「チームみらいの過疎地得票率が不自然に均一」という主張を、208市区町村の公式データで検証してみた

2026年2月11日 14:35

はじめに

2026年2月8日に投開票された第51回衆議院議員総選挙の直後、X（旧Twitter）で以下のような投稿が拡散されました。

🚨チームみらいGrok分析でヤバい結果が出た

過疎60地域のチームみらい
比例得票数がほぼ4.69％に固定
事後確率：
「不正または組織的介入があった」→ 99.99%
自然発生確率：実質0%

※俺のデータや計算式が
間違ってる可能性もあり確定では無い
検証仲間募集中

👇検証の詳細… https://t.co/0o45s6Fymq
— ゴードン警部★Inspector Gordon (@GordonInspector) February 9, 2026

投稿の主張を要約すると:

過疎60地域のチームみらい比例得票率がほぼ4.69%に固定されている。標準偏差0.10%。不正または組織的介入の事後確率は99.99%。

この投稿はGrok（AI）による統計分析を根拠としており、モンテカルロシミュレーション10万回で再現0回、ベイズ推定で不正確率99.99%と結論づけています。

選挙の公正性に関わる重大な主張です。であるならば、実際のデータで検証されるべきです。

本記事では、各都道府県選挙管理委員会が公開しているExcel・PDF・CSVの公式開票データを用いて、この主張が事実かどうかを検証します。

なお、チームみらいは全11比例ブロック中8ブロックに候補者を擁立しており、北陸信越・四国・中国ブロックには不参加です。本記事の分析対象は、チームみらいが参加したブロック内の都道府県に限られます。

調査方法

調査にはClaude Code（Anthropic社のAIコーディングツール）を使用しました。具体的には以下の手順です。

データ収集: 15都道府県の選挙管理委員会サイトから、比例代表の市区町村別開票結果（Excel/PDF/CSV）をダウンロード
データ解析: Python（openpyxl, xlrd, pdfplumber等）でファイルを解析し、各市区町村のチームみらい得票率を算出
過疎地域の特定: 過疎地域自立促進特別措置法に基づく指定市町村リストと照合（※ポストでは「高齢化率30%以上、人口密度低」を過疎地の条件としていますが、本記事では法的定義を使用しています。この定義の違いが結果に影響する可能性があります）
統計計算: 平均、標準偏差、分布等を算出

全データは各選管の公式値に基づいており、ソースURLも全て記載しています。誰でも同じデータにアクセスして検証可能です。

ポストの主張を整理する

まず、検証対象の主張を正確に整理します。

過疎地について:
・60箇所で得票率が4.65〜4.73%に収束
・平均4.69%、標準偏差0.10%
・この均一性は自然には起こりえない

都市部について:
・60箇所で平均8.5%、範囲7.5〜11.5%
・標準偏差1.20%
・こちらは自然な分散

結論:
・不正確率99.99%

なお、ポストではこの60箇所がどの市区町村なのか、データソースが何かは明示されていません。

実際のデータ: 208市区町村の結果

収集した過疎地域データの概要

15都道府県の公式開票データから、過疎地域に該当する208市区町村のチームみらい比例得票率を抽出しました。ポストの「60箇所」の3.5倍にあたる規模です。

【ポストの主張 → 実データ（208地点）】
・データ数: 60 → 208
・平均得票率: 4.69% → 3.86%
・標準偏差: 0.10% → 0.98%
・最小値: 4.65% → 1.33%
・最大値: 4.73% → 6.73%
・範囲の幅: 0.08pt → 5.40pt

得票率の分布

208市区町村の得票率の分布は以下の通りです。

1.0-2.0%:   7 ███████
2.0-2.5%:  12 ████████████
2.5-3.0%:  18 ██████████████████
3.0-3.5%:  37 █████████████████████████████████████
3.5-4.0%:  43 ███████████████████████████████████████████
4.0-4.5%:  34 ██████████████████████████████████
4.5-5.0%:  31 ███████████████████████████████
5.0-5.5%:  16 ████████████████
5.5-6.0%:   8 ████████
6.0-7.0%:   2 ██

3.5〜4.0%付近をピークとした、なだらかな山型の分布です。「4.69%に固定」という主張とは全く異なります。

ポストの「均一範囲」に入る市区町村はいくつ?

ポストが主張する4.65〜4.73%の範囲に入る市区町村は、208地点中わずか8地点（3.8%）でした。

・三重県御浜町: 4.66%
・岩手県久慈市: 4.67%
・岩手県陸前高田市: 4.67%
・和歌山県新宮市: 4.68%
・岩手県遠野市: 4.69%
・鹿児島県肝付町: 4.69%
・岐阜県揖斐川町: 4.70%
・岐阜県関ケ原町: 4.73%

残りの200地点（96.2%）はこの範囲の外です。

都道府県ごとのばらつき

過疎地域の得票率は都道府県によって大きく異なります。

・埼玉県（7地点）: 平均5.38%, 範囲4.31-6.73%
・京都府（8地点）: 平均4.71%, 範囲3.01-5.28%
・鹿児島県（33地点）: 平均4.58%, 範囲2.56-6.09%
・岩手県（14地点）: 平均4.34%, 範囲2.51-5.86%
・岐阜県（9地点）: 平均4.26%, 範囲3.51-5.12%
・熊本県（30地点）: 平均3.88%, 範囲2.60-5.45%
・大分県（12地点）: 平均3.71%, 範囲2.19-4.81%
・和歌山県（13地点）: 平均3.61%, 範囲1.99-4.91%
・秋田県（9地点）: 平均3.44%, 範囲2.48-4.01%
・青森県（29地点）: 平均3.38%, 範囲1.54-4.62%
・宮崎県（18地点）: 平均2.89%, 範囲1.77-3.71%
・奈良県（14地点）: 平均2.59%, 範囲1.33-3.44%

都道府県間で平均が2.59%〜5.38%まで差があります。同じ「過疎地」でもこれだけ違うということは、得票率は一律ではなく、地域の特性を反映しているということです。

都市部のデータも確認する

ポストは都市部の得票率を「平均8.5%、範囲7.5〜11.5%」としていますが、実際の東京23区16地点のデータは以下の通りです。

【ポストの主張 → 実データ】
・平均: 8.5% → 14.43%
・範囲: 7.5-11.5% → 9.44-19.14%
・標準偏差: 1.20% → 2.97%

東京都中央区は19.14%、文京区は18.43%、渋谷区は18.42%と、いずれもポストの「最大値」11.5%を大幅に上回っています。都市部のデータも実態と大きくかけ離れています。

過疎地と非過疎地の比較

県全体のデータが得られた11県で、過疎地域と非過疎地域を比較しました。

・埼玉県: 非過疎 8.74% → 過疎 5.58%（差 -3.16pt）
・奈良県: 非過疎 5.16% → 過疎 2.86%（差 -2.30pt）
・鹿児島県: 非過疎 7.07% → 過疎 4.89%（差 -2.18pt）
・熊本県: 非過疎 6.49% → 過疎 4.38%（差 -2.11pt）
・京都府: 非過疎 7.00% → 過疎 4.93%（差 -2.07pt）
・青森県: 非過疎 5.69% → 過疎 3.83%（差 -1.86pt）
・岐阜県: 非過疎 6.39% → 過疎 4.56%（差 -1.83pt）
・大分県: 非過疎 5.56% → 過疎 4.01%（差 -1.55pt）
・宮崎県: 非過疎 4.70% → 過疎 3.28%（差 -1.42pt）
・岩手県: 非過疎 6.05% → 過疎 4.90%（差 -1.15pt）
・和歌山県: 非過疎 4.64% → 過疎 4.22%（差 -0.42pt）

全ての県で、過疎地域は非過疎地域より得票率が低くなっています。ただし、その差は0.42〜3.16ポイントと県によってまちまちです。これは地域ごとの支持基盤の違いを反映した自然な傾向であり、得票率が一律に固定されているという主張とは矛盾します。

※この比較表の過疎地得票率は、県全体の過疎地域の得票数÷投票数から算出した加重平均です。前節「都道府県ごとのばらつき」の平均値は各市区町村の単純平均のため、数値が異なります。

ポストの分析手法について

ポストの結論を支える統計分析にはいくつかの問題があります。

データの再現性がない

ポストは「過疎60地域」と述べていますが、具体的にどの市区町村のデータなのかが示されていません。検証しようにも、同じデータにたどり着くことができません。

実際に208市区町村を調べた結果、ポストの主張する数値分布（4.65-4.73%にほぼ全て収まる）と合致するデータは見つかりませんでした。

モンテカルロシミュレーションの前提

ポストでは「期待平均3%、標準偏差1.5%」を前提にシミュレーションしていますが、この数値の根拠は示されていません。実際の過疎地域平均は3.86%ですが、都道府県によって2.59%〜5.38%と大きく異なるため、一律の期待値でシミュレーションすること自体に無理があります。

ベイズ推定の設定

「不正があった場合の尤度90%」という設定がされていますが、これは結論を左右する重要なパラメータであるにもかかわらず、根拠が示されていません。事前確率や尤度を変えれば、結論は大きく変わります。

AIによる分析の限界

Grokに限らず、AIモデルは入力データが間違っていれば間違った結論を出します。今回のケースでは、入力されたデータ自体が実際の開票結果と大きく乖離しているため、どれほど精緻な分析を行っても正しい結論にはたどり着きません。

まとめ

15都道府県・208市区町村の公式開票データを検証した結果をまとめます。

データが示すこと:

・過疎地域の得票率は1.33%〜6.73%と広く分散している（ポストの主張: 4.65-4.73%）
・標準偏差は0.98%で、ポストの主張（0.10%）の約10倍
・ポストの「均一範囲」に入るのは208地点中わずか8地点（3.8%）
・都市部の実際の得票率（平均14.43%）もポストの想定（8.5%）と大きく乖離
・全11県で過疎地域は非過疎地域より得票率が低い（差は県ごとに異なる）

判断について:

ポストの核心的主張である「過疎60地域の得票率がほぼ4.69%に固定」という現象は、208地点の公式データでは確認されませんでした。得票率の地域差は、チームみらいの支持構造（テクノロジー系・都市型政党）によって合理的に説明できるパターンです。

選挙の公正性への懸念自体は民主主義において健全なものですが、その根拠となるデータが実態と合致しているかどうかは、慎重に確認する必要があります。