公開資料による比較事例研究と方法論的検証

要旨

目的　廿日市女子高生殺害事件を中心に、判明後の犯人像と逮捕前の公開情報から導ける推定を照合し、犯罪者プロファイリングの根拠と識別能力を検証する。津山小3女児殺害事件を主要比較対象とし、三島、広島、奈良、新潟の4事件及び財物取得目的の住宅強盗殺人1件を対照とした。

方法　公開判決、公的発表、公判報道及び保存記事に基づく目的的事例比較である。基本6事件10項目について接触前移動と継続的生活拠点の定義を統一し、全15比較対の類似係数、欠測値の全組合せによる上下限、選定項目の除外、主座標分析及び階層的分類を再計算した。補助対照を含む7事件6項目では、同じ一致率と観測項目を保ったまま、二値化と名義尺度への細分化を比較した。廿日市の逮捕前資料のみを入力とする時点固定の感度分析を加え、地理モデル、ベイズ更新及び公刊予測モデルの入力・評価条件も検証した。

結果　廿日市・津山間のJaccard係数は観測8項目で0.857となり、住宅・刃物の選定項目を除くと0.800、さらに性別・性的目的を除くと0.667となった。廿日市の逮捕前情報だけを残すと、津山の事後記述との比較では観測6項目の0.800となった。広島・奈良、広島・新潟及び奈良・新潟の各対は、粗い二値化で1.000となった。役割別6項目の名義尺度一致率は廿日市・津山間で4／5＝0.800、廿日市・住宅強盗間で3／5＝0.600であり、奈良・新潟間は同じ観測6項目で粗い二値化の1.000から細分化後の0.667へ変化した。JaccardとDiceは全比較対で同じ順位を与える変換関係にあった。

考察　廿日市と津山の比較では、被害者宅への到達、接近目的及び暴力の変化をそれぞれ追うことに意義がある。住宅内の多数の刺傷は、財物取得目的でも生じる。動機の比較では、対象への接近、物色、取得財物及び加害後の行為を関連付けて判断する。類似度は事件選定、変数定義及び欠測に依存し、少数の集約項目が一致しても、人物属性の一括推定には根拠が不足する。

キーワード　犯罪者プロファイリング　行動分析　地理的プロファイリング　事件リンク分析　欠測　逆推論

1 問題設定と先行研究

犯罪現場の行為から犯人の日常的属性を推定するには、両者の関係を裏付ける根拠が必要である。多数の刺傷から怨恨を、住宅への侵入から土地勘を、平日午後の犯行から無職を導く推論は、いずれも観察された行為を人物属性へ結び付けている。解決事件との照合によって、推論の根拠と判明後の知識の混入過程を調べる。

1 1 検証課題

分析対象は、面識、動機、被害者選択、犯行経緯、計画性、生活拠点、移動手段、就労及び犯行時刻の9項目である。逮捕前資料の支持する属性、類似事件間の生活条件の異同、地理的・統計的手法による識別可能性、欠測及び変数定義による判断の変動を検証する。

照合単位は個々の推定命題とする。当該時刻の行動可能性と長期的な就労状態、現場への到達と近隣居住、加害時の怒りと被害者に対する既存の怨恨を、それぞれ別の命題として扱う。これにより、部分的な一致を人物像全体の的中として数える誤りを防ぐ。

1 2 手法の系譜と実証研究

警察庁の令和8年版警察白書は、統計データや心理学的手法によって犯行の連続性、犯人の特徴、居住地等を推定する技術としてプロファイリングを説明する。科学警察研究所の2022年4月〜2026年3月の研究計画も、事件リンク分析、犯人像推定及び地理的プロファイリングの3分野に整理している。[60][61]

米国連邦捜査局（Federal Bureau of Investigation、以下FBI）の行動分析は、動機、被害者選択、行為及び出来事の順序を分析し、捜査判断を支援する。[25] Fox及びFarringtonによる426刊行物の総説は、事件リンク分析に中程度から高い識別成績の蓄積を認める一方、人物像推定では実証研究及び効果検証が少ないと指摘した。[37]

国内では、殺人839件の多変量モデル、539件に基づき面識・単独犯・金銭目的を組み合わせて予測するモデル、単発殺人1226件による犯罪経歴の回帰・決定木モデルが公刊されている。[38][40][41] 各モデルの予測対象は異なり、その性能の判断には、従属変数と入力条件の対応が前提となる。

英国の解決済み無面識性犯罪10918事件を用いた研究は35の分析方法を比較し、最良の方法についてAUCの平均0.95、適合率・再現率曲線下面積（AUPRC）の平均0.26、上位100対中の真のリンク95％を報告した。[43] 2026年公刊の29論文のメタ分析も罪種及び入力領域による成績差を分析しているが、収録対象は2022年末までの研究である。[44]

2 資料と研究方法

本研究は、公開資料に基づく後ろ向きの比較事例研究と数理的検証を組み合わせたものである。逮捕前情報による推定の照合、判明後の資料による事件間比較、仮定条件下の数値計算を別々に扱い、それぞれの結果を報告する。

2 1 事件の選択と司法資料

表1 対象事件と司法資料の取得範囲

基本比較の6事件のうち、廿日市と津山は、若年女性が住宅内で襲われ、刺傷を負い、解決まで長期間を要したという条件から選んだ。三島、広島、奈良、新潟は、接近時の目的、殺意の形成、生活拠点と加害場所、遺体の移動を対比する事例である。住宅・刃物の共通性は選定時点で含まれており、類似度の解釈にもその影響を織り込む。

財物取得目的との対照には、2019年の広島住宅強盗殺人に関する広島高裁2022年11月8日判決を用いる。被害者宅、多数の刺傷、無面識という条件を共有しつつ、金品目的と物色が認定された事例である。基本6事件と同じ尺度で動機の頻度を推定する標本には加えず、動機を判断する観察と共通の現場条件との関係を分析する補助対照とした。[68]

裁判所公開判決本文を直接参照したのは、広島小1女児事件の広島地裁判決、三島事件の最高裁判決及び補助対照の広島住宅強盗殺人事件の広島高裁判決である。廿日市では中国新聞の判決要旨の公開部分、津山では自白の採否を伝える判決報道も参照した。両事件の判決原本は今回の参照対象外である。奈良には警察白書と判決報道、新潟には判決の犯罪事実部分の第三者転載を用いる。[17][18][68]〜[71]

2 2 資料の証拠区分と出所の管理

表2 本文の資料区分

同一報道の転載、同一公判又は供述の再紹介は、同じ根拠として集約する。本人供述、判決認定及び取材者の解釈を出所別に整理し、警察の情報提供要請に例示された人物条件は捜査上の例示として扱う。表中の1及び0は各資料の記述を符号化した値であり、資料ごとの証拠区分は維持する。

2 3 逮捕前情報の固定

逮捕前情報の時間的上限は、廿日市が2018年4月12日、津山が同年5月29日である。採用資料は逮捕前に公表された本文を確認できるものに限定し、逮捕前日の報道に容疑者特定に関する情報が含まれる場合は除外する。公表時点と記述内容の根拠をそれぞれ確認する。

表3 事前情報の採用範囲

廿日市の2004年記事は初動段階の公開情報を、2017年更新の県警ページは長期捜査後の逮捕前公開情報を扱う。後者の記述は2017年当時の公開情報として扱う。津山は保存本文の復元が不十分であり、新潟も事前資料が限定されるため、両事件の事前予測を包括的に検証するには資料が不足している。

2 4 文献検索と採用範囲

文献調査は2026年11月10日、出典及び計算の再照合は同月11日に実施した。J-STAGE、学会・出版社の原論文、大学機関の公開資料、FBI、警察庁、科学警察研究所及び米国司法省関係機関の公表を主な参照先とした。検索語は「犯罪者プロファイリング」「単発の殺人 犯罪経歴 決定木」「事件リンク分析」「offender profiling」「crime linkage machine learning」「geographic profiling Bayesian」「criminal profiling LLM」であり、引用文献も参照した。

採用対象は、推定対象及び必要入力を確認できる研究・方法資料である。本調査は目的的な文献調査であり、検索件数及び除外件数を集計した系統的レビューではない。参考資料には、本文、抄録、書誌・内容紹介等の参照範囲を記載した。

2 5 符号化と計算単位

基本6事件では10個の二値項目を定義し、60セル中54セルを符号化した。残る6セルは欠測値（NA）である。対象は、被害者年齢層、被害者宅での主要加害、刃物による致命的加害、接触前移動における自動車使用、犯行時点の継続的生活拠点の県内外、死後の遺体移動、事件開始時間帯、性的目的、無面識の明記及び被害者性別とした。

年齢の12歳以下・13歳以上という区分は、国内性犯罪研究の定義に対応する。[30][42] 自動車、原付及び自転車を別の移動手段として扱う。V4は被害者への接触前移動に限り、自動車使用が明記されれば1、原付等の別手段が明記されれば0、当日の接触前移動が確認できなければNAとする。広島小1女児事件の自転車利用は死後の遺体運搬に関する認定であり、V4にはNAを割り当てる。[17] V5は犯行時点まで継続して保持された居住拠点の県内外を分類する。廿日市では犯行前日に寮を離れており、当日の継続的拠点を確定できないためNAとする。[5][69] 津山の自動車訪問は過去の経験に限られ、事件当日の利用手段はNAとする。[13][42]

0は、定義した属性に該当しないことが資料の記述から確認できる場合に限る。絞頸又は焼死等が記載された事件の「致命的な刃物」を0としても、切創の有無は別途判断する。三島の生活拠点及び面識、奈良の面識もNAとした。接触前移動が不明の場合はNAとし、廿日市では退寮後の継続的生活拠点をNAとする。欠測と属性の不在を別々に扱う方法は、類似係数の定義に従う。[65]

符号化は犯人判明後の資料を知る単独評定であり、評定者間一致率及びκ係数は算出していない。欠測値に由来する変動は0・1の全組合せで、項目選択に由来する変動は各項目及び項目群の除外で測定する。加えて廿日市について逮捕前の公開本文だけに入力を制限した感度分析を実施する。これらの手続きはいずれも同一評定者による再符号化に基づく。

役割別の再分類は、補助対照を含む7事件について、年齢層、主要加害場所、致命的加害、接触前移動、死後移動の有無及び開始時間帯の6項目で行った。42セル中39セルを符号化し、接触前移動の3セルをNAとした。生活拠点、既訪問の有無、当日の移動状態及び死後の運搬手段は別の記述欄に保持し、未確認情報はNAとして一致率から除いた。

2 6 事後知識の影響を調べる時点固定の感度分析

廿日市について、逮捕前に公開された県警保存本文及び2004年の新聞記事[1]〜[4]だけを基本10項目に照合する。V1（年齢層）、V2（被害者宅）、V3（致命的な刃物）、V6（死後移動なし）、V7（事件開始時間帯）、V10（被害者性別）の6項目を採用し、犯人と同定されていない二輪車目撃に依拠するV4、犯行時点の継続的生活拠点V5、性的目的V8、被害者との無面識V9はNAとする。補完の対象は逮捕前に公表された本文に限る。

廿日市の時点固定データを、他事件の判明後資料を含む基本10項目の記述値と比較し、観測項目数と係数の変化を測る。これは廿日市側の入力について事後に判明した属性を遮断する感度分析であり、相手事件の入力には判明後の記述を保持した。津山の逮捕前資料は本文の復元が十分でないため、双方を逮捕前に固定した事件対の類似係数は算出対象外とした。

3 分析手法と評価基準

行動過程の説明、人物属性の予測、事件リンクの推定及び生活拠点の推定は、推定対象と検証単位が異なる。各手法の必要入力と本研究における実施範囲を付録Aに示す。

3 1 行動分析と事件過程の再構成

FBIの犯罪捜査分析は、被害者選択、動機、行為及び出来事の順序を分析する。[25][26] 本研究では、接近目的、被害者の反応、暴力の変化及び事件後の行動を順に追った。TurveyのBehavioral Evidence Analysis（BEA）は、被害者学、現場再構成及び個別的な動機分析を重視する。[53] 本研究の適用範囲は公開記述に基づく経過の比較であり、法医学資料による現場再構成は実施していない。

Crime Action Profiling（CAP）及び捜査心理学は、行動分布と犯人属性との対応を分析する系譜に属する。[54] Canterらの実証研究を踏まえ、秩序型・無秩序型を固定的な人格分類として職業や社交性の一括推定に用いることはしない。[27] 行動類似性と背景属性の類似性との対応は、相同仮説として検証される別個の問題である。[55]

犯罪スクリプト分析により、事件を行為の前後関係として比較する。先行研究には性犯罪の行動過程と地理的条件を併せて分析したものがある。[51] 閾値に基づく犯行を論じたFBI職員の論考は、抑制条件及び意思決定の変化を扱う概念的説明として参照した。[52]

3 2 競合仮説と因果関係

性的接近、財物取得及び被害者固有の怨恨を、廿日市の逮捕前資料と照合する。被害者の性別・年齢という観察と、その属性を理由に犯人が対象を選んだという命題を別々に扱う。各仮説の前提、財物探索の有無及び行動順序との対応を比較し、相互排他性や尤度比が得られないため、仮説確率は算出対象外とする。

多数の刺傷は結果の変数であり、怒りの発生原因を特定する情報は別途要する。被害者固有の怨恨からも、その場での抵抗や目的不成立への反応からも、強い暴力へ至る経路が考えられる。同様に、生活拠点、訪問経験、当日の移動は現場への到達へ別々の経路を持つ。これらを因果関係の異なる変数として整理し、同じ結果を説明するための前提を比較する。

3 3 類似係数と欠測の扱い

両事件で1の項目数をa、一方のみ1の項目数をb及びc、両方0の項目数をdとする。Jaccard係数Jはa／(a＋b＋c)、Dice係数Dは2a／(2a＋b＋c)、Ochiai係数はa／√((a＋b)(a＋c))、単純一致率は(a＋d)／(a＋b＋c＋d)である。前3係数は共通する0を一致として算入せず、単純一致率は算入する。[43][65] Jaccard等の値は、どの属性を1に割り当てるかにも依存する。

JaccardとDiceの間にはD＝2J／(1＋J)、J＝D／(2−D)が成立する。Jが0〜1の範囲では単調な変換であり、全比較対で順位と同順位関係が一致する。4係数の提示は、共有する0の扱いと正規化の違いを比較するためであり、4係数は共通の入力に由来する相互に関連した結果である。

NAを含む項目は、その事件対の計算から除外する。有効項目数は7〜9であり、係数と併記する。加えて、欠測値を0又は1とする全組合せを列挙し、10項目完備時のJaccard係数の最小値及び最大値を算出する。この範囲は欠測に由来する算術上の上下限である。

3 4 項目除外と多変量表示

廿日市・津山間で10通りの1項目除外を実施する。性別・性的目的、無面識、移動・地理、年齢・加害場所・致命的手段の項目群も除外し、類似度及び廿日市を基準とする順位の変動を調べる。補助的に全項目の0・1を反転し、符号の割当てによる影響を確認する。

全6事件で欠測のない7項目について、Jaccard距離D＝1−Jを求め、主座標分析及び平均連結法による階層的分類を実施した。中心化行列をC＝I−11ᵀ／n、Dの各要素を二乗した行列をD²とし、G＝−CD²C／2を固有値分解する。上位2個の正の固有値及び固有ベクトルにより二次元座標を求める。距離再現誤差は√(Σᵢⱼ(Dᵢⱼ−D̂ᵢⱼ)²／ΣᵢⱼDᵢⱼ²)と定義し、負の固有値も報告する。

3 5 公刊予測モデルの条件照合

単発殺人の犯罪経歴を予測する公刊CHAID決定木について、公開された条件分岐を照合する。[38] 入力は被害者性別、犯行場所、現金等の窃取等であり、未確認の値については可能な分岐を全て保持する。各終端内の犯罪経歴保有者数を終端総数で除した比率を算出する。

ロジスティック回帰では、公表オッズ比を条件付きの効果として参照する。個別予測確率の算出に必要な切片及び全入力は用いていない。事件リンク研究の年齢一致に関する係数は、原研究の変数定義を確認するために参照する。[42]

3 6 地理モデルの識別可能性

地理モデルは、平面上のユークリッド距離にのみ依存する尤度を仮定し、q(θ｜x)∝f(d(x,θ))π(θ)とする。xは単一の観測地点、θは候補拠点、πは事前密度である。中心点推定、距離得点の3種類の形状及び方向に偏りを持つ事前分布を解析する。[28][47]

距離の単位及び分布の係数は仮定値である。モデルの識別可能性を解析対象とし、実居住地の推定誤差は対象外とする。候補者の既知活動地点から順位を求めるGP-SMARTは、未知拠点の推定と必要入力が異なるため、資料条件を照合する。[49][50]

3 7 ベイズ更新と性能の評価

二値仮説Hの事前確率pと尤度比LRについて、事後確率をpLR／(1−p＋pLR)で計算する。複数のLRを単純に乗じるには、各証拠がH及びその対立仮説の双方の下で条件付き独立であることを要する。同一観察を重複計上した場合と1回にまとめた場合を、仮定値により比較する。

公刊モデルの混同行列から、感度、特異度、均衡正解率を再計算する。さらに、感度と特異度を一定と仮定し、目的属性の基礎比率が異なる場合の陽性的中率を求める。AUC、順位、確率の校正、対象者を除外する誤りは別の評価対象とする。[38][43][44][62]

3 8 役割別の名義尺度比較

役割別6項目では、同じカテゴリを1、異なるカテゴリを0とし、両事件で観測できる項目について平均した一致率Sを用いる。S＝ΣₖδᵢⱼₖI(xᵢₖ＝xⱼₖ)／Σₖδᵢⱼₖとし、δは両事件で観測できる場合に1、Iは条件が成立する場合に1とする。これはGowerの係数における名義尺度の一致判定に対応する。[65]

粗い二値化は、年齢を12歳以下か否か、場所を被害者宅か否か、致命的加害を刃物か否か、接触前移動を自動車か否かとする。細分化後は、年齢を12歳以下・13〜19歳・20歳以上、場所を被害者宅・犯人住居圏・車内・屋外、致命的加害を刃物・頸部圧迫・溺死・焼死、移動を原付・自動車・徒歩・その他に分ける。死後移動と時間帯は同じ定義を保つ。比較の前後で係数と観測項目を固定し、カテゴリ統合によって失われる情報を調べる。

年齢の3区分は17歳と86歳を同じカテゴリにまとめないための探索的な定義であり、法的身分や性的選好を表す分類ではない。接触前移動のNAには4カテゴリの全組合せを当てはめ、6項目完備時の上下限を算出する。

4 判明後の犯人像と事件経過

判明後の犯人属性と行動経過には、裁判所の公開認定、公判供述及び報道上の説明が含まれる。各資料の証拠区分に従い、逮捕前情報との照合に必要な事実関係を整理する。

4 1 廿日市女子高生殺害事件

廿日市では、目撃に基づく外見情報が逮捕前に公表されていた。生活拠点、当日の移動目的、性的目的及び殺意の形成経緯は、公判報道によって具体化した。

【報道】FRIDAYデジタルの公判報道は、事件当時21歳で、高校卒業後、山口県萩市の金属加工会社に就職し、寮で生活していたと伝える。[5] 中国新聞の判決要旨公開部分には、約3年半の勤務、2004年10月4日の退寮、翌5日に広島県内へ入った後の性的目的の形成が記載されている。朝の作業に間に合わないと考えて出勤を避けた経緯も記され、始業・朝礼そのものへの遅刻とは区別されている。[69]

【報道】鹿砦社の傍聴記は、路上で見かけた被害者に性的目的を持ち、被害者宅に侵入した後、逃げようとする被害者を殺害し、駆けつけた祖母にも重傷を負わせたという供述を伝える。本人が述べた怒りは、被害者との過去の関係に由来する恨みという説明とは異なる。[6][8]

【報道】犯行後も原付で東へ移動して東京に達し、その後、山口県に戻ったという行動は別の傍聴記に詳しい。逮捕までの期間には土木関係の会社で働いていたとされ、公判で紹介された勤務先関係者の調書にも、勤務を継続していた事情が現れる。[6][7][8]

【報道】広島地裁が2020年3月18日に無期懲役を言い渡したことは、判決公判の傍聴記及び翌日の毎日新聞の公開部分が伝えている。[9][32]

表4 廿日市事件の実像と情報の出所

4 2 津山小3女児殺害事件

津山事件は、住居内の女児に対する刃物の使用という点で廿日市と共通する。公判では犯人性及び自白の信用性が争われており、犯行経過の比較と、その立証に関する判断を分けて扱う。

【報道】津山朝日新聞は判決内容として、わいせつ目的で女児の首を絞め、抵抗を受けて刃物で刺して殺害したと紹介し、無期懲役の確定を伝える。[15] FRIDAYデジタルとラジオ関西は、捜査段階の自白を一審が信用した理由として、殺害態様に関する供述と客観的状況の整合性等を挙げたと報じる。ラジオ関西は二審もその判断を支持したと伝え、テレビ朝日は2023年9月7日付の上告棄却を報じている。[13][16][70]

【報道】2021年10月7日の津山朝日新聞によれば、初公判で本人は犯行を否認し、検察は下校中の女児を追って住居へ侵入したと主張した。弁護側は、本人と現場を結ぶ遺留品等がないとして争った。自白の信用性は主要な争点であり、犯人像の類似性とは独立に判断する。[12]

【報道】FRIDAYデジタルの公判報道は、事件当時は兵庫県に居住し、過去に車で津山を複数回訪問したという本人供述を紹介している。本人は事件当日の関与を否認しており、当日の経路について語った内容も虚偽の自白として説明していた。過去の訪問経験と事件当日の移動手段は、別々の確認事項として扱う。[13]

【報道】2018年の逮捕報道と2022年の公判報道は、女子中学生に対する別の殺人未遂事件で服役中に津山事件の被疑者として浮上した経緯を伝える。事件間の比較は捜査対象を見いだすきっかけになり得るが、その後の証拠に対する判断は別途行う。[11][14]

表5 津山事件で整理できる属性

津山では、県外居住と過去の訪問経験が併存する。廿日市の生活先から離れた移動とは異なり、両者は地域への訪問経験の点で異なる。事件当日の就労、自動車使用及び正確な居住地座標は、本分析では欠測である。

4 3 三島女子短大生焼殺事件

【判決】最高裁2008年2月29日判決は、深夜に車で走行中、帰宅途中の当時19歳の女性を強姦目的で連れ去り、性的加害後に殺害を決意した経緯を記述する。量刑判断では、周到な計画に基づく犯行ではなかったことも考慮されている。[18] 公開判決に明記されない犯人の居住県及び個人的面識はNAとした。

4 4 広島小1女児殺害事件

【判決】広島地裁2006年7月4日判決は、一人暮らしの居住アパートとその付近で、面識のない女児に性的行為を加えて殺害し、近くの空き地へ遺体を運んだと認定する。殺害等の場所は室内だけに限定されず、遺体の運搬に自転車を用いたことが認定されている。事前に女児を物色していたという検察の説明も、全面的に採用されたわけではない。[17 pp.1〜8,23〜28,46〜49]

【分析】居住地への近接性が実際に認められる対照例である。住宅という語を共通項にしても、廿日市・津山は被害者宅、広島は犯人の居住アパートとその付近であり、場所の利用条件が異なる。場所の利用条件を符号化にも反映した。

4 5 奈良小1女児誘拐殺害事件

【公表・報道】警察庁の平成17年版警察白書は、下校中の女児を自動車で連れ去り、自宅浴室で溺死させ、死体を遺棄した事例として記載する。[71] 平成18年版は子ども対象の暴力的性犯罪の前歴者が2004年12月に奈良の女児誘拐殺害事件で検挙されたことを記す。[19] 関西テレビの捜査回顧と現地取材記事は、自動車移動、犯人宅での加害及び別地点への遺棄を伝えている。[20][66]

【分析】奈良では、被害者との接触、犯人宅及び遺体発見地点が異なる。[66] 個人的面識の有無は取得資料の明記を確認できないためNAとした。関西テレビの2023年取材が伝える映像・携帯電話解析の詳細は、逮捕前情報の照合からは除いた。[20]

4 6 新潟小2女児殺害事件

【報道・判決転載】2018年5月16日の報道は、近隣に住む当時23歳の会社員で、被害者との面識はなかったと伝える。[22] 判決の犯罪事実部分の転載には、性的目的の連れ去り、車内での加害、その後の殺害と夜間の線路への遺棄という時間の差が記載されている。[21]

【分析】遺体発見場所と殺害場所、列車との接触と死亡時点をそれぞれ照合できる事例である。逮捕前記事も先行する殺害を疑う捜査を伝えていた。[23] ただし、発見地点の特徴だけでは職業や通勤経路の特定に資料が不足する。不審者の別の目撃は本人との同一性が未確認のため、入力から除いた。[24]

4 7 広島住宅強盗殺人事件 2019年

【判決】広島高裁2022年11月8日判決は、2019年2月19日夜から20日未明にかけ、金品窃取目的で86歳の被害者宅へ侵入し、発見された後に刃物で多数回刺して殺害し、現金等を奪った事件について、無期懲役とした原判決を維持した。被告人は侵入・殺害時の金品目的等を争ったが、高裁は、無面識の被害者宅への侵入、殺害後の広範な物色、実際の財物取得等を総合し、強盗の故意を認めた原判断を是認した。[68 pp.1,18〜19]

【分析】住宅、多数の刺傷、無面識という共通項は、性的目的と財物目的の双方に存在する。加害後も金品を探索し、実際に財物を取得した行為が、財物目的を裏付ける。判決は家出後に資金が尽きた経過にも言及しており、生活拠点からの離脱は複数の動機と結び付き得る。[68 pp.19〜22]

4 8 司法判断と個別供述の参照範囲

表6 司法判断と供述を区分した照合

5 廿日市の逮捕前情報と行動分析

廿日市の逮捕前資料は、目撃による外見、発生時刻、現場状況及び不審者情報を含む。これらの記述と、判明後に報じられた犯行経過との対応を調べる。

【公表】2017年3月更新の県警ページの保存本文には、2004年10月5日火曜日午後3時頃の発生、17歳の女子高校生の死亡、祖母の重傷が記載されている。当時の犯人像は、年齢20歳位、身長165センチ位、がっちりした体格などで、外見情報に依拠する。[1]

【公表】同ページは、人やスクータータイプのバイクの目撃情報を紹介する一方、それらの人物が明らかに犯人というわけではないと明記していた。また、勤務・就学について、欠勤や休暇だけでなく、その時間帯に勤務がない場合や自由に外出できる場合も挙げている。公表上の対象は「近隣の無職者」よりも広い。[1]

【報道】2004年10月7日の中国新聞は多数の刺傷、物色の跡が確認されないこと、着衣の乱れがないことを伝え、怨恨と窃盗目的の双方を視野に入れた捜査と報じた。同月9日には、凶器持参や部屋への侵入から計画性を疑う見方と、祖母が知らない男と話したという情報が掲載されている。[3][4]

表7 廿日市の事前情報と照合結果

5 1 接近目的と暴力の変化

【分析】物色の跡が確認されなかったという報道は、財物探索を主要行為とする説明の支持を弱める。17歳の女性が被害者であることは観察事実であり、犯人の年齢・性別選好の認定には別の根拠を要する。性的接近は、財物探索を要せず、被害者への接触自体を目的とする仮説として扱う。着衣の乱れがないという報道は、その目的が達成されなかった経過とも両立する。[1][3][4]

【仮説】廿日市では、性的接近の不成立に伴い暴力が拡大したという説明を中心仮説に採用する。逮捕前情報から組み立てる命題は、財物取得以外の接近目的と、その場の反応による暴力拡大である。女子高生を探したこと、逃走への反応として怒りが生じたことの具体的順序は、判決要旨の公開部分及び公判供述を伝える報道によって判明した。これらは判明後の照合情報として計上する。[5][6][8][69]

【分析】この仮説から、性的経験、社交性、家庭環境又は精神医学的診断の一括推定には根拠が不足する。接近方法と犯行行動の関連を扱う性殺人研究も、その従属変数は接近方法であり、人格診断とは区別される。[56]

5 2 面識と怨恨の仮説

【分析】多数の刺傷は強い暴力の継続を表すが、事前の怨恨と、その場で生じた怒りの判別には別の所見を要する。廿日市及び津山の公判・判決報道は、事前の個人的関係を要しない経過でも強い暴力が生じると伝えている。[5][8][15][16][67]

【分析】両事件は、多数の刺傷から既存の面識を必須条件として導く命題に対する反例となる。反例の存在と、面識のある犯人が母集団で占める比率は、別の問題である。

5 3 競合する説明の照合

表8 廿日市の逮捕前記述と3説明の比較

【分析】性的接近を優先する理由は、財物探索の痕跡を伴わない状況の下で、被害者への接触そのものを目的とする過程を説明できる点にある。被害者固有の怨恨を採用する場合は、事前の個人的関係という別の前提を要する。この順位は観察と説明の対応に基づく判断であり、被害者属性の頻度や仮説の推計確率から導いた順位ではない。補助対照の強盗殺人では、物色と取得財物が財物目的を裏付けており、動機を判断する比較対象となる。[68]

5 4 時刻と生活状態

【分析】県警の逮捕前広報は、欠勤・休暇、勤務時間帯の相違及び勤務中の自由な外出を例示していた。[1] 平日午後3時という時刻から直接得られる条件は、その時点で現場に滞在できたことである。

【報道と分析】廿日市の公判報道は、約3年半の継続就労と、その後に寮を離れて移動を開始した経過を伝える。[5][7] この経過は、長期的な就労状態と犯行当日の行動可能性の相違を具体化する。犯行時点の雇用関係の正式な終了日は確認資料に含まれておらず、当日の就労状態は未確定として扱う。

6 公刊決定木及び回帰モデルの適用条件

犯罪経歴を予測する公刊モデルは、犯人性又は殺害動機を直接予測するものとは目的が異なる。モデルの終端内比率、個別予測確率及び本件犯人の実際の経歴を別々に扱い、入力の欠測が結果に及ぼす影響を分析する。

6 1 決定木の経路追跡

大塚らは、2004〜2009年に作成された事件資料から、検挙まで8日以上を要し、犯罪経歴及び独立変数に欠測のない単発殺人1226件を分析した。複数犯で経歴の有無が混在する場合には経歴保有者1名の資料を抽出している。回帰及び決定木の予測性能は10分割交差検証によって評価された。[38]

表9 公刊決定木で到達する終端と入力条件

出典 [38] Fig 2。人数は原図、百分率は独自計算。終端内比率は学習資料の構成を表し、各事件の校正済み確率とは異なる。

【分析】「物色の跡がない」という廿日市の報道と、モデルの「現金・カード等窃取なし」は、観察内容と変数定義が異なる。[3] 一軒家とする条件下でも、窃取が未確認なら終端内比率23.1％及び61.5％の分岐が残る。判定閾値を仮に50％とすれば、窃取の入力によって分類が逆転する。これは欠測による分類変動の例示である。

【分析】一軒家という入力も未確認とする条件では、48.5％の終端を含む3通りの値を取り得る。23.1〜61.5％は終端内比率の最小値と最大値であり、その間の連続した値を出力する区間推定とは性質が異なる。津山は逮捕前本文の復元も部分的であるため、当時の公開情報から特定の終端へ到達した実績としての計上は対象外とする。

【分析】三島、広島、奈良及び新潟を、一軒家以外の場所における女性被害事件として対応させると、同じ終端に分類される。この分岐には、年齢、移動の用途及び加害過程は分岐変数に含まれていない。モデルの目的変数が犯罪経歴であることに伴う結果である。

6 2 回帰係数及び変数定義

【数理分析】同研究の調整オッズ比は、女性被害者0.49、一軒家0.39である。[38 Table 5] 交互作用を含まない当該回帰式において、他の変数を固定し、両項目を0から1へ変更した場合のオッズ比は、丸め値の積0.49×0.39＝0.1911となる。これは相対オッズであり、犯罪経歴の保有確率とは解釈が異なる。

【数理分析】横田らの事件リンク研究では、被害者年齢層の一致に関する調整オッズ比は5.75である。[42 Table 5] 原研究の12歳以下・13歳以上という区分では、廿日市の17歳と津山の9歳は不一致となる。両者を「若年女性」として一致に変更する処理は、原研究と異なる変数定義を導入するものであり、その分類へ同じ係数を適用する妥当性は検証されていない。

【分析】オッズ比5.75は、原研究の変数定義及び他の説明変数を一定とする条件の下で解釈される。年齢分類を変更した場合の係数や本件2事件が同一犯である確率には、別の推定が求められる。

6 3 公刊モデルの性能比較

表10 公刊混同行列から再計算した性能

原データは[38] Table 3・4の交差検証による混同行列。正例は「犯罪経歴あり」。均衡正解率＝(感度＋特異度)／2。

【分析】両モデルの正解率は67.3％であるが、決定木は経歴保有者を検出する感度が高く、回帰モデルは経歴非保有者を識別する特異度が高い。モデルの比較では、見逃しと誤分類による候補化の損失も判断基準に含める。

【分析】廿日市、津山及び新潟の逮捕は原研究の公刊後であり、同研究の解決済み学習事例の対象外である。他の3事件との重複は未確認である。本研究では実際の犯罪経歴との照合による外部予測性能を測定しておらず、公刊条件分岐の照合及び入力欠測の影響を結果とする。

7 事件間類似度と分類の感度

基本6事件の二値化には判明後の資料を含む記述データを用いる。全15対は異なる犯人による組合せである。補助対照を含む7事件の役割別比較は、同じ観測項目と一致率を保ち、変数の細分化による結果の変化を調べる。両者の数値は各定義に従う記述値として報告する。

7 1 類似係数の結果

図1 6事件10項目によるJaccard係数（クリックで拡大）

両事件で観測できた項目について算出した。有効項目数は7〜9。対角以外は全て異なる犯人による事件対である。全数値及び出典は付録Bに記載。

表11 代表的な事件対における4係数

【結果】廿日市・津山間の観測8項目では、Jaccard 0.857、Dice 0.923、Ochiai 0.926、単純一致率0.875となった。観測された相違は被害者年齢層であり、被害者宅、刃物、日中の開始等は一致した。津山の接触前移動と廿日市の犯行当日の継続的生活拠点は欠測として除外した。

【結果】奈良・新潟間は観測9項目で4係数とも1.000となった。加えて、広島・奈良間は観測8項目、広島・新潟間は観測9項目でJaccard係数1.000となった。広島の接触前移動をNAに統一したため、同項目の相違が比較から除かれた。犯人宅と車内、接触態様、加害手段及び事件後の通信等の相違が、この10項目では個別の変数として保持する設計となっていない。

【分析】広島・奈良・新潟の3事件は、異なる犯人の事件でありながら、観測可能な二値項目では各対のJaccard係数が1.000となった。児童、日中、性的目的及び遺体移動等の上位分類の一致が、個別の犯行過程の相違を覆う。欠測処理によって一致率が上がる場合もあり、人物識別の閾値は係数の高さとは別に定めることになる。

7 2 欠測による上下限

表12 欠測の全組合せで取り得る類似度

【結果】欠測6セルの全組合せを事件対ごとに検討した。廿日市・津山間の10項目完備時のJaccard係数は0.667〜0.875、広島・奈良間は0.714〜1.000、広島・新潟間は0.857〜1.000となる。廿日市・津山間で観測できた8項目の0.857は、欠測値の補完方法によって変化する。

【分析】これらは定義した欠測6セルに限った算術上の上下限であり、資料の誤記や記述の解釈差は、この算術上の範囲の対象外である。広島の接触前移動と廿日市の継続的生活拠点をNAに統一したことで、完全一致となる事件対及び可能な上下限が変化した。事件対によって有効項目が異なるため、係数と分母を併記する。

7 3 項目の除外による感度

表13 廿日市を基準にした項目群の除外

【結果】廿日市・津山間で1項目ずつ除いたJaccard係数は0.833〜1.000となった。唯一の観測上の不一致である年齢層を除くと1.000、共通して1の項目を除くと0.833である。両方0の遺体移動、又は既に比較対象から除外されている接触前移動と廿日市の生活拠点の項目を除いても0.857のままとなる。

【結果】性別及び性的目的を除くと0.800、さらに無面識を除くと0.750となった。住宅・刃物の選定項目を除くと観測6項目で0.800、さらに性別・性的目的を除くと観測4項目で0.667であった。7通りの項目群の除外条件では、廿日市を基準とする最大の類似度はいずれも津山であった。

【分析】項目の除外による類似度の増加と推定精度の改善は別の指標である。全項目の0・1を反転すると、同じ観測8項目でも廿日市・津山間のJaccard係数は0.500となる一方、単純一致率0.875は変わらない。Jaccard係数の絶対値は、観測上の相違に加えて、どの属性を1と定義するかにも依存する。

【分析】住宅・刃物の2項目だけを用いれば、廿日市・津山は選定条件によりともに1となり、Jaccard係数は1.000となる。その2項目を除いても共通性が残る結果は、追加の比較根拠を与えるが、事件集合の選定による影響は残る。係数の高さと、独立した資料による仮説の検証は別に扱う。

7 4 主座標分析及び階層的分類

図2 欠測のない7項目による事例の主座標表示（クリックで拡大）

Jaccard距離の主座標分析。広島、奈良及び新潟は同じ座標に重なる。軸は心理的属性を表さない。

【結果】上位2座標による距離再現誤差は0.0196、最小固有値は-0.0069であった。欠測のない7項目では、広島・奈良・新潟の記述が一致し、同じ座標に配置された。平均連結法でもこの3事件が距離0で結合され、廿日市・津山が別の近接した組合せとなった。

【分析】この配置は、選定した項目に基づく記述的な類似を表す。既知の別人による3事件が同一点となる結果は、集約項目が個人識別に必要な相違を保持していないことを表す。

7 5 移動の役割と生活拠点を区分した比較

接触前移動は被害者への到達、死後の運搬は遺体の移動を説明する。生活拠点は犯行時点に継続していた居住先を指し、直前までの寮や一時的な通過場所は別の記述欄に保持する。過去の訪問及び当日の移動状態も別の変数であり、各資料が記載する役割ごとに情報を保持した。

表14 移動手段の用途と生活拠点

【分析】広島の自転車利用は遺体運搬として認定されている。その事実から接触前の自動車不使用を確定せず、基本10項目のV4もNAとした。津山でも過去の自動車訪問と当日の手段を分ける。廿日市では退寮前の生活先を犯行時点の継続的拠点へ転用せず、V5をNAとした。奈良・新潟では、死後移動の有無とその運搬手段を別々に記録した。

7 6 同一観測項目による細分化の効果

表15 同じ6項目と一致率を用いた分類の比較

両分類は同じ一致率Sを用い、事件対ごとに観測項目も固定した。元の10項目のJaccard係数との数値差には、項目定義と尺度の相違も関与する。定義・全符号化・全21対は付録Bに記載。

【結果】奈良・新潟間は、粗い二値化では6項目全てが一致した。場所を犯人住居圏と車内、致命的加害を溺死と頸部圧迫に分けると、同じ6観測項目の一致数は4となり、Sは1.000から0.667へ変化した。広島・奈良間は致命的加害、広島・新潟間は場所の相違が保持され、いずれも5／5から4／5へ変わった。

【結果】廿日市・津山間は年齢層以外の4項目が一致し、粗い二値化でも名義尺度でも4／5＝0.800であった。廿日市・住宅強盗間は、13歳以上を同じ年齢層とする分類で4／5、17歳と86歳を別の区分とする分類で3／5となった。住宅・刃物・死後移動なしという共通項は財物取得目的の事件にも存在する。

【結果】接触前移動の欠測を4カテゴリで完備すると、廿日市・津山間の名義尺度一致率は0.667〜0.833、廿日市・住宅強盗間は0.500〜0.667となる。これは定義した3欠測セルの全組合せに由来する算術的な範囲であり、未知の個人に対する予測精度とは異なる。

【分析】奈良・新潟間の完全一致は、場所と致命的加害を二値化したために異なる行為が同じ符号にまとめられた結果である。細分化するとその相違を保持できる。一方、廿日市・津山の共通性は同じ再分類でも残り、被害者宅での刃物による加害を比較する根拠がある。動機の推定には、住宅強盗との対照で確認できる財物探索や取得財物等の別の観察を併せて用いる。

7 7 事後知識の影響に関する時点固定の検証

【数理分析】廿日市の判明後資料を含む比較では、津山とのJaccard係数は観測8項目で0.857、広島との係数は観測8項目で0.500であった。廿日市側のV4・V5・V8・V9を逮捕前資料によってNAとすると、津山との比較は観測6項目で0.800、広島との比較は観測6項目で0.333となった。廿日市側では被害者年齢、加害場所、刃物、死後移動、開始時間帯及び性別の6項目だけが比較に残る。

【分析】係数の低下は、犯人判明後に確認された性的目的及び面識等を事前の観測へ組み込むと、他事件との一致を増やし得ることを数値で表す。ただし、観測項目数も変わるため、0.857と0.800の差は入力項目数の変化も含むため、事後知識による推定誤差とは別に扱う。津山の逮捕前本文を同じ条件で復元していない以上、両事件についての逮捕前限定のリンク予測成績は、別途資料を要する。

【検証範囲】同じ評定者が事後資料を知った状態で逮捕前本文を再符号化した手続きであり、独立した盲検評定による解釈バイアスは測定対象外である。今回識別できるのは、公開時点を制限したときの入力項目と類似係数の変化である。

8 地理的プロファイリングの識別可能性

生活拠点、活動先、被害者との接触場所、殺害場所及び遺棄場所は、異なる行動の所在地である。各地点の役割を整理し、単一地点に基づく推定の数学的性質と、複数拠点又は一時的移動を含む場合の適用条件を分析する。

8 1 現場への到達と居住

表16 地理情報の入力と照合

【分析】廿日市の県警公表には国道との接続が記載されていた。[1] 現場に到達できたという条件は、近隣居住、継続的な訪問、一時的な通過のいずれからも満たされる。どの経路が相対的に多いかを考えることと、他の経路を候補から除くことは別の判断である。

【分析】津山の県外居住及び過去の訪問経験という供述は、住所所在地と地域への知識の相違を具体化する。[13] 廿日市の生活先を離れた移動とも区別される。[5][7] 生活拠点からの往復と長距離移動中の一時的滞在は、到達経路が異なる。

8 2 中心点推定の性質

【数理分析】最小距離中心（Center of Minimum Distance、CMD）は、L(θ)＝Σᵢ‖xᵢ−θ‖を最小化する点である。一地点のみの場合、その地点自体が最小点となり、平均中心、座標別中央値及び最小包含円の中心も同一点となる。これらの一致は、入力が一地点であることに伴う数学的性質であり、居住地については、同じ一地点の入力に由来する結果である。[28][47]

【数理分析】2地点を等しく扱う場合、CMDを与える点の集合は両地点を結ぶ線分全体となる。最小点は線分上の任意の点となる。同一事件の接触・殺害・遺棄地点を追加する場合も、連続犯による独立した複数事件の地点とは別の扱いとする。

8 3 距離関数と方向の事前分布

【数理分析】尤度がユークリッド距離のみに依存する場合、同一半径上の候補点A、Bにおける尤度は等しい。両点の事前密度が正なら、事後密度比q(A｜x)／q(B｜x)は事前密度比π(A)／π(B)に等しい。したがって、同一半径上の比較に限れば、観測後も方向間の相対密度比は事前密度比と一致する。

図3 単一地点の距離得点と方向の更新（クリックで拡大）

仮定した距離モデルの性質を表す数値例。左は平面上の密度に比例する得点、右は同一半径上の方向分布。実事件への当てはめではない。

【結果】指数型exp(−r)と正規型exp(−r²／2)では最大密度は観測点にあり、環状型exp(−(r−2)²／2)では距離2の円周全体にある。方向の事前分布を(1＋0.6cosφ)／(2π)とした数値計算でも、同一半径での更新後の方向分布は事前分布と数値誤差の範囲で一致した。距離単位、曲線の係数、方向の偏りはいずれも仮定である。

【分析】左図の曲線は平面上の単位面積当たりの密度に比例する得点である。等方的な密度から半径の確率密度を求める際には、円周長に対応する2πrを乗じる。方向に依存する密度の場合は、方向について積分する。密度が最大となる地点と、半径の確率密度が最大となる距離は異なる概念である。

【分析】道路網、居住地分布、対象分布又は活動履歴を導入したモデルでは、方向間の順位が変化する。一地点で方向を更新できないという結果は、距離だけに依存する尤度を仮定した場合に限られる。

8 4 ベイズ型モデルと複数拠点

ベイズ型の地理分析には、拠点の事前分布、移動距離の個人差、対象の分布、地理的制約を組み込む研究がある。[47] 複数の未知拠点を扱うDirichlet過程混合モデルも提案され、著者実装が公開されている。ただし、その原研究は感染源等を扱い、未知の殺人犯の人物識別を検証した成績とは異なる。[48]

【分析】拠点状態zを居住先、継続的訪問先及び一時的活動先に区分すると、P(θ｜E)＝Σz P(θ｜E,z)P(z｜E)という混合として表現できる。廿日市及び津山では、住所の推定と活動先の推定で対象となる地点が異なる。本分析ではこの3状態を採用したが、混合比は推定していない。

【分析】GP-SMARTは、候補者の既知活動地点の近さと性質を使って候補者を順位付けする。[49] 廿日市の犯人が逮捕前の候補者集合に含まれていたか、当時の活動地点が登録されていたかは本分析では未確認である。判明後の寮の場所だけを入力して上位に置けば、本人の情報を事後に追加した試算になる。津山の過去の訪問も、公開されていた時点を確定しない限り、事前の順位付けの入力からは除く。[50]

8 5 国内研究の数値との対応

萩野谷らの2017年研究は、東北地方の住宅侵入盗333人、6402件を対象とし、係数推定時に当該対象者を除外する交差検証を用いた。活動拠点は、住所、前住所、勤務先等の候補地のうち、一連の犯行地点までの距離の中央値が最小となる場所として便宜的に定義されている。[28 pp.125〜128] したがって、評価対象は前住所や勤務先等の候補地も含む活動拠点である。

表17 公刊研究における探索面積

平間らの2026年抄録は、面識のない被害者に犯行した連続性犯罪者222人に、他の検挙者から得る事前情報を加えたベイズ型モデルを適用する。従来法16.0 km²に対して提案法15.2 km²、p=.010という結果である。中央値の差は0.8 km²、従来法の中央値を基準にした比は5.0％となる。[29]

5.0％は二つの中央値の差を従来法の中央値で除した値であり、個人別改善率の中央値とは異なる。対象は連続性犯罪者であり、一地点のみの廿日市事件に対する予測性能は別途評価を要する。

花山らの2024年研究は、333人を事件数の異なる群で比較した場合には、事件数の多い群で精度が低下したと報告する。一方、10件以上犯行した150人について入力地点を3〜10件に変える分析では、地点数の増加に伴う小幅な改善を認めた。[45] 犯人間の群比較と、同一犯人の観測点を追加する比較は、異なる効果を評価している。

9 統計的推定と証拠の依存

複数の記述を証拠として組み合わせる際には、相互の依存関係と条件付き確率の分母を確認する。同一観察の重複計上及び基礎比率の相違が推定値へ及ぼす影響を、仮定計算と公刊統計から分析する。

9 1 事前確率と尤度比

表18 仮定した事前確率と尤度比による事後確率

注 pとLRは説明のための仮定値。実事件から推計した面識率又は尤度比ではない。

【数理分析】事前確率10％、尤度比3なら事後確率は25％、事前確率50％なら75％となる。尤度比が1の場合は更新前後で確率は変化しない。表の事前確率及び尤度比には仮定値を用いた。

9 2 証拠の重複及び条件付き独立

表19 同一観察の重複による更新の差

全数値は仮定計算。事前確率10％、元の観察のLRを3とする。同一観察の転載・言い換えを想定したもので、本件の実測尤度比ではない。

【結果】事前確率10％、元の観察のLRを3とすると、1回の更新後は25％となる。同じ観察を2回、3回及び4回独立とみなして計上すると、50％、75％及び90％へ増加する。観察を1回として扱う場合は25％のままである。

【分析】「多数の刺傷」から導いた「激しい怒り」及び「怨恨」を別個の証拠として加算すれば、元の観察を重複して用いることになる。「住宅への侵入」から「土地勘」、さらに「近隣居住」を導く場合も、中間判断は元の観察に由来する。

【分析】FBIの行動分析、BEA及び犯罪スクリプト分析が同じ資料を説明しても、条件付き独立の判断には、それぞれの入力の依存関係を確かめる。複数手法の結果を統合するには、それぞれの入力及び条件付き分布の関係を調べる。

9 3 条件付き確率の向き

【公表統計】平成18年版警察白書によれば、2004年に検挙された子ども対象・暴力的性犯罪の被疑者466人のうち、74人（15.9％）には、同種犯罪の前歴があった。他方、1982〜1997年に子ども対象の強姦事件で検挙され、追跡可能であった506人中、47人（9.3％）が2004年6月末までに再び子ども対象の強姦又は強制わいせつ事件を犯していた。[19]

表20 二つの公表統計の分母

【分析】15.9％は、当年の対象犯罪検挙者における同種過去歴の比率である。9.3％は、別の時期に検挙された強姦事件被疑者の追跡結果であり、対象犯罪及び観察期間が異なる。いずれも、特定事件の犯人を前歴者の中から識別する確率とは分母が異なる。

9 4 基礎比率を変えた場合の陽性的中率

表21 感度と特異度を固定した仮定上の陽性的中率

[38]の混同行列から得た感度・特異度を一定と仮定した独自計算。目的属性は犯罪経歴。基礎比率を変えた場合にも同じ感度・特異度を保つという仮定の検討であり、各候補者の有罪確率ではない。

【数理分析】犯罪経歴保有者の基礎比率をπ、感度をSe、特異度をSpとすると、陽性的中率はSeπ／(Seπ＋(1−Sp)(1−π))である。感度及び特異度を一定とする仮定の下でも、πを変更すれば陽性的中率は変化する。元研究の構成比に近い57.3％と、仮定値1％との差は、属性の出現比率が予測値の解釈へ及ぼす影響を表す。

【分析】犯罪経歴保有の予測、同一犯による事件リンク及び特定人物の犯人性は、正例及び分母が異なる。犯罪経歴モデルの陽性的中率や事件リンクモデルのAUCを、特定人物の有罪確率には別の根拠と確率モデルを要する。

10 手法の統合による犯人像の再評価

廿日市の公開情報が支持するのは、接近目的と暴力の経過に関する仮説である。居住地、就労及び個別の生活史に関する推定には、それぞれ異なる資料条件に依存する。

10 1 廿日市事件の仮説評価

【仮説】廿日市では、性的接近が妨げられた後に暴力が拡大したという説明を採用する。物色の跡がないという報道を財物目的の判断に用い、被害者の性別・年齢は接触目的の仮説に位置付ける。判決要旨の公開部分と公判報道によって具体化した目的形成や行動順序は、事後の照合資料として扱った。[1][3][4][5][8][69]

【分析】この仮説は、既存の面識、近隣居住又は長期的な無職を必要条件とせず、接近目的と暴力の変化を説明する。人物属性を過剰に限定しない利点がある一方、同じ条件に合う他者との識別能力は、独立した評価対象となる。

【分析】山口県の特定の寮、金属加工の職種、寝坊及び東京への移動目的は、判明後に得られた情報として整理した。公刊決定木についても、窃取及び犯行場所の入力が未確認のままでは、犯罪経歴の分類には複数の分岐が残る。

10 2 津山事件との比較

【分析】廿日市・津山間の共通性は、住宅・刃物の選定項目、さらに性別・性的目的を除いても残る。一方、共通性の一部は事例の選定によって含まれている。役割別6項目の名義尺度比較でも両事件は4／5で一致するが、年齢層は異なり、津山の接触前移動手段は欠測である。住所と訪問経験、事件当日の移動状態はそれぞれ別の属性として扱う。

【分析】廿日市では生活拠点を離れた長距離移動、津山では県外居住及び過去の訪問経験が記録される。住宅強盗の補助対照にも家出後の経過があり、拠点からの離脱は財物目的の事件にも現れる。移動状態は当該時刻の所在と生活上の条件を説明する情報として扱い、目的の推定には財物探索等の別の行動を照合する。[13][68][69]

10 3 計画性と人物属性の分離

【分析】三島判決は、性的目的の接近と、その後の殺意形成を区分し、周到な計画の有無を量刑上考慮している。[18] 廿日市の凶器所持についても、特定被害者を殺害する意思の形成時期とは区別される。準備の有無は、対象行為及び意思形成の段階に即して判断する。

【分析】広島と奈良には、犯人の生活先に近接した場所の利用があるが、廿日市・津山では他県からの移動が問題になる。[17][66] 同じ性的目的を共有する事件でも、被害者のいる場所へ向かうか、自分の利用できる場所を使うかは異なる。住居、勤務、生活圏の推定には、性的動機に加えて別の資料を要する。

【分析】長期間の未検挙から特殊な技能を推定するには、別の根拠を要する。廿日市の報道は、指紋・DNA型が保存されていた一方で、本人との照合の契機が後年に生じたと伝える。[5][67] 遺留物の存在、照合対象の有無、本人と現場を結ぶ証拠の種類を分けると、未検挙期間の長さだけに依存した人物像を修正できる。

10 4 現代的手法の有効性及び適用条件

【分析】英国の大規模研究は、地理・時間・行動情報と分類手法を組み合わせ、AUCに加え、適合率・再現率及び順位を評価している。[43] 本研究の粗い項目で別人の事件が一致する結果は、行動項目の細分化と、母集団におけるその出現頻度を調べる意義を具体化する。

【分析】変数の細分化に際しては、公開資料量の相違を犯行行動の差として学習する偏りが問題となる。機械学習の評価には、同一犯及び異犯の双方を含む標本、犯人単位の学習・評価分割、予測時点以前の入力及び未知事例での校正を含める。

11 妥当性と資料上の限界

廿日市では判決要旨の公開冒頭、津山では自白を採用した理由を紹介する報道まで参照した。両事件の判決全文及び証拠原本は参照資料に含まれないため、司法判断の内容は確認した掲載範囲に従う。とりわけ津山では、有罪確定を伝える報道と、過去の訪問等に関する個別供述は別に扱う。補助対照は公開された控訴審判決の認定を用い、確定済み事例の集計からは除いた。

基本6事件は目的的に選定され、性的目的に関する記述を共有する。住宅・刃物等の選定項目を除外しても、事件集合自体の選定による影響は残る。補助対照1件を加えた比較も、動機別の一般的頻度や予測精度の推定には、別の標本を要する。基本15対、補助対照を含む21対は事件を共有する組合せであり、事件対の依存関係を踏まえて集計する。

符号化及び変数定義は、犯人判明後の情報を知る単独評定による。廿日市について逮捕前資料だけに入力を限定した感度分析を追加し、事後に判明した性的目的や無面識等を除くと類似係数が変化することを確認した。ただし、盲検化された複数評定者による独立した再符号化は未実施である。項目除外と名義尺度への細分化は、定義を変えたときの算術的な変動を測定する。資料の詳細さによる欠測数の相違及び記述の解釈誤差は別途の検証対象である。

地理分析は、仮定した距離得点及び事前分布の性質を調べたものであり、探索面積の実測には対象犯人の実居住地を用いた別の検証を要する。公刊決定木の条件照合も、個別予測を実際の犯罪経歴と比較する外部検証とは別の作業である。

方法論の参照範囲は、確認可能な公刊本文、抄録及び方法紹介に限られる。付録Aは、主要な推定方法と関連技術計32項目を、実施範囲とともに示した一覧である。

12 結論

廿日市の逮捕前情報は、若い男性、その時刻の行動可能性及び財物取得以外の接近目的を考える根拠を与えていた。多数の刺傷を既存の面識に、住宅への到達を近隣居住に結び付ける推論は、判明後に報じられた経過との間に矛盾が生じる。就労については、事件直前までの継続就労とその中断を踏まえると、平日午後という時刻は当日の行動可能性を表すにとどまる。

性的接近の不成立後に暴力が拡大したという仮説は、判決要旨の公開部分及び公判報道との対応を認める。住宅内の多数の刺傷は財物取得目的の対照事件でも生じており、目的の判断には物色や取得財物の有無を用いる。奈良・新潟間は、同じ6観測項目・同じ一致率を用いても、場所と致命的加害の区分を細分化すると1.000から0.667へ変わった。事件の共通性を判断する際には、観察を保持する粒度とその定義を明示する。

JaccardとDiceの一致は、単調な変換関係に由来する。複数の係数や分析手法が同じ資料から同じ傾向を与えても、独立した証拠の数は、入力資料の出所と依存関係に即して数える。移動手段と生活拠点の時点を統一すると、廿日市・津山間のJaccard係数は0.857となり、廿日市の逮捕前に公開された記述だけに入力を絞ると0.800となった。逆算検証では、逮捕前記述、推定命題、判明後の照合、欠測及び共通項をそれぞれ把握することで、現場情報から人物属性を導く推論の妥当性を判断できる。

付録A 主要な推定方法及び関連技術

一覧には理論的枠組み、数理手法、専用ソフトウェア及び法科学の関連技術を含む。実施状況は、公開記述の検討、数値計算、公刊モデルの条件照合及び未適用に区分した。学派又はソフトウェアの紹介と、当該手法による予測の実行を区別する。

表22 主要32項目の必要入力及び実施範囲

分類モデル及び関連技術の適用条件

大規模言語モデル（Large Language Model、LLM）について、PIJ研究は5か国2500件の殺人を用いて9モデルを比較し、情報抽出より未知の動機・面識等の推論が困難であると報告する。[58] 理論的分類との文章上の一致を評価する研究も、実際の犯人属性の的中を評価するものとは異なる。[59] 本報告書の資料整理、記述及び計算コードの作成にはLLMを使用している。

計量文体学には、ブログのまとまった文章から著者属性を推定する研究があるが、短い犯人メールへの適用には別途の検証を要する。[57] DNA型照合、外見に関する遺伝学的推定及び遺伝的系譜による探索も、必要入力及び推定対象が行動分析とは異なる。[60][63][64]

付録B 符号化規則と全計算値

NAは欠測値を表す。各セルの資料番号から、公表、判決、報道及び第三者転載の出典を確認できる。

表23 10項目の操作的定義

表24 全60セルの値と出典

欠測は廿日市のV5、津山のV4、三島のV5・V9、広島のV4及び奈良のV9の計6セルである。V8・V10は選定した全事例で1となるため、両項目を除外した感度分析も実施した。

津山V4の資料は過去の自動車訪問に関する供述であり、当日使用の根拠には用いない。広島V4の自転車使用は遺体運搬の認定であり、接触前移動の手段には転用しない。廿日市V5では犯行前日の退寮を踏まえ、当日の継続的生活拠点をNAとする。三島V6は殺害・発見地点に関する公開判決の範囲から0とした。広島V2は加害場所が犯人のアパート及びその付近と認定されたことによる0であり、室内への限定認定ではない。奈良V5は県内の犯人宅及び遺棄先の所在地を伝える現地取材記事による。[5][13][17][18][66][69][17][18][66]

表25 全15比較対の類似係数

表26 廿日市と津山の1項目除外

表27 7項目による主座標値

固有ベクトルの符号は任意。図を左右又は上下に反転しても距離関係は変わらない。元距離を完全には保存しないため、原図の位置から精密な類似度を逆算しない。

役割別6項目の定義と全計算値

表28 役割別6項目の操作的定義

名義尺度比較には性的目的、被害者性別及び無面識を入力しない。生活拠点、訪問経験及び当日の移動状態は資料に即した記述として保持する。推定によって欠測を補う処理、接触前と死後運搬の重複計上は行わない。

表29 役割別42セルの値と出典

接触前移動R4の津山・広島・住宅強盗はNA。その他39セルは記載資料に基づく。各カテゴリは判決、公表、報道又は判決転載の出典区分を引き継ぐ。

表30 補助対照を含む全21対の名義尺度一致率

付録C 計算の再現条件

計算環境はPython 3.12.14、NumPy 2.3.5、SciPy 1.17.0、Matplotlib 3.10.8である。基本10項目の2セルをNAへ変更した後、全15比較対、欠測全組合せ及び項目除外を再計算した。主座標分析には従前と同じ欠測のない7項目を用いた。乱数による学習又は抽出は行っていない。役割別比較は同一の観測項目を保った二値化と名義尺度を照合した。

再計算用CSVのSHA256 0a48cbfbca4b214972e17bfc4de797f859417a30e80076630280fb56784a61d1。UTF-8、ヘッダーcase,V1〜V10、欠測値NA、行順は表24の事件順、改行LFとして作成した。

類似係数と欠測の列挙

import numpy as np
from itertools import combinations, product
X = np.array([
 [0,1,1,0,np.nan,0,1,1,1,1],  # H 廿日市
 [1,1,1,np.nan,1,0,1,1,1,1],  # T 津山
 [0,0,0,1,np.nan,0,0,1,np.nan,1],  # M 三島
 [1,0,0,np.nan,0,1,1,1,1,1],  # G 広島
 [1,0,0,1,0,1,1,1,np.nan,1],  # A 奈良
 [1,0,0,1,0,1,1,1,1,1]], dtype=float) # N 新潟
def score(x, y):
    keep = ~np.isnan(x) & ~np.isnan(y)
    x, y = x[keep], y[keep]
    a = ((x == 1) & (y == 1)).sum()
    b = ((x == 1) & (y == 0)).sum()
    c = ((x == 0) & (y == 1)).sum()
    d = ((x == 0) & (y == 0)).sum()
    return (a/(a+b+c), 2*a/(2*a+b+c),
            a/np.sqrt((a+b)*(a+c)), (a+d)/len(x))
for i, j in combinations(range(6), 2):
    print(i, j, score(X[i], X[j]))
    pair = X[[i,j]].copy()
    missing = list(zip(*np.where(np.isnan(pair))))
    values = []
    for bits in product([0,1], repeat=len(missing)):
        trial = pair.copy()
        for cell, value in zip(missing, bits):
            trial[cell] = value
        values.append(score(*trial)[0])
    print(min(values), max(values))
for k in range(10):
    print(k+1, score(np.delete(X[0], k),
                     np.delete(X[1], k))[0])
print("reversed", score(1-X[0], 1-X[1]))
# 廿日市を逮捕前の公開本文で時点固定する感度分析
H_pre = X[0].copy()
H_pre[[3,4,7,8]] = np.nan  # V4,V5,V8,V9はNA
for j in range(1,6):
    print("事前固定", j, score(H_pre, X[j]))

座標分析と階層的分類

from scipy.cluster.hierarchy import linkage
from scipy.spatial.distance import squareform
complete = ~np.isnan(X).any(axis=0)
D = np.zeros((6,6))
for i,j in combinations(range(6),2):
    D[i,j] = D[j,i] = 1-score(X[i,complete],
                              X[j,complete])[0]
C = np.eye(6) - np.ones((6,6))/6
G = -0.5 * C @ (D**2) @ C
eigen, vectors = np.linalg.eigh(G)
order = np.argsort(eigen)[::-1]
eigen, vectors = eigen[order], vectors[:,order]
Y = vectors[:,:2] * np.sqrt(np.maximum(eigen[:2], 0))
dhat = np.linalg.norm(Y[:,None,:]-Y[None,:,:], axis=2)
error = np.sqrt(((D-dhat)**2).sum()/(D**2).sum())
print(eigen, Y, error)
print(linkage(squareform(D), method="average"))

ベイズ更新と公刊混同行列

def update(p, lr):
    return p*lr/(1-p+p*lr)
for p in [.1,.3,.5,.7,.9]:
    print([update(p,lr) for lr in [.3,1,3,10]])
for n in range(1,5):
    print(n, update(.1,3**n), update(.1,3))
for tp,fn,tn,fp in [(435,268,390,133),
                    (485,218,340,183)]:
    se, sp = tp/(tp+fn), tn/(tn+fp)
    print(se, sp, (se+sp)/2)
    for prevalence in [.01,.1,.3,.573]:
        ppv = se*prevalence/(se*prevalence
              +(1-sp)*(1-prevalence))
        print(prevalence, ppv)
print(33/143,40/65,143/295,0.49*0.39)

地理計算の式と手順

曲線はr＝0.001〜10を10001点に区切り、exp(−r)、exp(−r²／2)、exp(−(r−2)²／2)を比較した。図はそれぞれの最大値で割って表示する。φ＝0〜2πを720等分し、同一距離の尤度を定数exp(−2)、事前分布を(1＋0.6cosφ)／(2π)とした。積を円周上で正規化すると、事前分布と同じ形が得られる。距離単位と係数は仮定であり、地図上の距離、対象事件の移動量、犯人の属性には対応付けていない。

名義尺度比較と選定項目の除外

役割別CSVのSHA256 d83963c5c44cc24f1c09745694064ae8f953f1d236aa66f4873ce593d0b1e230。表のカテゴリ名と下記の短縮符号は同じ分類を表す。接触前移動の補完候補は原付、自動車、徒歩及びその他である。

# Role-specific nominal comparison. None denotes missing information.
from itertools import combinations, product
Q = [
 ["13-19","victim","blade","moped",0,"day"],
 ["child","victim","blade",None,0,"day"],
 ["13-19","outside","burn","car",0,"night"],
 ["child","offender","neck",None,1,"day"],
 ["child","offender","drown","car",1,"day"],
 ["child","vehicle","neck","car",1,"day"],
 ["adult","victim","blade",None,0,"night"]]
def nominal(x,y):
    k = [i for i in range(6) if x[i] is not None
         and y[i] is not None]
    m = sum(x[i] == y[i] for i in k)
    return len(k), m, m/len(k)
def coarsen(x):
    tests = ["child","victim","blade","car",1,"day"]
    return [None if v is None else int(v == t)
            for v,t in zip(x,tests)]
for i,j in combinations(range(7),2):
    print(i,j,nominal(coarsen(Q[i]),coarsen(Q[j])),
          nominal(Q[i],Q[j]))
    pair = [Q[i].copy(),Q[j].copy()]
    missing = [(r,k) for r in range(2) for k in range(6)
               if pair[r][k] is None]
    values = []
    for v in product(["moped","car","walk","other"],
                     repeat=len(missing)):
        trial = [r.copy() for r in pair]
        for (r,k),a in zip(missing,v):trial[r][k] = a
        values.append(nominal(*trial)[2])
    print(min(values),max(values))
for removed in [[1,2],[1,2,7,9]]:
    keep = [k for k in range(10) if k not in removed]
    print("selection", removed,
          score(X[0,keep],X[1,keep])[0])

参考資料

資料参照日 2026年11月10〜11日。計算・出典再照合日 同月11日。本文中の資料番号は参考資料に対応する。保存資料は保存日時を、第三者転載及び検索収録資料は参照範囲を付記した。