AIを使えば血液型人間学と心理学のデータを矛盾なく説明できる!?

最近はAIが大流行です。
私もAIスピーカーは、Google Home、LINE Clova Waveを持っています。
Amazon Echo も購入希望です（写真はAmazon.comより）。



そこで、AIそのものでなくとも、それっぽい統計的な手法で血液型のデータを分析できないかず～っと考えていたら、なんとなくできそう感じになってきました。

さて、たいていの性格についての質問＆回答では、「血液型」より「年齢」の影響が大きいようです。
これはどういうことかというと、各年齢を均等に調査する（ランダムサンプリング）と、見かけ上は血液型の影響が小さくなるということです！
確かに、この推測は現実のデータ（縄田さんや坂元さんのデータ）とうまく一致します。

それではということで、手元に数千件の生データがあるので、ネットでいろいろと探していたら、「数量化1類」という統計分析の方法を見つけました。
＃古典的なAIで使われていた手法かも…。
思い立ったが吉日ということで、差がある代表的な質問の500人だけピックアップ（統計ソフトの都合）して、試験的に分析した結果は次のとおりです。
説明変数の数値が大きいほど、性格に影響を与えていることになります。
＃年代（年齢）は便宜的に10歳毎に区切って分析しました。








いやぁ、こんなにうまくいくとは…。
＃質問によっては、性別や職業の影響も大きくなるようですね。

ところが、実際に血液型別に人間観察をするときは、完全なランダムサンプリングという場合は少ない―というか、ほとんどない―ので、年齢、性別、職業…などが同じようなサンプル（例：学校、職場）で行っていますよね。
だから、結構な差が出ているはずで、多くの人（70％程度）にはそれらの差を観察することが十分に可能となります。

なんでこんな簡単にことに誰も気が付かなかったのでしょうか？

東大工学部出身の正比古さんや、亡くなった（血液型が大好きだった）大村政男さんが知ったら、我がことのように喜んでくれるかもしれません。
これで、今までの知見と組み合わせると、血液型人間学と心理学のデータがほぼ矛盾なく説明できるわけですから…。
少なくとも私はそう信じています。

余談ですが、最新のAIテクノロジーを使えば、もっとうまく説明できるはずです。
というのは、「数量化1類」は、分析手法がかなり単純（線形）だからです。
機会があれば、そのうちチャレンジしてみたいと思っています。