EBPMのロジックモデルとは――日本の制度・作り方・因果推論から見る限界
この記事の概要
公開日：2026年2月14日 最終更新日：2026年8月28日
ロジックモデルとは
ロジックモデルとは、政策に投入する資源（Input）から、活動（Activity）、産出（Output）、成果（Outcome）、長期的影響（Impact）までの因果仮説を可視化する枠組みです。EBPMでは、図を信じるためではなく、各「矢印」がなぜ成立するのか、どの証拠で支えるのか、何を測り、どの比較で検証し、結果が想定と異なったときにどう更新するのかを明示する「疑うための地図」として使います。ロジックモデルの完成は、EBPMの完了ではありません。
この記事の結論
ロジックモデルで重要なのは、箱の名称より矢印の妥当性である。
アウトプットは「実施したこと」、アウトカムは「対象や社会に生じた変化」である。
各矢印に、根拠、測定指標、データ、比較方法、前提条件を対応させる。
ロジックモデルだけでは「政策がなければ何が起きたか」という反事実を示せない。
効果なし、逆効果、想定外の影響も政策を更新するための成果として扱う。
ロジックモデルの5つの基本要素
Input／投入
政策に使う資源。何を使うのか。例：予算、人員、施設、データ。
Activity／活動
資源を使って実施すること。何をするのか。例：研修、給付、規制、情報提供。
Output／産出
活動から直接生じる提供量。何を実施・提供したのか。例：開催回数、参加者数、配布数。
Outcome／成果
対象者の知識、行動、状態の変化。何が変わったのか。例：技能、就業、所得、健康。
Impact／影響
社会全体の長期的・純粋な変化。社会全体に何が残ったのか。例：雇用純増、格差縮小、社会厚生。
5つの箱を並べるだけでは、政策効果は示されません。「活動を行えば、なぜ産出が生まれ、その産出がなぜアウトカムを変えるのか」という矢印は、検証前の仮説です。
EBPMで使えるロジックモデルの作り方
活動から考えるのではなく、先に望ましいアウトカムを定義し、そこから逆算します。
解決したい政策課題と対象集団を明確にする。
活動を考える前に、主要アウトカム、評価期間、望ましくないアウトカムを定義する。
最終アウトカムから逆算し、必要な中間変化を配置する。
Input、Activity、Output、Outcome、Impactを混同せずに分ける。
各矢印について、作用メカニズム、前提条件、外部要因、失敗経路を書く。
各矢印に、既存エビデンス、測定指標、データ取得方法、比較群・識別戦略を対応させる。
どの結果なら継続、拡大、修正、停止するのかを事前に定める。
EBPM.jp式：ロジックモデルの矢印を監査する6つの問い
以下は公的な国際標準ではなく、本記事の問題意識を実務向けに整理したEBPM.jp独自のフレームです。各矢印を、短い説明ではなく検証可能な問いへ変換します。
1. メカニズム
なぜAが変わるとBが変わると考えるのか。
2. エビデンス
その関係を支える研究、理論、過去の評価は何か。
3. 測定
何を、誰について、いつ、どのデータで測るのか。
4. 反事実・識別
政策がなかった場合と、どのように比較するのか。
5. 前提・外部性
どの条件で成立し、対象外の人、市場、地域、制度に何が起きるのか。
6. 更新ルール
どの結果が出たら、継続、拡大、修正、撤退するのか。
ロジックモデルの具体例：職業訓練政策
見かけ上のロジックモデル
予算投入 → 研修実施 → 参加者が技能を取得 → 参加者の就職率が上昇 → 社会全体の雇用が増加
検証可能なロジックモデルで追加すべき項目
対象者と非対象者をどのように比較するか。
主要アウトカムは就職率、所得、雇用継続のどれか。
評価期間をどこに置くか。
もともとの意欲や能力による選択バイアスをどう扱うか。
参加者の就職が他の求職者を押しのける置換効果がないか。
地域全体の雇用純増につながったか。
効果がない場合に研修内容、対象、予算をどう修正するか。
参加者個人の改善と社会全体の純効果は同じではありません。以下の詳細分析では、置換効果、一般均衡効果、外部性、反事実を含めて、この違いを検討します。
動画で見る｜ロジックモデルとは何か
ロジックモデルが『信じる設計図』ではなく、因果仮説を検証するための『疑う地図』である理由を、EBPM新聞で解説します。
日本でロジックモデルが重視された制度的背景
日本のEBPM導入過程の一部では、ロジックモデルや政策目的・手段・アウトカムの整理が共通作法として強く前面に出てきた。特に行政事業レビューなどの実務では、ロジックモデル的な政策構造の可視化が重要な役割を担ってきた。しかし本来、ロジックモデルは仮説の構造化に過ぎず、因果効果そのものを保証するものではない。本節では、なぜ日本のEBPMがロジックモデル中心の実務へと制度化されていったのかを、行政評価制度の形成過程から整理する。
日本のEBPMは、評価制度と統計改革の延長線上で制度化された。
日本における制度的基盤は、2001年6月29日に公布され、2002年4月1日に施行された「行政機関が行う政策の評価に関する法律」（政策評価法）に遡る。同法は、政策目的・手段・指標を整理し、評価結果を行政運営の改善および説明責任の確保に活用する枠組みとして設計された。他方で、RCTや準実験といった厳密な因果推論手法の実施を制度要件として一般的に義務付ける構造にはなっていない。そのため、評価設計や分析の深度は各府省の運用能力、データ環境、専門人材の配置状況に依存し、方法論上のばらつきが生じやすい構造を内在している。
直線的ロジックは、複雑な現実を過小評価する。
その後、政府方針の中で「証拠に基づく政策評価」の重要性が明示される局面が増える。例えば「骨太の方針2013」では、エビデンスに基づく政策評価の確立に言及し、統計の透明化・オープン化などデータ基盤の強化を改革の文脈に位置付けた。ここでのポイントは、EBPMが「分析手法」よりも先に「統計・データ基盤の整備」と結びつく形で政策文書に登場し、のちの統計改革・EBPM推進体制の議論へ接続した点にある。
統計改革とEBPMの推進体制
2016年以降、統計改革がEBPM推進の前提条件として強く意識されるようになる。政府は統計改革の基本方針を策定し、政策立案・評価に耐えるデータの整備と品質確保を進める立場を示した。ここでは「EBPMを推進するためには、その証拠となる統計等の整備・改善が重要」であり、「EBPMと統計の改革は車の両輪」と整理される。すなわち、政策の効果検証を可能にするには観測可能なデータ構造が必要であり、逆にEBPMの要請が統計整備の優先順位を引き上げる、という相互促進関係が制度上の前提として置かれている。
データ基盤なくして、因果は語れない。
2017年2月3日に第1回統計改革推進会議が開かれ、同年5月19日に「最終取りまとめ」が公表された。その後、EBPM推進体制の整備が進展した。これらは統計を政策立案・評価に実装する方向性を示すとともに、各府省横断でEBPMを推進するための足場を整える役割を持った。さらに同年8月、行政改革推進本部の下でEBPM推進の取組が強化され、各府省に対してモデル事例の作成が求められるなど、実務における「共通言語」としてのEBPMが整備されていく。この局面では、因果推論の高度化よりも先に、政策目的・施策・指標を一貫して整理する作業が行政全体に要請されやすい。
こうした取組は、政策研究・実務の整理として、政策体系の異なる階層（マクロ方針／施策／事務事業）にまたがる三層構造としてまとめられることが多い。
日本のEBPMは、三層構造で制度化された。
便宜上、(1)政策レベル（KPI等による進捗管理）、(2)施策レベル（政策評価の高度化）、(3)事務事業レベル（行政事業レビューによる点検）という三つの取組として理解される。
政策レベル（狭義の政策）：内閣府（経済財政諮問会議事務局）等によるマクロ方針・計画体系におけるKPI（重要業績評価指標）の設定と進捗管理。施策レベル：政策評価法に基づく各府省の政策評価の高度化。客観データや統計的情報の活用を促し、評価品質の改善を図る。事務事業レベル：行政事業レビューの充実。多数の個別事業について、目的・手段・アウトカムの論理を整理し、指標とデータで点検し、見直しや予算要求に反映させることを目指す。
以上の枠組みにより、政府はトップダウンでEBPMを制度化し、政策体系の各階層に「指標管理とレビュー」を組み込んだ。骨太方針以降の文脈では、歳出改革・予算の効率化と結びつけてEBPMが語られやすく、EBPMは「検証に基づく学習」だけでなく「財政・行政運営の説明責任を支える管理技術」としての性格を帯びる。
2026年の日本政府におけるEBPM
内閣官房の「EBPM取組方針（令和8年度）」と「令和8年度の行政事業レビューの進め方について」、政府の行政改革が2026年3月に示した「政策効果の測定と点検・改善のポイント」は、ロジックモデルの作成だけでなく、政策効果の測定、点検・改善、データ活用、機動的で柔軟な政策形成を重視している。加えて、各府省庁に対する専門家支援も整備されている。したがって本稿の批判対象は、ロジックモデルをエビデンスそのもの、または評価の完了条件として扱う運用に限定される。
ロジックモデル重視の背景と行政文化
日本のEBPM導入過程の一部では、ロジックモデル的な政策構造の可視化が共通作法として強く前面に出てきた。行政事業レビュー等では、事業シートに「政策目的→手段→アウトカム」を整理したロジックモデルの明示が重視され、政策の論拠を明確化することが導入時の主要メッセージとなった。
ロジックモデル（政策の因果関係を図式化する枠組み）は、もともとセオリー評価の系譜に属するが、日本では「評価可能性を高める設計図」である以上に、「説明責任に耐える筋書き」として機能しやすい。目的・手段・指標が一枚で示せ、予算査定・内部統制・進捗管理と親和的であるためである。
ロジックモデルは、行政文化と強く結びついている。
ロジックモデルを作成すること自体は、政策の仮説を可視化し、測定すべきポイントを洗い出すうえで有用である。しかし、その作成が目的化すると「エビデンス＝ロジックモデルの整合性」と狭く捉えられる危険がある。特に行政事業レビューなどの実務では政策構造の可視化が重要な役割を担ってきた一方、2026年度の取組は政策効果の測定、点検・改善、データ活用、専門家支援まで含む。問題はロジックモデルを作ることではなく、それを検証への入口ではなく完了条件と誤認する運用にある。
図が整っても、因果は証明されていない。
この偏りを生む要因は単一ではない。少なくとも、(1)行政組織内の評価専門人材・分析能力の不足、(2)行政データの整備水準やアクセス制約、(3)公平性規範や政治的制約によりRCT的設計が取りにくい土壌、(4)失敗（効果なし・逆効果）を学習として扱いにくい文化、といった複合要因が重なりやすい。
EBPMの目的は、正しさの証明ではなく更新である。
結果として、形式面（計画・論理・指標）を整えることが先行し、検証（反事実設計と因果推論）と更新（撤退・修正）が後景化するリスクが残る。政策評価結果が政策改善や予算配分に十分活用されてこなかったという指摘も踏まえると、EBPMの定着は「図を描く能力」の問題というより、検証と更新を制度上・文化上の通常業務として回すための運用設計の問題として再定位される必要がある。
ロジックは入口、検証が核心。
海外の評価ガイダンスとTheory of Change
海外の主要な評価ガイダンスでは、Theory of Changeを評価設計の入口としつつ、政策質問に応じて理論ベース、実験、準実験、プロセス評価、費用対効果評価等を組み合わせる。英国のMagenta Book 2026は、process evaluation、impact evaluation、value for money evaluationを補完的に扱い、単一の方法を国際標準として固定していない。
英国でエビデンス評価を政策・予算へ接続する制度面は、英国What Worksの制度解説で扱っています。
EBPMの核心は「因果効果」をどう識別するかにある。
すなわち、政策設計のロジックを明示したうえで、現実のデータにより因果効果を検証し、結果に応じて介入を修正・拡大するループを回すことが中核となる。
政策効果は「もしなかったら」との比較で測る。
適切に設計・実施されたランダム化は、交絡を抑え介入効果を識別する強力な方法である。一方、政策課題、倫理、実施環境、外部性、一般均衡効果等によっては、準実験や理論ベース評価など別の設計が適切な場合もある。観察研究はデータ制約下での実務的選択肢であるが、交絡・選択バイアス等のリスクを明示し、因果推論の限界を管理しながら用いられる。さらに、制度として「何がエビデンスと呼べるか」を階層化し、資源配分や制度要件に反映させる設計が取られることが多い。
ロジックモデルは出発点であって、証拠の頂点ではない。
米国教育分野のESSAではエビデンスを複数の段階で扱う。Tier 4相当の「demonstrates a rationale」は、合理的なロジックがあるだけではなく、高品質な研究知見または肯定的評価に基づき介入がアウトカム改善につながる合理的根拠を示し、その効果を検証する継続的な取組を伴う。
EBPMは、理論と実証が揃って初めて成立する。
つまり、ロジックモデルがあることは「仮説の提示」にはなるが、「効果が示された」ことにはならない。ここに、日本の実務で生じやすい「ロジックモデル＝EBPM」という短絡を相対化する制度的基準がある。
制度面では、米国のEvidence Act（Foundations for Evidence-Based Policymaking Act of 2018）が、政府機関に評価・データ・学習計画といったエビデンス構築機能を埋め込み、検証を行政の常態業務として回す方向を強めた。英国ではMagenta Bookが評価の設計・実施・活用の標準を提供し、Theory of Changeを評価設計に接続する枠組みとして明確化している。国際機関や研究ネットワーク（例：開発経済領域のRCT蓄積）も、政策介入の効果検証を前提に「段階的拡大（scale）」を図る運用を一般化させてきた。
エビデンスは報告書ではなく、予算を動かす力である。
ロジックモデルの4つの限界
最後に、ロジックモデルのみに依拠したEBPMが内包するリスクと限界を、政策評価・因果推論の観点から整理する。結論を先に置けば、ロジックモデルは「現実を説明するための仮説の体系」に過ぎず、それ自体は因果効果の証明ではない。政策が介入する対象は、個人・組織・市場・地域社会といった多層の相互作用系であり、そこで生じる反応は、直線的な因果連鎖（Input→Output→Outcome）の図示だけでは捉えきれない。したがって、ロジックモデルが制度上の成果物として完成されるほど、「もっともらしいが誤っている」政策が検証を経ずに実装・拡大される危険が高まる。
図は整う。しかし因果は別問題である。
ロジックモデルが有用であるのは、仮説を明示し、測定すべき点（どの変数がどの経路で動くはずか）を列挙できるからである。しかし、その利点は同時に弱点でもある。図は、政策が成功する前提条件を自然に「書き込まずに」済ませてしまう。実務上は、前提条件の列挙を省略した方が説明は簡潔になり、合意形成も進みやすい。しかし科学的には、前提条件こそが検証の対象である。ここに、行政文脈でロジックモデルが「説明責任の道具」として最適化されるほど、EBPMの核である「反証可能性」が失われるという構造的緊張が生じる。
主要な評価ガイダンスでは、理論、実施過程、因果効果、費用対効果を評価質問に応じて組み合わせる。
一般均衡効果の見落とし
第一の限界は、一般均衡効果（general equilibrium effects）に代表される「系の反応」を取りこぼしやすい点である。ロジックモデルは、介入と対象者の間に閉じた因果連鎖を描きがちであり、政策が市場や地域全体に与える波及を構造的に過小評価する傾向がある。
個人の成功が、社会全体の成功とは限らない。
例えば職業訓練プログラムは、「訓練→技能向上→就職率上昇」という筋書きで描ける。しかし労働市場の求人総数が制約される環境では、参加者の就職は非参加者の機会を押しのける形で達成され、純増は限定的になる可能性がある（置換効果）。この場合、同一地域内の非参加者を対照群に取る評価設計は、介入によって生じた競争環境の変化を対照群にも及ぼしうるため、効果推定を誤る。
個人の改善は、社会全体の純増とは限らない。
ロジックモデルが対象者のアウトカムに閉じるほど、「社会全体の資源制約」「価格調整」「競争・置換」といったマクロの反応が消え、政策の実際の厚みが薄くなる。結果として、個別指標では改善が観測されても、社会厚生の改善が保証されない、という乖離が生じうる。
職業訓練・就職支援では、参加者個人の就職確率が上がっても、他の求職者の機会が置き換えられ、市場全体の純効果が同じにならない可能性がある。Crépon et al.（2013）はクラスター化ランダム化実験により、直接効果と置換効果を検討した。
スピルオーバー効果（外部性）の存在
第二の限界は、スピルオーバー効果（spillover effects）＝外部性の取り扱いである。社会政策はしばしば、介入対象者だけでなく周辺集団・隣接地域・制度外部に波及する。
局所改善は、全体改善を意味しない。
公衆衛生の介入では、予防接種や衛生行動の変化が非対象者にも感染リスク低下として波及する一方、資源配分の偏りや医療アクセスの再編が別の不利益を生むこともある。犯罪対策では、特定地区の取り締まり強化が犯罪の移動（いわゆる風船効果）を誘発し、政策評価が介入地区の改善だけを見て成功と誤認する危険がある。ロジックモデルは「介入→対象者→成果」の一本線を描くには便利だが、外部性を本体に書き込むと図が複雑化し、制度文書としての見栄えが悪くなる。そのため外部性は欄外に退けられやすい。
介入は、対象外にも影響する。
だが、外部性は政策の真の効果（純効果）を規定する主要項であり、ここを評価設計（クラスタ単位の比較、地理的境界の設計、ネットワーク効果の測定）に落とさない限り、ロジックモデルの整合性は「図の中でだけ成立する因果」に留まる。
Hudgens and Halloran（2008）は、interferenceの下でdirect effect、indirect effect、total effect、overall effectを区別した。SUTVAが常に成立すると仮定した単純な評価では、スピルオーバーを取り逃す場合がある。
バイアス（偏り）と反事実の欠落
第三の限界は、推定上のバイアスをロジックモデルが原理的に解消できない点である。ロジックモデルは「なぜ効くはずか」を語れるが、「本当に効いたか」を示すには反事実（counterfactual）が必要である。
参加者と非参加者は、最初から同じではない。
政策評価の核心は「介入がなかった場合に何が起きたか」を推定することであり、ここでRCTや準実験、厳密な観察研究が必要になる。典型的な問題が選択バイアスである。例えば起業支援では、「セミナー受講→起業率上昇→雇用創出」という筋書きは成立しうる。
参加者の違いを無視すれば、効果は錯覚になる。
しかし参加者は非参加者よりも意欲・資源・人的ネットワークが厚いことが多く、単純比較では政策効果と参加者特性が混同される。ロジックモデルが精緻であるほど、こうした混同は「うまく説明できてしまう」ため、むしろ危険である。政策が効いたのか、元々の違いが結果を作ったのかを分けるには、比較群の設計と識別戦略（無作為化、閾値利用、差分の差分など）を制度上の要件として組み込む必要がある。ロジックモデル単体では、因果推論の基盤となる反事実を生成できない。
理論と現実の乖離（逆効果の可能性）
第四の限界は、理論のもっともらしさと因果効果が独立である点である。社会政策では、直感的に妥当な理屈が、実証により否定される例が繰り返し報告されてきた。
美しい理屈は、安全の証明ではない。
例として、非行少年更生プログラム「Scared Straight」は、「恐怖による抑止」という直感的メカニズムを前提に普及したが、後年の体系的レビューでは有効性が示されず、むしろ有害な方向の結果が示された。ここで重要なのは、ロジックモデルの誤りが「図の欠陥」ではなく、「現実の反応が理屈を裏切る」ことに由来する点である。政策介入は、心理、規範、同調、反発、学習、模倣といった行動メカニズムを通じて作用する。
理論が整っていても、因果効果は保証されない。
これらは単純な因果連鎖に還元されにくく、まして「説明のために整えられたロジック」によっては、むしろ逆方向の経路が強化されることもある。したがって、ロジックモデルが整っていることは、政策の安全性や有効性の証拠にはならない。むしろ「整ったロジックほど危ない」局面がありうる、という認識が必要になる。
図が整うほど、見落としは深くなる。
位置づけ：ロジックモデルは入口であって完了条件ではない
以上を踏まえると、ロジックモデルはEBPMの出発点に過ぎず、それ自体でEBPMを名乗る根拠にはならない。EBPMの本質は、ロジックモデルで明示した仮説を、データに基づき検証し、結果に応じて政策を更新する反復過程にある。ここで「効かなかった」「逆効果だった」という結論も、学習としての成果である。しかしロジックモデル偏重が進むと、PDCAのP（計画）とD（実行）が制度上の達成物になり、C（検証）とA（更新）が形骸化する。検証は、成果を示すための補強材料へと縮退し、政策は「筋の通った説明」の完成度で評価される危険が高まる。
図を描くだけでは、因果は証明されない。
近年、日本でもエビデンス重視の機運は強まり、データ整備、人材育成、第三者評価の活用といった改善策が進みつつある。今後の実務上の焦点は、ロジックモデルを残したまま、それを「検証可能性（evaluability）を担保する設計図」へと接続できるかにある。具体的には、各因果リンクについて測定指標・データ取得可能性・比較設計・外部性の取り扱いを事前に明示し、結果が不利でも更新できる運用条件（撤退・修正のルール）を制度に埋め込むことが必要になる。ロジックモデルが「説明責任の完成物」から「疑うための地図」に戻るとき、初めてEBPMは「絵に描いた餅」を超え、限られた資源で最大の社会的アウトカムを目指す実務技術として成立する。
ロジックモデルは、信じる道具ではなく疑う地図である。
専門家が「図」より因果識別を見る理由
日本の行政文脈では「EBPM＝ロジックモデル作成」といった語りが前面に出ることが多い。
専門家が慎重なのは、「図」ではなく「識別」を見ているからである。
しかし、評価研究、計量経済学、疫学、公共政策分析といった専門的コミュニティに近づくほど、同じ発想（介入の因果経路を明示する）を語る場合でも、あえて「ロジックモデル」という語を主語にしない場面が増える。これはロジックモデルが不要という意味ではない。概念の歴史と用法を整理すると、その背景が明確になる。
1. ロジックモデルの起源は単一ではない
「ロジックモデル」は、単独の発明者によって突然命名された概念ではない。20世紀後半の北米における評価科学（Evaluation Science）と開発援助実務の発展の中で、複数の系譜が重なりながら形成された。
ロジックモデルは単一の起源ではなく、複数の文脈が重なって形成された。
重要な前史として挙げられるのが、1960〜70年代にUSAID関連で用いられた「Logical Framework（logframe）」である。Practical Concepts, Inc. による1971年の文書『The “Logical Framework”』では、プロジェクトの設計と評価を結びつける科学的枠組みとしてlogical frameworkが提示されている。1979年の『The Logical Framework: A Manager’s Guide to a Scientific Approach to Design and Evaluation』では、目的階層、指標、検証手段、前提条件を対応させる管理手法として体系化された。ここでは因果推論の厳密性よりも、「設計・管理・説明」のための共通フォーマットが中心であった。
一方、評価学では、介入がなぜ働くのか、どのメカニズムが成果へ結びつくのか、どの条件下で作用するのかを検証する潮流が形成された。Weiss（1997）のtheory-based evaluationは単なる図示ではなく、理論と観察を接続する評価アプローチであり、「ロジックモデル対因果推論」という単純な二項対立には還元できない。Chenの『Theory-Driven Evaluations』（1990）やWeissの理論駆動型評価の議論は、単なる図示ではなく、仮説の反証可能性と評価設計を結びつける枠組みを提示している。
その後、1990年代から2000年代にかけて、非営利セクターや財団実務において「logic model」という語が急速に普及した。象徴的なのがW.K. Kellogg Foundationの『Logic Model Development Guide』（改訂版2004年）である。このガイドは、専門家以外にも理解しやすい形で投入→活動→アウトプット→アウトカム→インパクトの流れを整理し、実務上の共通言語として定着させた。ここで「ロジックモデル」という名称が標準化された。
つまり、現在のロジックモデルは、
・開発援助系のlogframe・評価学系のprogram theory・財団実務系のlogic model
という複数の系譜の収斂として理解するのが適切である。
2. なぜ「専門家ほどロジックモデルと言わない」のか
「専門家ほどロジックモデルと言わない」という表現は、定量的に実証された一般法則ではない。専門分野によっては、ロジックモデルよりもprogram theory、Theory of Change、causal pathway、identification strategy等の語が使われることが多い、という概念・語彙上の観察として理解すべきである。
理由は三つある。
第一に、専門家の関心は「図」よりも「因果識別」にあるからである。ロジックモデルは仮説の可視化には有効だが、それ自体は反事実（counterfactual）を生成しない。
専門家が見るのは「図の美しさ」ではなく「識別の妥当性」である。
専門家の議論は、比較群の設計、識別戦略、バイアス、外部性、一般均衡効果といった因果推論の核心部分へ向かう。そのため主語が「ロジックモデル」ではなく、「プログラム理論」「因果経路」「識別設計」になる。
第二に、分野ごとに用語が異なるためである。開発援助ではlogframe、評価学ではprogram theory、英国政府ではTheory of Change、米国の規制評価ではcausal pathwayなど、同じ構造を異なる語で扱う。専門家ほど、この語彙の差異を意識し、文脈に応じた語を選ぶ。
専門家は文脈に応じて、より厳密な概念を使い分ける。
第三に、ロジックモデルが「説明責任ツール」に最適化されやすいからである。行政実務では、図が整っていること自体が成果物となりやすい。
検証設計を伴わない図は、科学ではなく説明資料である。
しかし科学的営みの本質は、仮説の反証可能性にある。前提条件や失敗経路を書き込まずに済む図は、合意形成には便利だが、検証設計としては不十分である。専門家ほど、この落とし穴を回避するため、ロジックモデルを“入口”として扱い、“完了条件”とはみなさない。
3. ロジックモデルをどう扱うべきか
この記事が論じてきたように、専門家が問うのは「図を描いたか」ではなく、「何を根拠に判断し、反対証拠や不確実性をどう扱い、どう記録したか」である。
したがって、ロジックモデルを用いること自体は問題ではない。問題は、
・仮説の明示・検証設計（比較・識別戦略）・外部性や前提条件の記録・結果に応じた更新可能性
を伴わずに、図の整合性だけでEBPMを名乗ることである。
国際的な評価実務では、ロジックモデルは「仮説を共有するためのフォーマット」であり、「エビデンスそのもの」ではない。専門家がロジックモデルという語を前面に出さないのは、その図を超えて、因果識別と検証可能性を主語にして議論するからである。
ロジックモデルは出発点であり、因果検証が本体である。
ロジックモデルを否定する必要はない。しかし、ロジックモデルを“完成物”にしてしまった瞬間、EBPMはEvidence-Basedではなく、Plan-Basedへと変質する。
専門家が慎重になる理由は、そこにある。
よくある質問
1. ロジックモデルとは何ですか。
政策に投入する資源から、活動、産出、成果、長期的影響までの因果仮説を可視化する枠組みです。評価可能性を高める有用な道具ですが、それ自体は政策効果の証拠ではありません。
2. ロジックモデルの5つの要素は何ですか。
Input（投入）、Activity（活動）、Output（産出）、Outcome（成果）、Impact（影響）です。箱を並べるだけでなく、それぞれを結ぶ矢印のメカニズム、根拠、測定方法、前提条件を明示する必要があります。
3. ロジックモデルはエビデンスですか。
ロジックモデルはエビデンスそのものではなく、検証すべき仮説を共有するための形式です。各矢印を既存研究で支え、比較設計とデータによって因果効果を検証して初めて、政策判断に使えるエビデンスへ接続します。
4. アウトプットとアウトカムの違いは何ですか。
アウトプットは、研修回数や参加者数など政策が直接実施・提供したものです。アウトカムは、技能、就業、所得、健康など対象者や社会に生じた変化を指します。
5. ロジックモデルとTheory of Changeの違いは何ですか。
用法は分野によって異なり、完全な同義語ではありません。一般にTheory of Changeはメカニズム、前提条件、文脈をより詳しく扱い、ロジックモデルは投入から成果までを簡潔に可視化する傾向があります。
6. ロジックモデルと因果推論はどう関係しますか。
ロジックモデルは「なぜ効くはずか」という因果経路を示しますが、「政策がなければ何が起きたか」という反事実は生成しません。因果推論では、RCT、準実験、厳密な観察研究などを政策質問、倫理、実施環境、外部性に応じて使い分け、効果を識別します。
7. ロジックモデルはどの順番で作りますか。
政策目的と対象集団を定め、活動より先に主要アウトカムと望ましくないアウトカムを置き、最終アウトカムから逆算します。その後、各矢印にメカニズム、根拠、指標、データ、比較方法、前提条件、更新ルールを対応させます。
8. ロジックモデルを作ればEBPMを実践したことになりますか。
いいえ。ロジックモデルはEBPMの入口であり、因果効果、実装可能性、費用、分配、公平性、外部性、不確実性を確認し、結果に応じて政策を更新するところまでが実践です。エビデンスは判断を自動化しないため、Evidence、Judgment、Decisionを分けて記録する必要があります。
参考文献
1. e-Gov法令検索「行政機関が行う政策の評価に関する法律（平成13年法律第86号）」
2. 内閣府「経済財政運営と改革の基本方針2013」2013年
3. 統計改革推進会議「最終取りまとめ」2017年5月19日
5. 内閣官房「令和8年度の行政事業レビューの進め方について」2026年
6. 政府の行政改革「政策効果の測定と点検・改善のポイント／各府省庁に対する支援」2026年3月
7. HM Treasury / Evaluation Task Force, Magenta Book, updated 15 May 2026
8. HM Treasury / Evaluation Task Force, Magenta Book Annex A, 2026
9. Foundations for Evidence-Based Policymaking Act of 2018, Public Law 115-435
10. U.S. Department of Education / IES, ESSA Tiers of Evidence
11. Crépon et al. QJE. 2013;128(2):531–580.
12. Hudgens & Halloran. JASA. 2008;103(482):832–842.
13. Petrosino et al. Campbell Systematic Reviews. 2013;9:1–55.
14. Weiss CH. New Directions for Evaluation. 1997;1997(76):41–55.
15. Practical Concepts, Inc. The “Logical Framework”. USAID. 1971.
初出：2026年2月14日。EBPM.jpへの移管にあたり、原文の問題意識と構成を維持しつつ、2026年時点の国内外の政策評価制度・評価ガイダンスおよび査読研究に基づき、制度史、因果推論、ロジックモデルの位置づけと参考文献を再検証・更新しました。
関連エピソード
記事を読む