1. LFA事業インパクト調査 一般公開用資料
• 本報告書はSALプロボノ・リサーチチームが実施した「LFA
事業インパクト調査」における最終報告のサマリ版となりま
す。
• 40ページに渡る報告書の中から、ヒアリング調査内容・事業
への⽰唆・補足資料を削除し、結論を補佐するデータに絞っ
て掲載しています。
2011年11月
SALプロボノチーム
1

2. 論点の確認
LFAのコンセプトが素晴らしいのは分かるし、担当者も熱意がある・・
けど、実際どれくらい社会的インパクトがあるの？？
→LFAの事業を数値化して示す事が出来れば、より説得力が増し、
寄付金やプログラム導入が増えるのでは？？
企業
○
•熱意/気合
寄 行政/教育委員会
付
?
者
•社会的インパクト
個人
2

3. 数値化を試みた範囲
• LFAの社会的インパクトには
「大学生（教える側）」と「中学生（教えを受ける側）」の2側面がある
• 今回は「中学生の学力向上」による「経済」インパクトに数値化範囲を限定
対象者 効果
教育問題に関心のある
大学生 若手リーダーが社会に
増える効果
中学生の学力向上によ
る進学率向上
⇒キャリアアップ効果
中学生
教える大学生との触れ
合いを通じた効果
3

4. 経済インパクト算出のための枠組み
インパクト算出のための要素をA, B, Cに分解して検討
係数 係数の説明 生み出すメッセージ
• LFAプログラムと中学生徒 • LFAプログラムを受けると
A の学力向上の関係性 偏差値がXポイント上昇す
⇒今回は偏差値を採用 る
• 変数Aの向上と大学進学率 • 偏差値がXポイント上昇す
B の関係性 ると、大学進学率はYポイ
ント向上する
• 大学進学率の向上と社会 • 大学進学率がYポイント向
C 的利益との関係性 上すると、1, 2, 3といっ
た経済効果がある
• LFAプログラムと社会的イ • LFAプログラムを導入する
D ンパクトの関係性 ことで、Zの経済的効果が
期待される
4

5. 結論
• A&B特定により、プログラムと大学進学率をつなぐロジックを構築
• Cについては効果が多岐にわたる為、数値化は生涯年収のみ
係数 結論
• サマープログラムの前後で0.345ポイントの偏差値
A 増加が見られた
• サマープログラムを全人口に適用すると、上記偏差
B 値の向上で大学進学率が1.16%向上する
（＋13,280人が大学に進む）
• 上記人数の最終学歴が高校から大学に変化すること
C で9,714億円生涯年収が増加する（一人あたり8,921
万円）
• サマープログラム事業コスト1万円当たり偏差値が
D 0.241ポイント上昇、生涯年収が72万円増加する
5

6. 係数A：プログラムによる偏差値増加 LFA:TFA比較
TFA
プログラム LFAサマープログラム （Mathematica,
2004）
科目 数学 数学
中学2,3年生 小学生1-5年
対象学年 （事前事後テスト分析対
象） （Grade1-5）
学習期間 5日 1年
対象者数 24名 約1,800名
偏差値向上効果 0.345pt 1.0-1.2pt
6

7. 係数A：プログラムによる偏差値増加 算出ロジック
LFAの教育事業の1つである「サマープログラム」で、
疑問
「子ども１人の学力（＝偏差値）」は平均○％向上したか？
数学による偏差値上昇幅の平均は 0.345
結論 数学以外の科目（英語と国語）も
同程度の効果があったと考えれば、 0.345 × 3科目 = 1.035 の
増加
偏差値変化 （0.345）
＝ 5教科合計1点当たり偏差値 （0.118）
理由
× 計算問題の配点 （29）
× 計算問題の正答率増加 （10.07%）
7

8. 係数A：プログラムによる偏差値増加 調査設計
目標
LFAの教育事業の1つである「サマープログラム」で、
「子ども１人の学力（＝偏差値）」が平均○％向上したかを算出したい。
1 サマープログラムの 2 偏差値の
効果測定 算出
範囲が 広域母集団での値が必要
対象はサマプロ参加児童
一致しない （都内や全国）
事前と事後にテストを実施。 3 高校別の、入学時偏差値と
変化を教育効果とした。 サマプロの効果の 大学進学率のデータを
進研Vもぎ偏差値への
分析対象は、 換算 用いた分析と繋げる
中学2,3年生の数学のみ。 必要がある。
全国学力・学習状況調査 進学研究会
中学校・数学A Vもぎ過去問題集
を事前事後テストに抜粋 の偏差値データを採用
8

9. 係数A：プログラムによる偏差値増加 海外調査1
“The Effects of Teach For America on Students:
Findings from a National Evaluation”
Paul T. Decker, Daniel P. Mayer, Steven Glazerman
(June 2004)
• アメリカの小学校1~5年生（Grade 1-5 ） 約1,800名
対象
• 一般講師57名とTFA講師41名による対照実験
手法
• １年間の学習プログラムの直前・直後の試験の結果を
比較
• 学期始めに生徒をランダムにクラス分けするため、試
験の点数の差は教師の指導力の差であると言える
注：TFA講師の経験年数分布：1年目15名、2年目22名、それ以上7名
9

10. 係数A：プログラムによる偏差値増加 海外調査1
点数ギャップの
妥当性
期末試験のNCE*
TFA講師 一般講師
Math 30.44 28.01 （1%水準で有意） Mathは
差あり
Readin 28.17 27.61 （10%水準でも有意性なし）
g
TFA講師の経験年数（１年目15名、２年目22名、それ以上7名）による学習
効果に対する貢献度の差は、データの入手可能性上、比較は困難
* NCE(Normal Curve Equivalent)： 平均50、標準偏差21.06の指標。偏差値はそれぞ
れ50、10なので、50からの差分を2.106で割れば換算可能
Math
TFA講師vs一般講師 • NCEの差：2.43 偏差値は
偏差値の変化の違い • 偏差値の差：1.15 1.2pt 増加
10

11. 係数A：プログラムによる偏差値増加 海外調査2
“Making a Difference?
The Effects of Teach for America in High School”
Zeyu Xu, Jane Hannaway, Col in Tay lor
(April 2007)
• ノースカロライナの高校生
対象
• TFA講師が2000-01年から2005-06年までの間で授業を
行った23の教育委員会の担当地域に限定
• 高校生の各年度末試験（８科目）の結果データベースから
手法
解析
• TFA講師の方が一般講師よりも
結果
全科目比較で標準偏差0.10、Mathで0.10だけ試験結果が良
い
偏差値は
1.0pt 増加
11

12. 係数A：プログラムによる偏差値増加 海外調査2
TFAの学習効果に対する批判に対する解釈
批判概要 反論
“TFAのプログラムの効果はTFA講師であるか “著者はかつて事実を歪曲してティーチ・
1
ないかは関係無く、教員免許を所持している フォー・アメリカを攻撃する論文を発表したと
教員の方が、教員免許を持っていない教員や 指摘されている人物でもあり、この調査につい
代替的教員免許*を持っている教員よりも、 てもTFAの最初期（1990年代初頭）の教師につ
教育力が高い” いての統計を使っているので、現在のティー
- Does Teacher Preparation Matter? チ・フォー・アメリカの教師には当てはまらな
(2005 Stanford Univ.) いのではないか” - TFA
* Alternative Teacher Certification,様々な形でアメリカの各州 2 TFAが科学的な実績がなければ認められないUS
が発行する、本来の教員養成課程とは別の課程修了による教員免許 政府の助成金「Investing in
Innovation(i3)」を1,700通の応募の中から獲
得
3 TFAが行った校長先生への調査**：
・94％ 「TFA講師がクラスで肯定的な効果が
ある」
・91％ 「TFA講師は新米一般講師と最低でも
同等以上に教え方がうまい」
・63％ 「TFA講師は新米一般講師より教え方
がうまい」
** Policy Studies Associates, in 2009 (n=1,248)
12

13. 係数B：偏差値向上と大学進学の関係性 結論
係数A: LFAによる偏差値向上
数学の偏差値の上昇値（実績） 0.345
係数B: 偏差値向上による大学/短大進学率の向上
偏差値1上昇時の進学率向上割合 3.36%
LFA偏差値上昇値 0.345 × 大学進学率上昇率 3.36％ ＝1.16％
LFAのプログラムを通じて
子ども１人の偏差値が0.345ポイント増加することにより
大学進学率が1.16％上昇する
13

14. 係数B：偏差値向上と大学進学の関係性 入学時偏差値と大学進学率
入学時偏差値が高い学校のほうが、大学進学率が高い
100%
12.8 11.6
19.1 17.9 他
24.2 3.2
0.2 0.2 就職
80% 14.2 10.6 2.4 0.1
1.5 専門
4.9
21.4 短大
60% 24.9
大学
7.1
40% 28.0 81.8
76.8
69.7
4.1
20% 41.0
22.4 (N=229校)
0%
30台 40台 50台 60台 70台
(n=7) (n=78) (n=88) (n=51) (n=5)
※入学時偏差値：進学研究会「進研Vもぎ」偏差値（合格率80％）
※進学率：旺文社パスナビ「2012年度入試用高校受験案内」 14

15. 係数B：偏差値向上と大学進学の関係性 入学時偏差値と大学進学率(東京都)
 東京都の高校229校全体（緑）では、相関は低い
 偏差値カテゴリ別中央値（青）では、偏差値５５未満の学校で正の相関あり
100
90
80
70
進 60
学
率 50
（
％ 40
）
30
東京都229校
東京都229校の偏差値カテゴリ別（5刻み）中央値
20
y = 1.6435x - 21.966 R² = 0.4478
10
y = 1.587x - 22.916 R² = 0.8608
0
30 35 40 45 50 55 60 65 70 75 80
入学時偏差値
・偏差値カテゴリの中央値：偏差値50以上55未満を偏差値カテゴリ50としてその間の中央値を算出
・進学研究会の会場テスト「進研Ｖもぎ」2008年実施結果による80%偏差値
・大学進学率：旺文社パスナビ「2012年度入試用高校受験案内」（2011年4月進学者）
15

16. 係数B：偏差値向上と大学進学の関係性 入学時偏差値と大学進学率(偏差値55未満)
 偏差値55未満（偏差値カテゴリ35～50）の学校においては偏差値が１上がる
と、大学進学率は3.36％上昇する
偏差値カテゴリ35-75 偏差値カテゴリ35-50
100 100
90 90
80 80
70 70
（進
％学
率
60 60
） 50 50
40 40
30 30
20 20
10 10
y = 1.587x - 22.916 y = 3.3592x - 102.25
0 0
30 40 50 60 70 80 35 40 45 50 55
入学時偏差値 入学時偏差値
・進学研究会の会場テスト「進研Ｖもぎ」2008年実施結果による80%偏差値
・大学進学率：旺文社パスナビ「2012年度入試用高校受験案内」（2011年4月進学者）
16

17. 係数C:大学進学者増加による社会的影響 結論
大学進学率が1.16%向上（係数B）すると、
疑問
どの様な経済効果があるのか？
大学進学率が1%上昇することによって、生涯年収が9,714億円上昇
結論
し、その他、正規雇用の定着率上昇、犯罪率の低下等に繋がる。
理由 高卒・大卒者の年収統計等による。
17

18. 係数C:大学進学者増加による社会的影響 調査枠組み
教育効果の多元性と複合性
社会のため 個人のため
（皆のため） （自分のため）
税金収入の増加 高い所得
貨幣的 生産性の向上 雇用
政府支出依存の縮減 仕事条件の改善
犯罪率の減尐 健康の改善
非貨幣的 市民生活の向上 生活の質の向上
社会的凝縮性 レジャーの多様化
矢野眞和(2009) ｢教育と労働と社会―教育効果の視点から｣『日本労働研究雑誌』No. 588. p.6 図1
http://www.jil.go.jp/institute/zassi/backnumber/2009/07/pdf/005-015.pdf
18

19. 係数C:大学進学者増加による社会的影響 目的と方法
LFAのプログラムを全国の高校生がうけた場合1.16%大学進学率が上昇する
目的 こが明らかになった。ここでは、その大学進学者増加に伴う生涯年収への
インパクトを算出する。
• LFAのプログラムを全国の中学生が受け、偏差値が上昇することによっ
て進む高校がより偏差値の高い高校になり、その高校がより大学進学率
が高く、結果として大卒者が増えるという前提。
• 大学進学者数及び進学率：
文科省発表の平成20年度「高等学校等卒業者の進路」を参照。
前提 • 学費：
学生支援機構発表の大学学部生の平均学費参照。
• 高卒男女・大卒男女の生涯年収：
国立大学財務・経営センター 島一則氏の「日本学生支援機構の奨学金
に関わる大学教育投資経済的効果とコスト－ベネフィット分析」に記載
されている生涯年収前提を使用。
19

20. 係数C:大学進学者増加による社会的影響 生涯賃金増加
H20 高等学校等卒業者及び進路
ソース：文部科学省統計 高卒者と大卒者の生涯賃金格差
H19
高等学校等卒業者数 1,146,074 （円）
大学等進学者数 583,488 ソース：島 一則 日本学生支援機構の奨学金に
大学進学率 50.9% 関わる大学教育投資の経済的効果とコスト ― ベネフィット分
析
H20年の大学進学率が1%上昇 高卒男性 219,622,000
することによって増える大 11,461 大卒男性 295,669,000
学進学者数 高卒女性 137,009,000
大卒女性 244,695,000
H20 学生生活費（大学学部生） 高卒男女 185,257,062
ソース：学生支援機構統計 大卒男女 274,465,093
学費 1,183,000 賃金格差 89,208,031
学部生
生活費(参考) 676,300
学費4年間合計 4,732,000
H21 高卒総合職18-21歳平均年間所得 大学進学率が1%向上することによる
ソース：労働法令協会統計 生涯賃金ベースの経済的インパクト
18歳 2,327,694 838,356,015,288
19歳 2,548,008
20歳 2,794,205
21歳 3,655,873
18-21歳合計 11,325,780
20

21. 係数C:大学進学者増加による社会的影響 生涯賃金インパクト
大学進学率が
1.16%上昇するこ 高卒者が
とによって増え
る
大学進学者數
13,280人
× 高卒者と大卒者の
生涯賃金格差
8,921万円 - 学費
473万円 - 19-21歳で
稼ぐ賃金
1133万円
=
9,714億円
大学進学者が1.16%増えると約9,714億円の生涯年収増加が見込める
21

22. 係数C:大学進学者増加による社会的影響 自治体税収
地方自治体へのインパクト分析－地方税
地方税の大半を占めるのは、
地方住民税と地方法人税
所得税は国税である為、
地方交付税・交付金という
形で地方に再分配される
個人所得の増加は、自治体の
税収増加に直接結びつかない
出典）図解 よくわかる 自治体財政のしくみ 22

23. 係数C:大学進学者増加による社会的影響 大学進学
ベスト１２ ワースト１２
高校生 入学者 高校生
ランク 地域 入学者数 占率 ランク 地域 占率
率 数 率
1 東京 138,793 22.8% 9.3% 36 山形 2,626 0.4% 1.0%
2 神奈川 52,020 8.5% 5.8% 37 岩手 2,513 0.4% 1.2%
3 大阪 48,941 8.0% 6.7% 38 富山 2,368 0.4% 0.8%
4 愛知 41,037 6.7% 5.7% 39 宮崎 2,307 0.4% 1.0%
5 埼玉 33,288 5.5% 5.2% 40 香川 2,115 0.3% 0.8%
6 京都 32,599 5.4% 2.1% 41 福井 2,017 0.3% 0.7%
7 兵庫 27,680 4.5% 4.3% 42 秋田 1,987 0.3% 0.9%
8 千葉 27,475 4.5% 4.4% 43 高知 1,888 0.3% 0.6%
9 福岡 25,989 4.3% 4.0% 44 和歌山 1,756 0.3% 0.9%
10 北海道 19,190 3.2% 4.3% 45 佐賀 1,733 0.3% 0.8%
11 広島 12,842 2.1% 2.3% 46 島根 1,433 0.2% 0.6%
12 宮城 12,050 2.0% 1.9% 47 鳥取 1,354 0.2% 0.5%
合計 471,904 77.5% 55.9% 24,097 3.8% 9.9%
大学進学に当たって地方出身者の大半は、大学が集中する地域に移動する
23

24. 係数C:大学進学者増加による社会的影響 自治体訴求ポイント
前提 首都圏以外の自治体を想定した場合。
税収 個人所得の増加は直接的に自治体の税収増加に結びつかない。
大学進学のタイミングで大学が集中する首都圏に移動するケースが多いた
大学
め寧ろ大学進学によって自治体が直接徴収する税金（住民税等）が減尐す
進学
る可能性がある。
提言 地方自治体に対する見せ方は工夫する必要有。
24

25. 係数C:大学進学者増加による社会的影響 学歴別雇用状況
＜男女別、学歴別、日本の卒業生のキャリアパス＞ 割合（％）
合計 後期中等教育 専門学校 大学以上
男性 正規定着 30.4 21.3 33.2 53.0
正規→正規 6.8 6.0 10.9 7.8
正規→非典型→正規 4.1 4.7 5.2 2.5
非典型/失業・無形→正規 13.9 13.1 10.9 10.2
正規→非典型 5.9 8.1 5.7 4.2
非典型のみ 27.5 34.1 22.3 14.1
自営・家業 6.7 6.3 10.9 4.6
失業・無職/その他 4.6 6.3 1.0 3.5
女性 正規定着 29.3 19.1 29.6 49.5
正規→正規 5.4 2.5 8.0 7.7
正規→非典型→正規 3.3 1.8 6.5 3.8
非典型/失業・無形→正規 8.3 3.5 9.0 9.1
正規→非典型 10.3 11.3 15.1 5.3
非典型のみ 36.4 51.1 26.1 22.1
自営・家業 1.9 2.1 3.0 1.0
失業・無職/その他 5.1 8.6 2.5 1.4
大学進学者の正規定着割合は圧倒的に高い
『日本の若者と雇用 －OECD若年者雇用レビュー』 25

26. 係数C:大学進学者増加による社会的影響 学歴別受刑者数
比率
全体 小学校 中学校 高等学校
年次
総数 比率 中退 卒業 中退 卒業 在学 中退 卒業
H 18 33,
032 100% 0.
4% 0.
8% 0.
8% 44.
9% 0.
0% 21.
9% 24.
1%
H 19 30,
450 100% 0.
4% 0.
7% 0.
8% 44.
3% 0.
1% 21.
9% 24.
9%
H 20 28,
963 100% 0.
3% 0.
6% 0.
6% 43.
3% 0.
1% 23.
0% 24.
7%
H 21 28,
293 100% 0.
2% 0.
5% 0.
5% 42.
4% 0.
1% 23.
4% 25.
2%
H 22 27,
079 100% 0.
2% 0.
6% 0.
4% 41.
7% 0.
1% 24.
0% 25.
6%
5年間計 147,
817 100% 0.
3% 0.
6% 0.
6% 43.
4% 0.
1% 22.
8% 24.
9%
全体 大学
年次 不就学 不詳
総数 比率 在学 中退 卒業
H 18 33,
032 100% 0.
1% 2.
6% 3.
9% 0.
0% 0.
7%
H 19 30,
450 100% 0.
1% 2.
5% 4.
0% 0.
0% 0.
3%
H 20 28,
963 100% 0.
1% 2.
8% 4.
2% 0.
0% 0.
2%
H 21 28,
293 100% 0.
0% 2.
8% 4.
6% 0.
0% 0.
2%
H 22 27,
079 100% 0.
1% 2.
7% 4.
6% 0.
1% 0.
1%
5年間計 147,
817 100% 0.
1% 2.
7% 4.
2% 0.
0% 0.
3%
中卒者、高卒者、高校中退が大多数を占める
法務省「矯正統計」 （年次： 2010年）
新受刑者の罪名別 教育程度
http://www.moj.go.jp/housei/toukei/toukei_ichiran_kousei.html
http://www.e-stat.go.jp/SG1/estat/List.do?lid=000001076421
26

27. 係数C:大学進学者増加による社会的影響 学歴別就業状況
＜ニートと最終学歴構成比（2002年）＞
在学したことがな
タイプ別 中学卒 高校卒 短大・高専卒 大学・大学院卒 い
15～34歳全体 7.8 44.3 25.1 22.8 0.1
無業者全体 20.1 48.3 16.2 15.1 0.4
求職型 16 46.7 19.1 18.2 0
非求職型（ニー
ト） 23.9 49.1 13.9 13.1 0
非希望型（ニー
ト） 高校や大学などに通学しておらず、独身であり、ふだん収入になる仕事をし
28.6 52.1 9.8 7.6 1.8
無業者（通学、有配偶者を除
ていない、15歳以上35歳未満の個人（予備校や専門学校などに通学している
く）
場合も除く）
無業者（通学、有配偶者を除 無業者（通学、有配偶者を除く）のうち、就業希望を表明し、求職活動をし
く） ている個人
無業者（通学、有配偶者を除く）のうち、就業希望を表明しながら、求職活
非求職型（ニート）
動はしていない個人
非希望型（ニート） 無業者（通学、有配偶者を除く）のうち、就業希望を表明していない個人
ニートに占める割合は、低学歴者（短大、高専卒以下）が多い
内閣府『若年無業者に関する調査』図２「最終学歴別構成比）」より
27

28. 係数C:大学進学者増加による社会的影響 社会復帰支援状況
＜日本の若年労働市場の成果を改善するための主な政策措置＞
出所：厚生労働省（２００７b)厚生労働省から提出されたその他の資料。
『日本の若者と雇用』OECD編著 ２０１０年１月初版より引用
→２００６年度実績で、ニートの社会復帰の為に２００億以上の政府支出が
あった。
大学進学率の上昇によって当該費用支出の削減が見込まれる。 28

29. 係数D:事業インパクト分析 結論
疑問 LFAに1万円投資すると、どれくらいの経済効果が見込まれるのか？
サマープログラム事業コスト1万円当たり偏差値が0.241ポイント上
結論
昇、72万円生涯年収増加効果がある。
理由 サマープログラムの事業コストから、係数A・Cの数値を割って算出。
29

30. 各変数についての今後の運用の方向性
• ABについては算出方法を解説するので、今後の精度向上に役立てていた
だきたい。
• Cについては現状の成果を共有するが、さらなる検討が必要。
係数 運用の方向性
• 今回作成したモデルに数学以外の事前事後の数値を入
A 力する事によって、より精度の高い係数を算出
• サンプル数の増加による精度の向上
• 今回作成したモデルに、さらに他地域/多数のサンプル
B を入力・再計算することでより的確に傾向を把握
• 大学生ならではのその他教育効果の数値化
C • 社会的コスト（社会保障費等の政府支出）の削減効果
の数値化
30