バンチング分析とは？制度的閾値への集中から行動変容を推定する手法を解説

バンチング分析とは

バンチング分析（Bunching Analysis）は、税率の変わり目や規制の閾値など、制度的な境界値の直前にデータが不自然に集中する現象（バンチング）を利用して、その制度に対する行動反応の大きさを推定する因果推論手法です。

たとえば、所得税の税率が一定額を超えると上がる制度では、その閾値の直前に所得が集中する現象が観察されます。この「超過集中」の大きさから、税率変化に対する所得の弾力性（人々がどの程度所得を調整するか）を推定できます。

バンチング分析は、Emmanuel SaezがJournal of Public Economics（2010年）で体系化した手法です。その後、Raj ChettyやHenrik Kleven らによって拡張され、公共経済学や労働経済学の主要な実証手法の1つとなっています。

構成要素

キンク点とノッチ

バンチング分析は、閾値の種類によって2つのアプローチに分かれます。

種類	制度の特徴	バンチングのパターン	例
キンクデザイン	限界税率がジャンプする（税率の傾きが変わる）	閾値の手前に超過集中	累進所得税の税率区分
ノッチデザイン	平均税率がジャンプする（不連続な負担増）	閾値の手前に超過集中 + 直後に空白	配偶者控除の上限、規模基準

反実仮想分布

バンチングがなかった場合に観察されるはずの分布（反実仮想分布）を推定します。通常は閾値周辺を除外した区間のデータで多項式を当てはめ、閾値周辺の「あるべき分布」を推定します。

超過集中量（Excess Mass）

実際の分布と反実仮想分布の差が超過集中量です。この値がバンチングの大きさを表し、制度に対する行動反応の弾力性に変換されます。

実践的な使い方

ステップ1: 閾値と分布の確認

分析対象の制度的閾値を特定し、その前後のデータ分布をヒストグラムで確認します。閾値の手前に視覚的なバンチングが見られるか確認します。

ステップ2: 反実仮想分布の推定

閾値の周辺（バンチング区間）を除外し、残りのデータ点で多項式回帰を当てはめて反実仮想分布を推定します。多項式の次数は5〜7次が一般的で、次数を変えた感度分析も行います。

ステップ3: 超過集中量の算出

実際の分布と反実仮想分布の差から超過集中量を計算します。バンチング区間の幅は視覚的な判断とロバストネスチェックの組み合わせで決定します。

ステップ4: 弾力性パラメータの推定

超過集中量を構造パラメータ（弾力性）に変換します。キンクデザインの場合、超過集中量は限界税率の変化幅と弾力性の関数として表現されます。信頼区間はブートストラップ法で算出します。

活用場面

• 税制変更に対する所得申告行動の反応を推定する公共政策分析
• 配偶者控除や扶養控除の閾値が就労行動に与える影響の評価
• 規制上のサイズ閾値（従業員数、売上高）が企業行動に与える歪みの測定
• 料金体系のティア境界が顧客の利用量に与える影響の分析

注意点

バンチング区間の設定の恣意性

バンチング区間（閾値の前後どこまでを超過集中の範囲とするか）の選択は結果に影響を与えます。区間幅を変えたロバストネスチェックを複数実施し、結果の安定性を確認してください。視覚的な判断だけでなく、統計的な基準（McCrary密度検定など）も併用することが望ましいです。

最適化の摩擦と丸め

現実には税率変化に完全に反応できない人々が存在します（最適化の摩擦）。また、所得の丸め（端数を丸数字に報告する傾向）がバンチングと混同される場合があります。摩擦を考慮した構造モデルの推定や、丸めの影響を除去するフィルタリングが必要です。

反実仮想分布の推定方法への依存

多項式の次数や推定に使用するデータの範囲によって反実仮想分布の形状が変わり、弾力性の推定値にも影響します。異なる推定仕様間での結果の頑健性を必ず報告してください。

まとめ

バンチング分析は、制度的閾値の前後に生じるデータの超過集中を利用して行動パラメータを推定する因果推論手法です。税制や規制の影響を定量的に評価できる手法として、政策分析やビジネスの料金設計に応用可能です。反実仮想分布の推定とバンチング区間の選択に関する感度分析を丁寧に行うことが、分析の信頼性を担保します。