第1章 行動経済学とは ── 3分で地図
プロスペクト理論
★★★ アンカリング
★★★現状維持バイアス
(デフォルト効果)
★★★ システム1/システム2
★★メンタルアカウンティング
★★〜★★★ナッジ
★★第2章 歴史 ── ブームの放物線
プロスペクト理論の発表
カーネマン、ノーベル経済学賞を受賞
セイラー&サンスティーン『NUDGE』刊行
英国BIT設立
シラー、ノーベル経済学賞を受賞(行動ファイナンス)
米国SBST設立
セイラー、ノーベル経済学賞を受賞・日本BEST発足
カーネマン死去
再現性危機と不正スキャンダルで成熟期へ
第3章 再現性危機 ── 何が崩れ、何が残ったか
第4章 ナッジは効くのか ── 効果量論争
◎ 効く派の根拠
Mertens et al. 2022(PNAS)
DellaVigna & Linos 2022(Econometrica)
△ 懐疑派の根拠
Maier et al. 2022(PNAS):
- d=0.08 — Maier et al. 2022(
出版バイアス 効果が出た研究ほど発表されやすく、効果がない研究は発表されにくい偏り。 もっと詳しく → を補正した推定値) - d=0.43
— Mertens et al. 2022(212本・447 効果量 介入や条件の違いが、結果にどれだけの差を生んだかを表す統計指標。 もっと詳しく → のメタ分析 同じテーマの複数の研究結果を統計的に統合し、精度の高い結論を導く手法。 もっと詳しく → )
※ d=0.2「わずか」・d=0.5「そこそこ」は、
第5章 データ不正 ── 分野を揺らした2つの事件
第6章 投資にどう効くか
Morningstar「Mind the Gap」2025年版 (2024年末までの過去10年): 投資家が実際に得た金額加重リターンは年7.0%だったのに対し、ファンド自体の時間加重リターンは年8.2%でした。差は約1.2%ポイント/年(総リターンの約15%相当)です。値動きの荒いファンドほど差は大きく(1.8% vs 0.8%)、ターゲットデート型のようなオールインワン商品では差が小さい傾向があります。 DALBAR「QAIB」2025年版 (2024年データ): 平均的な株式投資家のリターンは年16.54%、S&P500指数は年25.02%でした。差は848ベーシスポイント(8.48%ポイント)で、過去10年で2番目に大きい差でした。
自動加入 (Madrian & Shea, 2001, QJE): 米国の確定拠出年金(401k)で、加入をデフォルト(初期設定)にすると、新規採用者の加入率が倍以上に跳ね上がりました。ただしデフォルトの拠出率(3%程度)・運用商品(MMFなど元本確保型)にそのまま留まり続ける「受動的貯蓄者」を増やす副作用も指摘されています。 - Save More Tomorrow
(Thaler & Benartzi, 2004, JPE): 昇給のたびに天引き貯蓄率を自動で引き上げる仕組み。対象者の78%が参加し、80%が4回目の昇給まで継続、平均貯蓄率は3.5%から13.6%まで上がりました。
第7章 政策の現場で
第8章 批判と誤解
ギーゲレンツァーの「ナッジからブーストへ」
誤解①「人間は非合理だから、市場は当てにならない」 : 行動経済学者自身(ロバート・シラーを含む)も、市場が完全に非効率だとは主張していません。非合理性には「予測可能なパターン」があり、裁定取引には限界があるとはいえ、市場価格は多くの情報を反映しています。行動ファイナンスは効率的市場仮説を全否定するのではなく、修正・補完する立場です。むしろ「自分の判断のクセを自覚できないなら、インデックス投資のほうが安全」という結論を裏付ける材料にもなります。 誤解②「ナッジは操作・洗脳だ」 : ナッジの存在や狙いを事前に開示しても、効果が消えないという研究結果があります。「透明なナッジ」──何をしようとしているかを隠さないナッジ──は成立しうるということです。 誤解③「行動経済学は伝統的な経済学を論破し、置き換えた」 : 実態は拡張・統合です。合理性を前提にした最適化モデルという基準線があるからこそ、そこからのズレを測定できます。行動経済学は主流派経済学を全否定する反逆の学派というより、その現実的な補正モジュールとして機能しています。詳しくは深掘り第3弾「 主流派経済学ってなに? 第4章 」でも触れています。
第9章 まとめ ── 読書ガイド
- ダニエル・カーネマン『ファスト&スロー』
(2011/邦訳2014) ── 必読の1冊。ただし第4章(プライミング研究)は、著者自身が信頼を撤回済みであることを念頭に読んでください(第3章参照)。 リチャード・セイラー『行動経済学の逆襲』 (Misbehaving, 2015) ── 学説史を当事者自身が語った記録として最良の1冊。ただし再現性問題への言及は限定的です。 セイラー&サンスティーン『NUDGE 実践行動経済学 完全版』 (Final Edition, 2021) ── 初版への批判を踏まえた改訂版。旧版より安心して勧められます。 ダン・アリエリー『予想どおりに不合理』 (2008) ── 読みやすい入門書ですが、著者にデータ不正の疑惑があることを必ず念頭に置いてください(第5章参照)。個々のエピソードを鵜呑みにせず、ほかの頑健な知見で裏を取りながら読むことをおすすめします。 大竹文雄『行動経済学の使い方』 (岩波新書, 2019) ── 日本語で読める入門書の中でも、とりわけ信頼できる1冊です。著者は行動経済学を専門とする経済学者(大阪大学栄誉教授・日本経済学会の元会長)で、政府の新型コロナ対策分科会の委員として、行動経済学の知見を実際の政策につなぐ役割も担ってきました。本の中でも「ナッジは危険なのか」という問いに紙幅を割いており(第2章)、便利さだけを売り込む本ではない点も、安心して勧められる理由です。
おまけ ── 期待値ってなに? 得なほうを計算しよう
使い方 ── 日常では、どう使う?
① スマホの保険、入るべき?
② この勝負、やるべき?
③ お金じゃなくても使える
| A | ||
|---|---|---|
| B | ||
| C |
その確率、どこから持ってくる?
| サイコロ、コイン、くじ | ||
確率: あやしいときは、高め・低めの両方で計算して、結論が変わるか見る 勝負: もらえる額 × 勝つ確率 > 失う額 × 負ける確率 なら、やる 保険: 保険料 < 損害額 × 起きる確率 なら、入る 例外: 払えない額の損は、計算の外。保険に任せる
計算機 ── この賭け、やったほうが得?
くり返すとどうなる?
合計の期待値 +5,000円 トータルで損する確率 50.0%
おまけのおまけ ── 頭で分かっても、体が動かないのはなぜ?
損は得の何倍、痛い?
期待値 +5,000円 あなたの実感 -1,017円相当
用語集
プロスペクト理論 損失回避・参照点依存・確率加重を組み込んだ意思決定理論。カーネマンとトヴェルスキーが1979年に発表。 損失回避 同じ金額でも、得るときの喜びより失うときの痛みを強く感じる傾向。「何倍痛いか」は文脈依存とされる。 確率加重 小さい確率を実際より大きく、大きい確率を実際より小さく感じる傾向。宝くじを買うことと保険に入ることを、同じ1本の曲線で説明できる。 期待値 何回もくり返したときの、1回あたりの平均。「もらえる金額 × その確率」を全部たして求める。1回の結果を当てるための数字ではない。 - アンカリング
最初に提示された数字に、そのあとの推定が引っ張られる現象。検証された古典的効果の中でもとりわけ頑健。 現状維持バイアス(デフォルト効果) 初期設定のまま変えずにいる傾向。政策のデフォルト設計の根拠になる。 - ナッジ
選択の自由を残したまま、環境設計で望ましい行動を後押しする手法。効果は実在するが平均的には小さい。 効果量 ある介入や条件の違いが、結果にどれだけの大きさの差を生んだかを表す統計指標(例: Cohenのd)。「効果があったかどうか」だけでなく「どれくらい効いたか」を表す数字。 メタ分析 同じテーマを扱った複数の研究結果を統計的に統合し、より精度の高い結論を導く手法。個々の研究単体より信頼性が高いとされる。 検定力 実際に存在する効果を、統計的に有意な結果として正しく検出できる確率。サンプルサイズが小さいと検定力が低くなり、本当の効果を見逃しやすくなる。 統計的に有意 観察されたデータの差が、偶然だけでは生じにくいと統計的な基準(通常はp値0.05未満)で判断された状態。「効果が大きい」こととは別の基準で、小さな効果でもサンプルが大きければ統計的に有意になりうる。 追試 既存の研究結果を、別の研究者・別のサンプルで再現できるか検証すること(再現性の検証)。追試で崩れた発見と、追試でも確認された発見を見分けることが、この分野の信頼回復の土台になった。 出版バイアス 効果が確認された研究ほど論文として発表されやすく、効果がなかった研究は発表されにくいという偏り。メタ分析の結果を過大評価させる一因になる。 事前登録 実験の実施前に、仮説と分析方法を公開しておく手法。あとから都合よく解釈を変える余地をなくし、再現性を高める。 - WEIRD
Western(西洋)・Educated(高学歴)・Industrialized(工業化)・Rich(裕福)・Democratic(民主的)の頭文字。心理学・行動経済学の実験被験者の偏りを指す。
参考文献
原論文 Daniel Kahneman and Amos Tversky, “Prospect Theory: An Analysis of Decision under Risk”(Econometrica, 1979)原論文 Amos Tversky and Daniel Kahneman, “Judgment under Uncertainty: Heuristics and Biases”(Science, 1974)政策への応用 Richard H. Thaler and Cass R. Sunstein, “Nudge: Improving Decisions about Health, Wealth, and Happiness”(2008)効果量メタ分析(効く派) Stephan Mertens et al., “The effectiveness of nudging”(PNAS, 2022) ── 平均効果量d=0.43、95%信頼区間0.38〜0.48。第4章で紹介。 効果量メタ分析(懐疑派) Maximilian Maier et al., “No evidence for nudging after adjusting for publication bias”(PNAS, 2022)実データ検証 Stefano DellaVigna and Elizabeth Linos, “RCTs to Scale: Comprehensive Evidence from Two Nudge Units”(Econometrica, 2022)政策研究 Eric J. Johnson and Daniel Goldstein, “Do Defaults Save Lives?”(Science, 2003)実証研究 Hunt Allcott, “Social norms and energy conservation”(Journal of Public Economics, 2011) ── Opowerの省エネレポート(近隣比較)の効果を約60万世帯の実験で検証した研究。第7章で紹介。 公式統計 GOV.UK, “Ten years of Automatic Enrolment in Workplace Pensions: statistics and analysis”(2022) ── 英国の年金自動加入10年の公式統計。第7章で紹介。 政策資料 環境省・日本版ナッジ・ユニットBEST「八王子市の取組(大腸がん検診受診率向上策)」(2020年2月) ── 損失フレームはがきの実測データ。第7章で紹介。 長期追跡・下方修正 James J. Choi et al., “Smaller than We Thought? The Effect of Automatic Savings Policies”(NBER Working Paper 32828, 2024年8月) 投資データ Morningstar, “Mind the Gap”(2025年版) 投資データ DALBAR, “Quantitative Analysis of Investor Behavior(QAIB)”(2025年版) 計算機の出典 Amos Tversky and Daniel Kahneman, “Advances in Prospect Theory: Cumulative Representation of Uncertainty”(Journal of Risk and Uncertainty, 1992) ── おまけの「おまけのおまけ」で「実感」を計算するときに使っている、価値関数・確率加重関数のパラメータの出典。 古典 Paul A. Samuelson, “Risk and Uncertainty: A Fallacy of Large Numbers”(Scientia, 1963) ── おまけの計算機のプリセット「勝てば2万・負ければ1万」で紹介している、同僚に賭けを断られた逸話の出典。
プロスペクト理論・アンカリング・現状維持バイアスは、大規模な追試を経てもなお崩れていません(★★★)。 一方、社会的プライミングや自我消耗、パワーポーズのように、派手に広まった話ほど再現に失敗しました(★)。ただし当事者はいずれも公に反論しており、論争は現在も続いています。 ナッジには効果がありますが、当初思われていたより小さいです。 学術論文では効果が大きく見え、実際に政策として使われた実データで見ると、効果はずっと小さくなります。 「有名だから正しい」わけではありません。 「何度も同じ結果が出るから正しい」という当たり前の基準が、この再現性危機が残した最大の教訓です。 投資では、あなたが暴落時にあわてて売らないことが、行動ギャップ(ファンドの成績と、あなたの手元に残るリターンの差)を小さくする一番の近道です。 ★の数を手がかりに、「確立された知見」と「まだ検証中の話」を区別しながら読む姿勢を持ち帰ってください。