【連載 第2回】【B103】単純平均を信じるな

中央値と外れ値除外で、不動産データのノイズを抜く

B102で、老生の不動産価値算出エンジンは、ひとまず動いた。

国交省の実勢価格データから、対象エリアの取引情報を拾い上げ、129件の有効データをサルベージした。そして、土地100㎡・築15年という検証条件のもとで、推定土地価値、推定建物価値、総合ポテンシャルを算出した。

ここまで来ると、つい言いたくなる。 「よし、これで自宅の価値が見えた」と。

だが、ここで安心してはいけない。 不動産データには、罠がある。しかもそれは、Googleドライブの自動変換や文字化けのような、わかりやすい技術的なバグではない。

もっと静かで、もっと自然で、もっとそれらしい顔をした罠である。 それが、単純平均 だ。

1. 単純平均という、もっともらしい罠

平均値は便利である。 たくさんの取引データを一つの数字にまとめてくれる。グラフにも載せやすいし、説明もしやすい。

だが、不動産取引の世界では、その便利さが危ない。 実際の取引データには、さまざまな事情が混じっているからだ。

• 相続で急いで手放した安値取引
• 業者が買い叩いた物件
• 道路条件が極端に悪い旗竿地
• 逆に、とんでもない大富豪の豪邸（外れ値）

一件だけ極端に安い取引があるだけで、平均値は大きく下に引っ張られる。逆に特殊な高値取引があれば、上に歪む。

数字は嘘をつかない。 だが、平均値はときどき化粧をする。

この化粧を落とし、実態からズレた数字を補正しなければ、純度100%のポテンシャルとは呼べない。

2. 第2段エンジン：中央値という「現実寄りのセンサー」

平均値に騙されないために、老生の第2段エンジン（Math Hackモジュール）では 「中央値（Median）」 を相場センサーとして組み込んだ。

中央値は、データを小さい順に並べたとき、ちょうど真ん中に来る値だ。極端な外れ値に引っ張られにくいため、不動産のようにノイズの大きいデータでは、平均値よりも「実感に近い中心」を示すことが多い。

さらに、 「四分位範囲（IQR）」 を用いて外れ値を除外する。 データの中央50％、つまり「普通の取引ゾーン」を抜き出し、そこから大きく外れたデータをいったん別扱いにするのだ。

外れ値は敵ではない。そこには個別の物語がある。 だが、相場の「基準値」を出すときには、一時退避させなければならない。

3. 実装：サニタイズと0.1秒のハッキング

今回のB103エンジンでは、統計補正と同時に 「データのサニタイズ（匿名化）」 も実装した。 129件の生データをそのままフロントエンドに流せば、物件が特定されるプライバシーのリスクがあるからだ。

GASのコード内で、取引価格と面積に 「±5%のランダムノイズ」 を付与するシールドを展開した。これにより、統計的な分布の特徴（平均や歪み）は完全に維持したまま、個人の特定が物理的に不可能な 「安全なダミーモックデータ」 が生成される。

以下が、そのすべてを統合した第2段エンジンのアーキテクチャである。

🔍 詳細なバックエンド処理フロー図を開く

4. 戦果：出力された安全な燃料（JSON）

新エンジンに国交省のCSVを流し込んだ結果、ログは以下のタイムスタンプを刻んだ。

12:53:07 情報 ✅ csv読み込み完了。文字数： 29187

12:53:07 情報 ⏳ bulletproofCsvParse (無限軌道式パーサー) 突入...

12:53:07 情報 ✅ 防弾パーサー脱出！ 取得した行数: 184

12:53:07 情報 ✅ parseRealEstateData 完了。抽出件数: 129

約3万文字の生データ解析から、129件の抽出、サニタイズ、IQR計算、JSONの生成まで、わずか1秒未満（一瞬）で駆け抜けた。 吐き出されたフロントエンド用の燃料（JSON）がこれだ。

{
  "status": "success",
  "metadata": {
    "salvagedCount": 129,
    "areaName": "関西圏 某区Aエリア",
    "description": "特定リスク排除済み。IQRによる外れ値検知を含むサニタイズ・モックデータ"
  },
  "statistics": {
    "landUnitPrice": {
      "rawAverage": 196726,
      "median": 190000,
      "iqrFilteredAverage": 192500
    }
  }
}

これで、不動産価値は一点の危うい数字ではなく、「分布の中の安全なレンジ（幅）」として見えてきた。

査定サイトを信じる前に、自分のデータを疑う。 化粧を落とした素顔のデータが、次なるUI構築の礎となる。

次回【B104】では、いよいよこのJSONデータを飲み込ませ、Astro + Reactで「見える査定エンジン（ダッシュボード）」を構築していく。

🎧 AIによる副音声解説（Audio Overview）

本プロジェクトの裏側や思想について、AIホスト2名が熱く語るポッドキャスト風解説です。記事と合わせてお楽しみください。

執筆協力：ChatGPT+Gemini+NotebookLM / 編集・監修：電脳古老）