効果が確かめられた施策」に変える方法として、RCTは分野を越えて定着しました。
詳細
基本の流れ
典型的なRCTは次の手順で進みます。参加者を集め、乱数で2群に割り付け、処置群にだけ処置を施し、あらかじめ決めた評価指標（アウトカム）を両群で測定して比較する、という流れです。
重要なのは、割り付け以降のすべての扱いを両群で揃えることです。測定のタイミング・観察の頻度・接し方が群によって違えば、せっかくランダム化で揃えた土台がそこで崩れます。また評価指標と解析方法は試験開始前に登録・宣言しておくのが現代の標準で、結果を見てから都合のよい指標を選ぶ「後出し」を防ぎます。これは多重比較の問題への構造的な予防でもあります。
なぜランダム化は交絡を断てるのか
因果ダイアグラムで描くと、RCTの力は一目で分かります。観察データでは「処置を受けるかどうか」に体質や重症度などの背景要因が影響し、その背景要因は結果にも影響します（交絡の分岐構造）。ランダム化は「処置を受けるか」を乱数だけで決めるため、背景要因から処置へ向かう矢印がすべて消え、処置と結果を結ぶ裏口の経路が構造ごと消滅します。
反実仮想の言葉で言えば、因果効果とは「同じ人が処置を受けた場合と受けなかった場合の結果の差」ですが、一人の人間について両方を観察することはできません。ランダム化は、処置群と対照群が互いの反実仮想の代役を（平均として）務められることを保証する仕掛けです。だから群間の平均の差が、平均的な因果効果の偏りのない推定になります。
自己選択とランダム割付で参加者を集めてみて、隠れた背景要因のバランスと効果の推定値がどう変わるかを実際に確かめてみてください。
割り付け方式を選んで「参加者を追加」を押してください。隠れた背景要因（体力）が両群にどう分かれるかと、観測される効果を比べられます。
質を支える設計要素
ランダム化だけでRCTが完成するわけではありません。盲検化（ブラインド）は、誰が処置群かを参加者や評価者に知らせない工夫で、期待や思い込みが結果や評価に混ざるのを防ぎます。薬の試験で対照群に偽薬（プラセボ）を渡すのは、「薬を飲んでいる」という認識自体の効果を両群で揃えるためです。サンプルサイズの設計も事前に行います。検出したい効果の大きさに対して検出力が足りない試験は、効果があっても「差は確認できず」で終わる公算が高く、参加者の協力を無駄にします。そして解析は原則として割り付けたとおりの群で行います（intention-to-treat解析）。処置を守らなかった人を除外すると、「最後まで続けられた人」という偏った部分集団の比較になり、選択バイアスがランダム化の利点を壊してしまうからです。
限界と、実験できないときの選択肢
RCTは万能ではありません。まず、倫理と実行可能性の壁があります。「喫煙が肺がんを起こすか」を確かめるために人をランダムに喫煙させることはできませんし、最低賃金や金利政策を国ごとにランダムに割り付けることも困難です。次に、一般化可能性の問題があります。試験に参加した集団・環境で得られた効果が、条件の異なる現実の集団でも同じとは限りません（内的妥当性は高いが外的妥当性は保証されない、と言います）。また、厳密なRCTは時間と費用がかかります。
だからこそ、実験できない場面のために観察データから因果に迫る方法が発展してきました。処置を受ける確率を揃えて比較する傾向スコア、制度変更の前後を比較群と対比する差の差分析、処置に影響するが結果には直接効かない変数を利用する操作変数法などです。これらはいずれも「RCTなら得られたはずの比較」を仮定の力で再現しようとする試みであり、RCTはそれらの妥当性を測る基準点であり続けています。複数の要因を同時に効率よく調べる発展形については、実験計画法が体系を与えています。