現代の科学界全体で「再現性の危機（Replication Crisis）」と呼ばれる問題が極めて深刻な課題となっています。ある研究者が論文で発表した実験結果について、別の研究者が同じ条件・手順で独立して追試（データを再度取得して検証すること）を行っても、同じ結果が得られない現象を指します。 このページでは、心理学および医学・生命科学分野における再現性の検証に関する歴史的・代表的な研究網羅し、なぜそのような事態が生じるのかについての数理的・統計学的メカニズムまでを、自己完結（self-contained）な形で詳細に解説します。
心理学分野における再現性の低さを白日の下に晒した最も有名な研究は、2015年にCenter for Open Science（COS）が主導し、世界最高峰の科学誌『Science』に発表された「Reproducibility Project: Psychology」です。
心理学に限らず、科学研究全体で再現性が低くなる主要な原因には、以下の統計学的な問題やバイアスが深く関わっています。
帰無仮説（Null Hypothesis, $H_0$）： 「効果がない」「差がない」とする仮説。
対立仮説（Alternative Hypothesis, $H_1$）： 「効果がある」「差がある」とする、研究者が証明したい仮説。
p値（p-value）： 帰無仮説が正しいと仮定したとき、手元のデータまたはそれ以上に極端なデータが得られる確率。一般に $ p < 0.05 $ （5%未満）であるとき、「統計的に有意である（帰無仮説を棄却し、対立仮説を採択する）」と判断されます。
「仮説が証明された（ポジティブな）」結果ばかりが科学雑誌（ジャーナル）の論文として採用され、「効果がなかった（ネガティブな）」結果はジャーナルにリジェクトされるか、研究者自身が発表を諦めてそのままお蔵入り（引き出し問題：File-drawer problem）になる現象です。これにより、世に出回る文献全体が「効果がある」という方向に偏ってしまいます。
研究者が意図的、あるいは無意識のうちに、p値が有意水準（通常 $ p < 0.05 $ ）を下回るまで、都合よくデータの除外や分析手法の変更を繰り返す行為です。
【例】
最初は被験者全体で分析して $ p = 0.08 $ （有意ではない）だったため、「特定の年齢層だけを除外してみる」「条件を少し変えて再計算する」などを繰り返し、偶然 $ p < 0.05 $ になった結果だけを論文として発表する行為です。
被験者数（サンプルサイズ）が少ない実験では、偶然のばらつきが結果に与える影響が大きくなります。統計的検出力（Power）が低い状態では、本当は効果がないのに「効果がある」と誤認してしまう偽陽性（Type I Error）の割合が高まるだけでなく、偶然有意になった場合の「効果量」が過大評価される現象（勝者の呪い：Winner's curse）が起きます。
再現性の危機は心理学だけの問題ではありません。むしろ、人命や新薬開発に直結する医学研究（特に細胞や動物を使った前臨床研究やがん研究）において、同等かそれ以上にショッキングな再現性検証の結果が複数報告されています。
| 報告者 / 企業 (発表年) | 対象領域 | 検証内容と結果の詳細 |
|---|---|---|
| Bayer社 (2011年) |
がん・心血管疾患などの基礎研究 | 製薬大手バイエル社の研究チームが、社外の学術機関から発表された67の有望な創薬ターゲット研究の再現を試みた。結果、完全に再現できたのは約21%（14件）のみであり、約65%は全く再現できなかった。 |
| Amgen社 (2012年) |
がんの基礎研究（前臨床） | 製薬大手アムジェン社のC.G. Begleyらが、世界最高峰の科学誌（Nature, Science, Cellなど）に掲載された「画期的ながん研究」53件の追試を実施。結果、再現できたのはわずか11%（6件）に留まった。 |
| Center for Open Science (2014〜2021年) |
がん生物学 (Reproducibility Project: Cancer Biology) |
影響力の大きいがん生物学の論文53報について、第三者機関が独立して追試を実施。実験手法の記載不備などで多くの追試が頓挫し、最終的に完了した50の実験のうち、元の研究より効果量が小さかったものが85%に上った。ポジティブな結果が再現された割合は半分以下であった。 |
| Ioannidis (2005年) |
臨床疫学・全般 | スタンフォード大学の疫学者ジョン・イオアニディスが発表した記念碑的論文『なぜ発表された研究結果のほとんどは偽りなのか』。観察研究や疫学研究の多くは、統計的バイアスや交絡因子により、後から覆ることを数理モデルを用いて証明した。 |
ジョン・イオアニディスは、ベイズの定理に基づく確率モデルを用いて、「なぜ有意水準 $ p < 0.05 $ を満たした研究結果であっても、その多くが偽陽性（本当は効果がないのに効果があるとされる）となるのか」を数学的に証明しました。 以下にその証明の論理を、自己完結的で丁寧に書き直して解説します。
ある科学分野において、仮説全体の中で「真に効果がある仮説」の割合と「真には効果がない（帰無仮説が正しい）仮説」の比率を $ R $ とします。すなわち、事前確率のオッズです。
ここで、研究者が一定数の仮説 $ c $ 個をテストすると仮定します。
統計的仮説検定において、以下の2つのエラー率を設定します。
このとき、実験結果として「統計的に有意である（陽性）」と報告される件数は以下のようになります。
1. 真陽性（True Positives; TP）： 真に効果があり、かつ有意と判定された数
$$ TP = c \frac{R}{R + 1} (1 - \beta) $$2. 偽陽性（False Positives; FP）： 真は効果がないのに、誤って有意と判定された数
$$ FP = c \frac{1}{R + 1} \alpha $$私たちが知りたいのは、「論文で『有意な効果があった（陽性）』と報告された結果のうち、それが本当に真実である確率」、すなわち陽性的中率（Positive Predictive Value; PPV）です。これは以下の式で表されます。
$$ PPV = \frac{TP}{TP + FP} $$TPとFPの式を代入し、分母と分子に共通する $ c \frac{1}{R + 1} $ を約分すると、次のように簡略化されます。
$$ PPV = \frac{(1 - \beta)R}{(1 - \beta)R + \alpha} $$【例による考察】
多くの最先端領域（例えば新しいがんの標的遺伝子探索など）では、試される仮説のほとんどが外れであり、真実である事前オッズ $ R $ は非常に小さい（例： $ R = 0.1 $ ）とされています。
また、サンプルサイズが小さいため、統計的検出力 $ 1 - \beta $ が低い（例： $ 1 - \beta = 0.20 $ ）のが一般的です。有意水準 $ \alpha = 0.05 $ とすると、PPVは以下のようになります。
驚くべきことに、有意水準 $ p < 0.05 $ の厳しい基準をクリアして論文発表された研究であっても、それが真実である確率はたったの約28.6%（ $ PPV \ < \ 0.5 $ ）になってしまうのです。 ここにさらに「都合の良いデータだけを選ぶ」といった研究者のバイアス（ $ u $ ）が介入すると、PPVはさらに低下します。これがイオアニディスが「発表された研究結果のほとんどは偽りである」と結論づけた数理的根拠です。
前述の統計学的要因（出版バイアスやp値ハッキング）に加え、医学・生命科学分野では、実験対象そのものの性質に由来する固有の問題が絡み合っています。
これらの深刻な反省から、現在の科学界では以下のような制度的改革が進められています。
本記事内で言及した医学・生命科学研究における再現性の危機に関する代表的な文献と動画のリストです。文献のタイトルは原著のまま記載しています。