【PE18】政策評価は公共政策をどのように変えるのか Evidence・評価・民主的意思決定の関係

政策評価は「正解」を教えてくれる装置ではない――全18回にわたるシリーズの最終回。Theory of Change・因果推論・評価デザイン・経済評価という方法論、英米OECD・EU・日本の制度、インフラ・医療・教育・地域という実践。理論から実務まで積み上げた先に見えたのは、「政治を排除する仕組み」ではなく「政治判断を透明化する仕組み」という結論だった。

政策評価は公共政策をどのように変えるのか――Evidence・評価・民主的意思決定の関係

本稿は政策評価シリーズ第6部第1回であり、第1部から第5部までの内容を統合する総括である。第1部（第1〜2回）では政策評価とは何か・政策形成とは何かという概念的基盤を、第2部（第3〜4回）ではEvidence・EBPMという考え方を、第3部（第5〜8回）ではTheory of Change・因果推論・評価デザイン・経済評価という方法論を、第4部（第9〜13回）では英国・米国・OECD・EU・日本という制度化のあり方を、第5部（第14〜17回）ではインフラ・医療・教育・地域政策という分野別実践を、それぞれ整理してきた。本稿は、これらの内容を新たに調査し直すものではなく、シリーズ全体を理論・方法論・制度・実践という四層として再構成し、政策評価が公共政策にもたらす変化と、その限界を整理することを目的とする。個別の政策提言、特定の制度への批判、EBPMを無条件に礼賛する主張、AI活用論、DX論、個別政策の当否は本稿の対象としない。

はじめに

ここまでのシリーズを振り返ると、第1部は、政策評価が政策サイクルの中の一段階にとどまるものではなく、政策形成全体を貫く営みであることを確認した。政策評価（Evaluation）は、政策の立案段階で行われる審査（Appraisal）や、実施の適正性を検証する監査（Audit）とは異なる概念であり、政策が想定する成果連鎖（Results Chain）に沿って、投入（Input）から活動（Activity）、産出（Output）、成果（Outcome）、影響（Impact）に至る一連の因果関係を検証する営みとして位置付けられた。第2部は、Evidenceが単なるデータの集積ではなく体系的に検証された知見を指すこと、及びEBPM（Evidence-Based Policy Making）が、Evidenceのみによって政策を機械的に決定する思想ではないことを確認した。第3部は、この理念を具体化するための方法論として、Theory of Change、因果推論、評価デザイン、経済評価という一連の枠組みを整理した。第4部は、これらの理念と方法論が、英国・米国・OECD・EU・日本という異なる統治構造のもとで、それぞれ異なる形で制度化されてきたことを確認した。第5部は、こうした理念・方法論・制度が、インフラ・医療・教育・地域政策という現実の政策分野で、どのように実践されているかを整理した。

本稿では、これらの内容を「理論」「方法論」「制度」「実践」という四層として捉え直し、政策評価が公共政策にもたらした変化を整理したうえで、Evidenceと民主主義の関係、及び政策評価の限界について検討する。結論を先取りすれば、本シリーズを通じて確認できたのは、政策評価が正解を自動的に導き出す仕組みではなく、より良い政策判断を支えるための知識基盤であるという点である。

第1章　政策評価という概念の広がり――第1部との接続

第1部第1回で確認した通り、政策評価という概念は、政策サイクルの終端に位置する事後的な点検作業として理解されるべきではない。英国のROAMEF（Rationale, Objectives, Appraisal, Monitoring, Evaluation, Feedback）サイクルが示す通り、評価（Evaluation）は、政策の妥当性（Rationale）や目的（Objectives）の設定、実施前の審査（Appraisal）、実施中の監視（Monitoring）と並ぶ一段階でありながら、その結果が次の政策形成へのフィードバック（Feedback）として還元されることで、サイクル全体を閉じる役割を担う。

第1部ではまた、Evaluation・Appraisal・Auditという三つの概念が、それぞれ異なる時点・異なる目的を持つ活動として整理された。Appraisalは政策実施前に複数の選択肢を比較検討する事前の審査であり、Evaluationは政策実施後にその効果を検証する活動であり、Auditは会計検査院等が行う、財務の適正性や合規性を検証する活動である。第4部で確認した英国のGreen Book（Appraisalの指針）とMagenta Book（Evaluationの指針）が2026年の改訂で明確に分離されたという事実、及び日本の政策評価制度が「行政評価・監視」という合規性・適正性を扱う別個の制度と並存しているという事実は、この三概念の区別が、単なる理論上の整理にとどまらず、実際の制度設計に反映されていることを示している。政策形成理論（第1部第2回）との接続で言えば、政策評価は、Kingdonの政策の窓やSabatierの提唱者連携枠組みが説明する政策形成の力学の外側に置かれた技術的な検証作業ではなく、政策形成過程そのものに埋め込まれた営みとして位置付けられる。第1部が示したのは、政策評価という営みの「置き場所」である。それは政策サイクルの外部に付加された検証手続ではなく、サイクルそのものを構成する一段階であり、この位置付けが、後続の第2部以降で扱う理念・方法論・制度・実践のすべての土台となっている。

第2章　Evidenceと民主的意思決定の基盤――第2部との接続

第2部第3回では、Evidenceという概念自体が単純ではないことを確認した。Evidence Hierarchy（エビデンスの階層）という考え方は、ランダム化比較試験（RCT）や系統的レビューを頂点に置く医学分野に起源を持つが、これを公共政策全般にそのまま適用することの妥当性については、学術的な論争が存在する。政策的な問いの中には、RCTによる検証になじむものと、なじまないものがあり、この階層構造を絶対視することは、Evidenceという概念を過度に狭く捉えることにつながりかねない。

第2部第4回で整理したEBPMは、この論点を踏まえた上で、「Evidenceのみに基づいて政策を決定する」という思想ではないことが確認された。Head（2008）が提示した「3つのレンズ」——科学的根拠に基づく知識、実務家が現場で蓄積してきた知識、政治的な文脈に関する知識——という整理は、Evidenceが政策決定における唯一の判断材料ではなく、複数の知識類型の一つに過ぎないことを示している。Cairney（2016）が論じたBounded EBPM（限定合理性のもとでのEBPM）という考え方も同様に、現実の政策形成が、完全なEvidenceの探索を前提とせず、限られた時間・情報・認知能力のもとで意思決定を行う政治過程であることを踏まえたEBPM理解を提示するものであった。この「Evidenceは政治を代替しない」という第2部の到達点は、第7章で改めて、民主主義との関係という観点から検討する。第2部が示したのは、政策評価という営みが依拠する「知識の性質」である。Evidenceが複数の知識類型の一つに過ぎないという理解は、第3部で扱う方法論が、Evidenceを唯一絶対の基準として運用するための技法ではなく、限定的な役割を持つ知識を可能な限り厳密に生み出すための技法であることを、あらかじめ規定している。

第3章　政策評価を支える方法論――第3部との接続

第3部は、政策評価という理念を、実際に検証可能な形へと具体化するための方法論を、四段階にわたって整理した。第3部第5回で扱ったTheory of Changeとロジックモデルは、政策担当者が想定する因果仮説そのものを可視化する枠組みである。Weiss（1995）による整理、及びVogel（2012）が批判的に論じた「ログフレーム・オン・ステロイズ」という指摘——すなわちロジックモデルが単純な投入・産出の連鎖表に矮小化されることへの警戒——は、この方法論が形式的な表の作成にとどまらず、政策の背後にある因果関係の想定を明示するための思考の道具であることを示している。

第3部第6回で扱った因果推論は、Theory of Changeが示す因果仮説が実際に成立したかどうかを検証するための理論的基盤である。Neyman（1923年）に始まりRubin（1974年）による観察研究への拡張を経てHolland（1986年）が命名したRubin Causal Modelは、「反実仮想」——政策が実施されなかった場合に何が起きていたかという、実際には観察されない状態——との比較によって因果効果を定義するという考え方を提供した。この枠組みと並ぶもう一つの主要な理論として、Judea Pearlが発展させた構造的因果モデル（SCM）が存在し、両者は論理的には等価でありながら、実務上のアプローチをめぐって学術的な論争を経てきたことも第3部で確認した。

第3部第7回で扱った評価デザインは、因果推論の理論を実際の調査・分析の手続きへと落とし込む段階である。英国のWhat Works Networkが用いるMaryland Scientific Methods Scaleは、差分の差分法（DID）をレベル3、回帰不連続デザイン（RDD）や操作変数法をレベル4、ランダム化比較試験（RCT）をレベル5と格付けする一方、この格付け自体が社会的介入の効果を過小評価する方向のバイアスを持ちうるという批判的な検討も存在することを確認した。RCTは反実仮想を近似する代表的な評価デザインであるが、倫理的制約、行政実務上の制約、外的妥当性の問題により、あらゆる政策評価に適用できる万能の方法ではない。第3部第8回で扱った経済評価（費用便益分析・費用効果分析・費用効用分析・多基準分析）は、「効果があるか」という問いに加えて「投じた資源に見合う価値があるか」という問いに答えるための方法論として、この一連の流れの最後に位置付けられる。

第3部を通じて確認できたのは、Theory of Change（何を検証するかという設計）、因果推論（その因果関係が成立したかを検証する理論）、評価デザイン（検証の具体的な手続き）、経済評価（資源配分の妥当性の検証）という四つの要素が、相互に接続した一連の枠組みを構成しているという点である。そして、この四段階のいずれにおいても、「万能な単一の手法は存在しない」という結論が繰り返し確認された。政策の性質、利用可能なデータ、倫理的・制度的制約に応じて、適切な方法論を選択するという考え方が、第3部全体を貫く共通の到達点である。

第4章　制度としての政策評価――第4部との接続

第4部は、第2部・第3部で整理した理念と方法論が、五つの異なる統治構造のもとで、それぞれどのように制度化されてきたかを確認した。英国は、財務省を中心とする行政内部の指針体系（Green Book・Magenta Book・ROAMEFサイクル）として、一国の政府運営そのものに評価を組み込んできた。2026年の改訂によってGreen BookとMagenta Bookが明確に分離され、Infrastructure and Projects Authority（IPA）がNational Infrastructure and Service Transformation Authority（NISTA）へと改組されたという事実は、この制度が固定的なものではなく継続的に見直されてきたことを示している。米国は、Government Performance and Results Act（GPRA、1993年）に始まり、GPRA Modernization Act（2010年）、そしてEvidence Act（2019年、下院356対17、上院全会一致という広範な超党派の支持を得て成立）へと至る、連邦法に基づく制度化の経路をたどってきた。各省庁にLearning Agendaの策定と評価担当官の設置を義務付けるという法制度上の強制力を伴う点に、米国の制度の特徴がある。

OECDは、加盟国の政策評価制度を自ら運営するのではなく、理事会勧告による原則の提示、能力構築の支援、及びピアレビューを通じて、加盟国の取り組みを側面から支援する国際機関として位置付けられる。EUは、これらとは異なり、複数の主権国家からなる超国家機関でありながら、Better Regulationという単一の枠組みのもとで、政策提案前のImpact Assessmentと事後のEvaluation・Fitness Checkを、共通の分析基準（有効性・効率性・関連性・整合性・EU付加価値）とRegulatory Scrutiny Boardによる品質審査を伴う一つの政策サイクルとして、欧州委員会自身の意思決定プロセスに直接組み込んでいる。同ボードが「政策の是非そのものではなく、分析の質と手続への準拠」のみを審査するという役割分担は、専門的な検証と政治的な最終判断とを制度的に分離するという考え方の、一つの具体的な現れである。

日本は、政策評価法（平成13年法律第86号）という単一の法律に根拠を持ち、各府省による「自己評価」と総務省による「全体管理」という二層構造のもとで、事業評価・実績評価・総合評価という三つの標準的な評価方式を組み合わせて運用してきた。政策評価審議会による2022年の提言・答申と、これを踏まえた2023年の基本方針改定は、この制度が導入から20年以上を経てもなお、継続的な見直しの対象となっていることを示している。

五つの制度を並べて確認できるのは、政策評価という共通の理念が、行政内部の指針体系（英国）、法律による強制力を伴う制度（米国）、加盟国支援を行う国際機関の枠組み（OECD）、超国家機関の意思決定プロセスへの直接組み込み（EU）、法律に基づく自己評価と全体管理の二層構造（日本）という、それぞれ異なる統治構造の中で、異なる形に制度化されてきたという事実である。制度化の主体・法的根拠・強制力の水準は国・機関によって大きく異なるが、いずれの制度も、事前の審査、実施中の監視、事後の評価、及びその結果の政策へのフィードバックという、第1章で確認したROAMEF的な循環構造を、何らかの形で内包している点は共通している。第4部が示したのは、政策評価という理念・方法論が「誰の権限のもとで運用されるか」という制度的な受け皿である。同じTheory of Change・因果推論・評価デザイン・経済評価という方法論群であっても、それを行政内部の指針として運用するか、法律による義務として運用するかによって、実務における拘束力と定着の度合いは大きく異なる。この制度的な受け皿の違いこそが、次章で確認する分野別実践の違いの背景にもなっている。

第5章　分野別実践の比較――第5部との接続

第5部は、第3部・第4部で整理した理論・方法論・制度が、現実の政策分野でどのように実践されているかを、インフラ・医療・教育・地域政策という四つの分野を通じて確認した。この比較を通じて浮かび上がるのは、政策分野ごとに「何を成果とみなすか」という成果指標の設定が異なり、それに応じて採用される評価手法も異なるという事実である。

政策分野	主たる成果指標	中心的な評価手法	因果構造の複雑さ
インフラ政策	社会全体の便益	費用便益分析（NPV・B/C・EIRR）	比較的単純
医療政策	健康改善（QALY）	費用効果評価（ICER）	比較的単純
教育政策	学力・長期アウトカム	RCT中心の因果推論	中程度
地域政策	KPI複合指標	ロジックモデル＋合成対照群法等の複合評価	複雑

インフラ政策では、投資がもたらす社会全体の便益が、走行時間短縮・走行経費減少・交通事故減少といった項目ごとに貨幣換算され、純現在価値（NPV）・費用便益比（B/C）・経済的内部収益率（EIRR）という三指標によって、規模・効率・収益率という異なる観点から投資効率性が測定される。社会的割引率4％、評価期間50年といったパラメータが技術指針によって全国的に標準化されている点、及び会計検査院による事後的な検証の対象となっている点は、この分野の評価が高度に制度化・標準化されていることを示している。医療政策では、人の生命・健康を直接貨幣換算することを避け、QALY（質調整生存年）という共通の健康指標と、増分費用効果比（ICER）という指標によって、費用対効果が測定される。日本の費用対効果評価制度は、この評価結果を保険収載の可否ではなく、既に保険収載された品目の価格調整という限定された範囲に用いており、ICERが500万円未満であれば「価格維持を基本とする」取り扱いとなるものの、最終的な調整率は臨床的・社会的観点を含む総合的評価を経て決定される。稀少疾患・小児のみの品目が評価対象そのものから除外されているという制度設計は、単一の定量指標だけでは捉えられない価値への配慮が、評価手法の外側で、対象品目の選定基準そのものに組み込まれていることを示す一例である。

教育政策では、Perry Preschool ProjectやProject STARに代表されるランダム化比較試験（RCT）が、学力という短期指標にとどまらず、所得・健康・犯罪といった長期的なアウトカムまでを検証する手法として発展してきた。What Works Clearinghouse（WCC、米国）やEducation Endowment Foundation（EEF、英国）といった、政府が指定するWhat Works Centreの存在は、教育政策が、第3部で整理した評価デザインの階層のうち、相対的に高いレベルの実験的手法を志向する分野であることを示している。地域政策では、こうした単一の成果指標・単一の評価手法を持つ他の三分野とは異なり、人口・雇用・産業・公共交通・土地利用が相互に作用する複雑な因果構造を持つため、KPIとロジックモデルによる政策設計の明示化、アクセシビリティ指標による多面的な測定、そして政策対象となる地域の数が少ないという制約に対応する合成対照群法（Synthetic Control Method）といった、複数の手法を組み合わせた複合評価が用いられている。

この四分野の比較から確認できるのは、政策分野が持つ因果構造の複雑さに応じて、評価手法が単一指標による測定から複合的な評価へと発展してきたという傾向である。投資と便益の関係が相対的に直接的なインフラ政策では費用便益分析という単一の経済的手法が高度に発達し、複数の政策領域が相互作用する地域政策では、単一の手法では対応しきれず、複数の方法論を組み合わせる必要が生じている。第5部が示したのは、第3部の方法論と第4部の制度が、現実の政策分野という「現場」に着地した際に、分野の性質に応じて姿を変えるという事実である。理論・方法論・制度がいかに整備されていても、それがそのまま画一的に適用されるわけではなく、成果指標を何に置くかという分野固有の判断を経て、初めて実践として機能する。この「理論・方法論・制度が実践において姿を変える」という関係を踏まえた上で、次章では、こうした一連の営みが公共政策全体に何をもたらしてきたかを検討する。

第6章　政策評価が公共政策にもたらした変化

第1部で確認した通り、政策評価には、行政組織の学習（Learning）と、国民に対する説明責任（Accountability）という二つの目的がある。本章では、この二つの目的を軸としながら、第1部から第5部までの内容を統合し、政策評価という営みが公共政策にもたらしてきた変化を、政策形成・行政組織・財政運営・政策形成文化という四つの観点から整理する。

政策形成の変化――経験・勘・政治判断からEvidenceを前提とした議論へ

第2部で確認したEBPMという理念は、政策形成の出発点を、担当者の経験や勘、あるいは政治的な力学のみに委ねるのではなく、体系的に検証されたEvidenceを議論の前提として組み込むことを志向する考え方であった。第3部で確認したTheory of Changeは、この理念を、政策担当者が想定する因果仮説を明示するという形で具体化する。政策が「なぜ効果を持つと想定されるのか」をロジックモデルとして言語化する作業は、経験や勘に基づく暗黙の想定を、検証可能な仮説へと転換する作業に他ならない。第5部で確認した地方創生政策における総合戦略のロジックモデル化——目標と施策群との因果関係を明示的に整理する2025年の制度改訂——は、この転換が実際の政策形成の現場でどのように進んできたかを示す具体例である。もっとも、第2部で確認した通り、この変化は経験や政治判断を排除することを意味しない。Head（2008）の3つのレンズが示す通り、科学的知識・実務知識・政治的知識は並存するものであり、政策形成の変化とは、これらの中にEvidenceという一つの知識類型を体系的に組み込む場を確保してきた過程として理解すべきである。

行政組織の変化――評価する組織から学習する組織へ

第4部で確認した各国・機関の制度は、いずれも一度整備されて終わるものではなく、継続的な見直しの対象となってきた。英国におけるGreen Book・Magenta Bookの分離改訂とIPAからNISTAへの改組、米国におけるLearning Agendaの制度化、EUにおけるRegulatory Scrutiny Boardによる評価そのものの質の審査、日本における政策評価審議会を通じた基本方針の改定は、いずれも、政策評価を担う組織自体が、運用を通じて得られた知見に基づいて自らを調整し続けてきたことを示している。第5部で確認した医療政策における分析ガイドラインの累次の改定（2015年の初版から2024年度版に至るまで）、及びインフラ政策における精神的損害額の改定（2007年の226百万円から2023年の601百万円へ）といった評価パラメータ自体の見直しも、同様の学習過程の一部である。これらの事実が示すのは、政策評価制度の発展が、単に「評価を実施する組織」を作ることにとどまらず、評価結果を踏まえて制度・基準・組織そのものを更新し続ける、学習する組織としての性格を行政組織に付与してきたという変化である。

財政運営の変化――説明責任から優先順位付け・資源配分へ

説明責任という目的は、評価結果の公表と、事後的な検証可能性の確保という形で制度化されてきた。インフラ政策における会計検査院による算出根拠の検証、日本の政策評価制度における評価書の作成・公表義務、EUにおけるRegulatory Scrutiny Boardによる分析の質の審査は、いずれも、評価の過程・結果が外部から検証可能な形で残されることを制度的に担保する仕組みである。この説明責任の確保を土台として、第5部で確認した通り、評価結果は、個別事業の採択・継続・中止（インフラ政策）、医薬品・医療機器の価格調整（医療政策）、KPIに基づく政策の見直し（地域政策）という形で、限られた公共資源の配分に直接反映される仕組みへと接続されてきた。すなわち財政運営における政策評価の役割は、単に「使った資源を事後的に説明する」という段階から、「限られた資源をどの政策に優先的に配分するか」という判断を支える段階へと、その比重を広げてきたと整理できる。

政策形成文化の変化――事後評価から事前設計への重心の移動

第1部で確認したAppraisal・Evaluation・Auditの区別、及び第3部で確認したTheory of Changeの重視は、政策評価という営みの重心が、政策実施後の事後評価のみに置かれるのではなく、政策を立案する段階からその因果構造を明示し、検証可能な形で設計するという、事前の営みへと広がってきたことを示している。EUにおけるImpact Assessment（事前評価）とEvaluation・Fitness Check（事後評価）が共通の分析基準のもとで一つの政策サイクルとして運用されているという事実、及び日本の総合評価方式が事業評価における事前・事後の評価結果を相互に活用する運用を許容しているという事実は、この事前・事後の一体化が、複数の制度に共通して見られる傾向であることを示している。政策形成文化の変化とは、この意味において、「政策を実施してから効果を測る」という発想から、「効果を検証できる形で政策を設計し、実施し、改善する」という発想への、重心の移動として捉えることができる。

第7章　Evidenceと民主主義

第2部で確認した「EvidenceはEBPMにおける唯一の判断材料ではない」という原則は、民主的な意思決定という文脈において、より重要な意味を持つ。第4章で確認したEUのRegulatory Scrutiny Boardが、政策の是非そのものについてコメントを行わず、分析の質と手続への準拠のみを審査するという任務規程を持つという事実は、専門的な検証と、民主的に選出された主体による最終的な政治判断とを、制度上明確に分離するという考え方の具体的な現れである。専門組織が示す分析結果は、あくまで意思決定のための材料であり、価格調整や政策の採否という最終的な決定の権限は、中央社会保険医療協議会や欧州委員会・中医協といった、政治的な正統性を持つ審議機関に留保されている。この構造は、第5部で確認した日本の費用対効果評価制度における「専門組織による総合的評価」と「中医協による最終決定」との分離にも共通して見られる。

第2部で確認したEvidence-Based（エビデンスに基づく）ではなくEvidence-Informed（エビデンスを踏まえた）という語法の違いは、この分離の理念を言語の面から表現するものである。Evidenceは、政策が達成しようとする目的そのものを与えるものではなく、ある政策手段が特定の状況のもとでどのような効果を持つ可能性が高いかという、経験的な知見を提供するにとどまる。目的の設定、複数の価値の間での優先順位付け、及び資源配分の最終的な決定は、専門的な検証の範囲を超えた、政治的・社会的な判断の領域に属する。第5部で確認した医療政策における小児疾患の評価対象からの除外や、終末期医療における単純なICERの水準のみによらない総合的評価は、こうした専門的な検証の外側にある社会的な価値判断が、制度設計そのものに組み込まれてきた具体例である。

これらを踏まえると、政策評価という営みが民主主義に対して果たす役割は、政治判断を専門的な分析に置き換え、政治そのものを不要にすることではないと整理できる。むしろ、Theory of Changeによって政策の想定する因果構造を明示し、評価デザインによってその成否を検証可能な形にし、Regulatory Scrutiny Boardや中医協のように分析の質の審査と最終的な政治判断の主体とを分離して制度設計することは、政治判断がどのような根拠に基づいて下されたのかを、事後的に検証可能な形で外部に開示するという機能を持つ。すなわち政策評価は、政治判断を排除するための仕組みではなく、政治判断がどのような分析・根拠を踏まえて行われたのかを透明化するための仕組みである。この透明化の機能があるからこそ、第1章で確認した説明責任という目的と、第6章で確認した学習という目的の双方が、制度として成立する。

第8章　政策評価の限界

本シリーズを通じて、政策評価が万能の意思決定装置ではないことも、繰り返し確認されてきた。ここでは、これまで各部で確認してきた限界を、技術的限界、制度的限界、価値判断に関わる限界という三種類に整理する。

技術的限界――測定できないもの、識別できないもの

第3部第6回で確認した通り、因果推論には、外的妥当性の問題（ある文脈での結果を他の文脈に一般化できるかという問題。Deaton（2010）による開発経済学におけるランダム化実験の急速な普及への批判的検討はこの一例である）、及び複雑な政策介入における効果の分離の困難さという、技術的な限界が存在する。第2部で確認したEvidence Hierarchyの限界も、この一部を構成する。Evidence Hierarchyが医学分野に起源を持つ以上、その階層構造をそのまま公共政策全般に適用することには限界があり、RCTによる検証になじまない政策的な問い——例えば長期的な制度変化や、複数の政策が同時に作用する地域政策のような分野——も数多く存在する。第5部第4回で確認した地域政策の評価が、単一の手法ではなく合成対照群法等を組み合わせた複合評価へと発展してきたのは、この技術的限界に対する実務上の対応の一つの現れである。

制度的限界――実施できないもの、時間・予算に制約されるもの

第3部第6回・第7回で確認した通り、無作為な割り付けを伴う実験の実施自体が、行政実務においては予算・法制度上の制約から困難な場合が多い。第3部第7回で確認した通り、評価デザインの選択に「最も高度な手法」という単一の正解は存在せず、「政策課題に最も適した設計」を選ぶという考え方が基本となるのは、この制度的制約が常に存在するためである。第4部で確認した各国制度についても、英国における大規模事業の評価計画未策定率（2019年時点で64％、2025年時点で34％まで改善）が示す通り、制度が整備されていることと、それが実務上すべての政策について徹底されることとは、必ずしも同一ではない。第5部で確認したインフラ政策における会計検査院の指摘（便益・費用の算出根拠が十分に確認できない事例の存在）も、同様に、制度上の枠組みと実際の運用との間に生じうる乖離を示している。

価値判断の限界――公平性・倫理・民主的正統性に関わるもの

倫理的制約（対象者を意図的に処置群・対照群に分けることの是非）は、技術や制度の問題ではなく、価値判断そのものに関わる限界である。第5部で確認した医療政策の実践は、この種の限界がどのように実務に反映されているかを示す具体例である。増分費用効果比（ICER）という定量的な指標は、価格調整の判断における重要な材料でありながら、それのみで機械的に判断が下されるわけではなく、稀少疾患・終末期医療・小児医療といった、単一の指標には還元できない公平性・倫理に関わる価値が、対象品目の選定基準や総合的評価という形で、制度設計の中に組み込まれてきた。第2部で確認したEBPMへの批判（Cairney, 2016）が指摘するのも、究極的にはこの点である。すなわち、政策の目的そのものの是非、複数の価値の間での優先順位付けは、Evidenceの多寡によって解消される問題ではなく、第7章で確認した通り、民主的な正統性を持つ主体による政治判断の領域に属し続ける。

これら三種類の限界を踏まえると、政策評価は、不確実性・測定困難な価値・公平性・長期的な効果・複数の政策間の相互作用という要素を、完全に解消することのできる仕組みではない。政策評価が提供できるのは、こうした不確実性の中でも、より根拠に基づいた判断を行うための材料であり、その材料をどのように用いるかという最終的な判断は、政策評価の枠組みの外側にある民主的な意思決定の領域に属し続ける。

政策評価という知識体系

本シリーズが第1部から第5部にわたって整理してきた内容を一段高い視点から見渡すと、政策評価は単独の制度でも、単独の技法でもないことが確認できる。それは、政策形成理論（政策がどのように形成されるかを説明する理論）、EBPM（Evidenceを政策形成の一つの知識類型として位置付ける理念）、Theory of Change（政策の因果仮説を明示する設計技法）、因果推論（その因果仮説を検証する理論的基盤）、評価デザイン（検証を実行に移す方法論）、経済評価（資源配分の妥当性を検証する方法論）、行政制度（これらの理念・方法論を運用する統治上の枠組み）、そして分野別実践（これらすべてが個別の政策分野で姿を変えて現れる場）という、複数の知識領域が重なり合って初めて成立する、学際的な分野である。

この知識体系のいずれか一つの領域だけを取り出しても、政策評価という営みの全体像を捉えることはできない。因果推論の理論だけを知っていても、それを行政制度の中でどう運用するかが分からなければ実務には接続されず、行政制度だけを知っていても、その制度が依拠する方法論の限界を理解していなければ、制度への過信につながりかねない。本シリーズが第1部から第5部までを通じて、理論・方法論・制度・実践という順序でこの知識体系を積み上げてきたのは、政策評価という営みが、これらの層を一つずつ積み重ねることで初めて、公共政策の中で機能する実践となることを示すためであった。

まとめ

本稿では、政策評価シリーズ第1部から第5部までの内容を、理論（第1〜3部）、制度（第4部）、実践（第5部）という三層として統合し、政策評価が公共政策にもたらした変化と、その限界を整理した。第1部で確認した通り、政策評価は政策サイクル全体に埋め込まれた営みであり、第2部で確認した通り、Evidenceは政策決定における唯一の判断材料ではない。第3部で確認した通り、Theory of Change・因果推論・評価デザイン・経済評価という一連の方法論には、いずれも万能な単一の手法は存在せず、第4部で確認した通り、この理念と方法論は、五つの異なる統治構造のもとでそれぞれ異なる形に制度化されてきた。第5部で確認した通り、政策分野が持つ因果構造の複雑さに応じて、評価手法は単一指標による測定から複合的な評価へと発展してきた。

これらを踏まえた本シリーズの結論は、次の通りである。政策評価は、公共政策における正解を自動的に導き出す仕組みではない。それは、不確実性を伴う政策判断において、より根拠に基づいた意思決定を行うための知識基盤であり、専門的な検証（Evidence）と、民主的な正統性を持つ主体による最終的な判断（政治）とを、明確に分離しつつも接続するための制度的な工夫の総体である。理論・方法論・制度・実践という四層にわたって蓄積されてきたこの知識基盤は、それ自体が政策の当否を決定するものではなく、より良い政策判断を支えるための土台として機能する。この関係を正確に理解することが、政策評価という営みを、公共政策の中に適切に位置付けるための出発点となる。

参考文献

年表

• 1923年 ネイマン、潜在的結果の考え方を提唱（因果推論の起源）
• 1925年 フィッシャー、ランダム化実験の考え方を確立
• 1974年 ルービン、潜在的結果の枠組みを観察研究に拡張
• 1983年 ローゼンバウム＆ルービン、傾向スコアマッチングを確立
• 1986年 ホランド、Rubin Causal Modelと命名
• 1993年 米国、GPRA（政府業績成果法）制定
• 1994年 カード＆クルーガー、最低賃金研究（DIDの代表事例）
• 1995年 ワイス、Theory of Change論を発表
• 1997年 日本、行政改革会議最終報告（政策評価制度導入を提言）
• 1997年 ポーソン＆ティリー、リアリスト評価を提唱
• 2001年 日本、政策評価法制定／EU、Better Regulationの起源となる委員会白書
• 2002年 日本、政策評価法施行
• 2003年 アバディ＆ガルデアサバル、合成対照群法（バスク地方研究）
• 2008年 ヘッド、EBPMの「3つのレンズ」を提示
• 2010年 米国、GPRA近代化法／アングリスト＆ピシュケ「信頼性革命」論文
• 2012年 EU、REFIT開始／日本、中医協が費用対効果評価専門部会設置
• 2014年 日本、まち・ひと・しごと創生法制定／立地適正化計画制度創設
• 2015年 EU、Better Regulation改訂・Regulatory Scrutiny Board新設
• 2016年 ケアニー、Bounded EBPM論を提示／日本、費用対効果評価を試行導入
• 2019年 米国、Evidence Act成立（下院356対17）／日本、費用対効果評価が本格運用
• 2022年 OECD、公共政策評価に関する理事会勧告／日本、政策評価審議会が提言・答申
• 2023年 日本、政策評価に関する基本方針を一部改定
• 2025年 日本、地方創生2.0基本構想閣議決定
• 2026年 英国、Green Book・Magenta Bookを分離改訂／IPAがNISTAへ改組

用語集

• 政策評価（Evaluation）：政策の効果を事後的に検証する営み。事前審査（Appraisal）、監査（Audit）とは区別される。
• EBPM：Evidenceに基づく政策形成。Evidenceのみで政策を機械的に決定する思想ではない。
• Evidence Hierarchy：エビデンスの階層。医学分野に起源を持ち、公共政策への適用には限界がある。
• Theory of Change：政策担当者が想定する因果仮説を明示する設計技法。ロジックモデルとして具体化される。
• Rubin Causal Model：潜在的結果に基づき因果効果を定義する理論的枠組み。
• 反実仮想（Counterfactual）：政策が実施されなかった場合に何が起きていたかという、観察されない状態。
• Maryland Scientific Methods Scale：評価手法の頑健性を1〜5段階で格付けする尺度。英国What Works Networkが使用。
• Green Book・Magenta Book：英国の事前審査・事後評価の指針。2026年に分離改訂。
• Evidence Act：米国の証拠に基づく政策形成に関する連邦法（2019年成立）。
• Better Regulation：EUの政策形成プロセス全体を対象とする制度。Impact AssessmentとEvaluation・Fitness Checkから成る。
• Regulatory Scrutiny Board：EUの品質審査機関。政策の是非ではなく分析の質のみを審査する。
• 政策評価法：日本の政策評価制度の根拠法（平成13年法律第86号）。
• ICER（増分費用効果比）：医療技術の追加的な費用対効果を示す指標。
• QALY（質調整生存年）：生存年数と生活の質を統合した健康指標。
• 合成対照群法（Synthetic Control Method）：対象数が少ない地域政策等の因果推論に用いる手法。
• Evidence-Informed：Evidence-Basedとは異なり、エビデンスを政策判断の一材料として位置付ける語法。

ログ