学历等所有的知识能力都可以说是认知能力。人的认知能力高低和成果是有正相关的，也就是说认知能力高的人，工作成果也高。因此公平的评价的话，认知能力高的人收入也就高。作为一般论看起来好像是毫无疑问的方程式。
但是，根据对上学前的孩子们的实验来看，这也未必是符合常识的，得出的这样结论。在非洲对美国人的123人孩子随机分成2组，进行确认上学前教育是否有无效果的实验（追究了40年的调查）。接受上学前教育的组学历、收入、犯罪史等比没有接受上学前教育的组，所有的项目结果都要好。但是表示认知能力的IQ效果，好像在小学低年级就被消灭了。
那么这2组的差异是受到什么影响呢？实验的结果是推定「非认知能力」的高低将左右以后的人生。所说的非认知能力是自制心、忍耐力、气概等，与「态度」关联的能力。也就是被称之为的所谓过程能力。
工作的成功、知识能力和过程能力可以用乘法来计算。
像这样的社会科学的实验调查和理工学的实验多少是有些差异的。
理工学的实验是能统一条件的话再现性高。
社会科学的实验是统一条件是非常困难的，因此包含了许多因素的影响。偶然出现的偏差和控制因素出现的变动需要进行区分，需要进行统计的处理。
在教育经济学领域，有研究统计数学运用的学者。
例如「让孩子们全部考上清华大学」这样的成功谈是难于参考的。这种体验谈仅仅模仿是不可能顺利的，如果不去分析与成功相关的主要原因是什么、阻碍原因是什么的话，就不得不全部模仿。缺乏再现性。
相比之下通过统计的方法抽出有意的事，进行实践的较好。
例如：
・不可用奖励来引诱孩子。
・表扬的培养孩子较好。
・打游戏的话就暴力。
这些的常识在统计学上都是无意的。
但是据其他的研究报告，这是让幼儿园的小朋友画画，画了就给予奖励的实验，通过这个实验损伤了内发的激励，最后报告导致小朋友们不再画画。
这些的非自然科学的实践比较难吧，要控制要因以外的干扰是很难吧。
即使进行统计的检定，但是如果得到数据的实验不能好好控制的话，答案的信赖性也会很低。统计检定的结果与「常识」过于悬殊时，就要慎重检讨实验的过程和数据处理是否有问题。
仅因数据有相互关系，就立即判断是那个的因果关系，需要注意说的过失。
例如：比较男同学和女同学的成绩时，统计的判断出女同学的成绩好。这只是仅仅有相互关系，而不是因果关系。如有因果关系的话，女同学的头脑聪明，就会出现这样奇怪的结论。女同学比男同学成绩好，这只是有相互关系；因果关系是因为女同学会帮做家务，非认知能力高、能持续学习的努力吧。
此专栏是每周【经营改革】定期发送的邮件杂志，感兴趣者请点击此处进行阅读登录。