政治の分極化は国の発展度合いが高いほど50：50になる

「トランプ支持か、反トランプか」「共和党か、民主党か」——。

アメリカの大統領選のたびに、国が真っ二つに割れ、友人や家族ですら政治の話ができなくなる……というニュースは日本でも目にすることが増えました。

この「アメリカ社会の分断」は、私たちにとっても既視感のある光景ですが、実は現地の専門家の間では、これが「本当に人々の仲が悪くなった（分断した）」のか、それとも単なる「データの見え方の問題（錯覚）」なのかという、根本的な議論が続いていました。

なぜ、あの激しい対立が「錯覚」だと言われるのでしょうか？　その原因は、政治学で「党派的配列（ソーティング）」と呼ばれる現象にあります。

かつてのアメリカには、「保守的な考えを持つ民主党員」や「リベラルな考えを持つ共和党員」といった、個人の思想と支持政党が一致していない「ねじれた」人々が多く存在しました。当時は、個人の政治的なスタンス（イデオロギー）よりも、住んでいる地域や家族の伝統といった歴史的な理由で支持政党が決まることが多かったためです。

しかし時代が進むにつれ、各政党の方針が明確になり、人々は自分の考えに合った政党を支持するようになりました。「自分は保守的な考えだから、民主党ではなく共和党に行くべきだ」と、思想と所属の不一致を解消し始めたのです。

ここが重要なポイントで、人々の意見そのものが過激化していなくても、この「ソーティング（選別）」が完了すると、共和党は「純粋な保守」、民主党は「純粋なリベラル」の集まりになり、中身の人間が整理整頓されただけなのに、従来のデータ分析では「政党間の距離が急激に開いた（分断が進んだ）」かのように見えてしまう可能性があるのです。

主義主張だけで塊を作るとどうなるのか？

そこで今回の研究チームは、この問題を解決するために、人々の自称する支持政党は一切無視することにしました。

代わりに、アメリカ全国選挙調査（American National Election Studies, ANES）の複数年のデータを使い、政策に関する設問から14項目を選別して、14個それぞれの争点について分析したのです。

ここで行われた分析は簡単に言うと、各人の政策回答を「意見の地図」の上に配置し、機械学習（k-means法）を用いて地図上で似た回答の人が固まる場所を探し出して2つの塊（クラスター）に分け、その2つの塊が年を追ってどれだけ離れたかを見るというものです。

イメージしやすい例えで考えるならば、ある広場に集まった人に、「中絶は反対か？　賛成か？」を訪ね、その意見の強さで右か左に移動してもらったとします。

そしてその人達はどちら側にいるかで2つの塊にわけて線を引き、人の多いポイントをグループの中心点とします。それぞれのグループの中でも「まあ、ケースバイケースだよね」という穏健な意見の人は中心に近い場所に立っていますが、「どちらかと言えば反対だな（賛成だな）」という人の集まりが増えて少しずつ左右に広がっていくと、集団の中心点は離れていくことになります。

研究チームは、この「距離」を税金や同性婚など14個のテーマすべてについて計算し、総合的なスコアを出しました。 つまり、あらゆる話題において、二つの集団の距離（意見の重心）がどのくらい離れているかを数値化したのです。

もし人々の意見は昔と変わっておらず、意見ごとの棲み分けが進んだだけで、「分断」が錯覚（ソーティングの影響）に過ぎないなら、純粋な意見だけで作ったグループ間の距離は、昔と変わらないはずです。 しかし、結果は違いました。

分断が加速したのは「2008年」から