1 因果と相関の基本
1.1 相関の定義と直感
1.1.1 相関係数・散布図が示すもの
相関は、2つ（または複数）の量の間に、同じタイミングで変化が連動しやすいかどうかを表す見え方である。散布図は、個々の観測点を平面上に配置し、点がどの方向へ集まりやすいかを確認する方法である。相関係数は、散布図の広がりを要約して数値化し、強さと方向を一括で示す。重要なのは、相関が「ある量が変わると別の量が動きやすい」という関連の記述にとどまり、片方が片方を生じさせるという意味を自動的に含まない点である。
1.1.2 相関の方向性と強さ
方向性とは、片方が大きくなったときにもう片方が増えやすい（正の関連）か、減りやすい（負の関連）かという性質である。強さは、観測値が直線的な傾向にどれほど沿うか、あるいはばらつきがどれほど大きいかで測られる。相関が強いほど関連の規則性が高いと解釈されるが、これは「予測が当たりやすい」可能性を示すに過ぎない。関連が強く見えても、原因が別にある、あるいは時間順が一致しないなどの事情があれば、因果とは別問題になる。
1.2 因果の定義と直感
1.2.1 反実仮想（起きなかった場合）の考え方
因果は、ある出来事が起きたときに、その結果がどれだけ変化するかを、「もしその出来事が起きなかったならどうなっていたか」という比較で考える発想と結びつく。ここで使われる比較対象を反実仮想と呼ぶ。反実仮想は実際には観測できないことが多く、推論として構成する必要がある。したがって因果の議論では、単に関連を見つけるだけでは不十分で、比較のための筋道が要請される。
1.2.2 「介入したらどうなるか」という問い
因果の実感は、操作や介入を想像することで掴みやすい。「原因側を変えると結果側はどう変わるか」という問いに答えるのが因果推論の中心になる。介入は、単なる観測上の差ではなく、「人為的に処置を与える」「制度を変更する」「条件を割り当てる」など、少なくとも概念的には原因を動かす扱いを含む。こうした問いに答えるには、交絡を抑える設計、時間順の整合、そして比較の妥当性が鍵になる。
1.3 相関と因果の決定的な違い
1.3.1 観測できることと主張できること
相関は、データから直接観測される同時変化や一致の程度に基づく。一方、因果は「観測されなかった世界」との対比を含み、同じ比較が公平に行われたと言える追加条件が必要になる。たとえば、相関から因果を主張するには、「本当に原因が結果を動かした」と言える状況であること、もしくはその状況に近い比較が作れていることを示す必要がある。因果主張は記述を超え、推論の正当化が要点になる。
1.3.2 「同時に起きる」と「原因になる」の隔たり
同時に起きることは、関連としては自然でも、原因としては自動ではない。たとえば、同じ外部条件が両者を動かしている場合、二つは一緒に変わるが、どちらがどちらを生んだかは決められない。また、逆に片方がもう片方の反応として現れることもあり得る。因果は「原因としての位置づけ」と「反実仮想比較」の成立に依存し、時間順や構造の整合が要求される。
2 相関が因果に見える典型パターン
2.1 隠れた共通原因（交絡）
2.1.1 共通原因が生む見かけの関連
交絡は、観測に含まれていない第3の要因が、両方の変数を同時に動かしてしまう状況である。その結果、見かけの関連が成立しても、原因の矢印は必ずしも観測されたペアの間に存在しない。現象の背後に隠れた事情があると、関連の解釈は誤りやすい。因果を語るには、少なくともその共通要因に相当する情報を扱うか、比較設計で影響を相殺する工夫が必要になる。
2.1.1.1 例：健康行動と健康結果の関係の錯覚
健康行動と健康結果の間に相関が見られるとき、「健康行動が原因で結果が良い」と短絡しがちである。しかし実際には、もともとの体質や生活環境、医療へのアクセス、あるいは健康意識といった要素が同時に働くことがある。これらが観測できていないなら、健康行動の効果を過大評価する可能性が出る。交絡の観点では、行動を促す背景条件を切り分けられるかが検討の焦点になる。
2.2 逆因果（起きた結果が原因側に見える）
2.2.1 時系列が逆に解釈される落とし穴
逆因果は、結果が原因側の変数に影響し、時間順の読み違いとして観測される形で現れる。たとえば、ある状態が先に起きたことで、その後に特定の行動や指標が変化する場合、見かけ上は「指標が原因に見える」ことがある。時系列データを使うときも、観測頻度や集計の仕方によっては因果の向きを誤り得る。したがって、時間軸の設計と検証は因果議論の前提条件になる。
2.3 複数要因の混在による誤解
2.3.1 変数の取り方で結論が揺れる理由
複数要因が同時に動く場面では、変数の選び方に応じて推定される関連が変化することがある。たとえば、ある要因をモデルに入れるか除くかで、他の要因との関係が強まったり弱まったりする。これは「何が介入に相当する比較なのか」「どの要因が背景条件として扱われているのか」が変わるためである。因果の主張は、対象となる比較の定義に依存するため、変数選択の恣意性を点検し、仮定の妥当性を確認する必要がある。
3 因果推論の枠組み
3.1 因果モデルの考え方
3.1.1 因果関係を表すための前提
因果モデルは、変数同士の関係を「どの要因が何に影響するか」という形で整理し、推論のための仮定を明確にする枠組みである。前提には、観測可能性（どこまで測れているか）、時間順（どちらが先に動くか）、そして介入の考え方（原因を動かしたとき何が変わるか）が含まれる。前提が曖昧なまま推定を行うと、得られる数値が「何の比較を表しているか」が崩れやすい。
3.1.2 因果グラフの基本概念
因果グラフは、変数を節点として、影響を向き付き辺で表す概念的モデルである。グラフにより、交絡や媒介の位置づけ、条件づけの意味などを整理しやすくなる。特に、どの変数を一定にして比較するべきかという方針が明確になり、推論の整合性を点検できる。グラフそのものは観測ではなく、構造仮定の表現である点に留意が必要である。
3.2 介入と推定の対応づけ
3.2.1 条件づけと介入の違い
条件づけは「他の変数を一定とみなす」操作であるのに対し、介入は「原因側を直接動かす」発想に近い。両者は似た計算形に見えることがあるが、因果の意味は一致しない場合がある。たとえば、ある変数を条件として固定するとき、それは本来介入で変えるべき要因を不適切に扱っている可能性がある。因果推論では、数学的操作がどちらの概念を表しているのかを区別することが重要になる。
3.2.2 反実仮想の実装としての推定
反実仮想は直接観測できないが、データと仮定を組み合わせて推定することで近似される。推定の目的は、ある処置の有無で結果がどれほど異なるか、つまり処置による変化量を構成することにある。このとき、比較対象が処置の影響を受けていない、または同等の分布を持つように設計されていることが望ましい。具体的には、設計（無作為化など）や統計手続（調整、重み付けなど）により、反実仮想に相当する差を作る。
3.3 推定量と解釈
3.3.1 平均効果・個別効果の違い
平均効果は、集団全体の平均的な変化量を表す。一方、個別効果は、特定の条件を持つ個人（あるいは属性群）において処置がどれだけ効くかという視点で捉える。平均だけでは偏りが見えないことがあり、逆に個別推定は不確実性やモデル依存が大きくなりやすい。目的に応じて、どの尺度の効果を求めるべきかを先に決めることで、解釈のずれを減らせる。
3.3.2 効果の不確実性の扱い
因果推論の結果には統計的揺らぎだけでなく、仮定が正しいかどうかという構造的不確実性も含まれる。推定量の分散、信頼区間、推定誤差の報告は最低限の作法である。また、モデル選択や変数調整の選び方によって結論が変わり得るため、感度分析や頑健性の検討が有用になる。効果を「確定」と誤解させない提示が、実務上の透明性につながる。
4 因果を近づける代表的手法
4.1 ランダム化比較と自然実験
4.1.1 ランダム化がもたらす利点
ランダム化比較では、処置が割り当てられる過程を確率的にすることで、共通原因による偏りが平均的に相殺されやすくなる。これにより、処置群と対照群の比較が反実仮想に近づき、因果解釈がしやすくなる。無作為化は強力だが、実施にはコストや倫理的制約が伴うため、現場では別手段と組み合わせることが多い。
4.1.2 自然実験での条件整理
自然実験は、制度変更、災害、規則による割当など、研究者が完全には制御できない事情により、処置のばらつきが生じる状況を利用する。因果推論として成立させるには、「ばらつきがどのように生まれたか」が重要である。処置が完全にランダムでなくても、特定条件下で偏りが小さいと説明できる場合に推定が可能になる。境界条件を明確にし、過度な一般化を避ける姿勢が必要である。
4.2 回帰と統制の基本戦略
4.2.1 交絡調整の発想
回帰モデルは、結果を説明する変数群の関係を表すだけでなく、交絡に相当する要因を統制して処置の影響を取り出すためにも用いられる。交絡調整では、処置と結果の両方に関与する変数を適切に条件づけることで、偏りを減らすことを狙う。調整に使う変数が「正しく」交絡を捉えているかは仮定の一部であり、誤った変数選択は別種の偏りを招く。
4.2.2 モデル依存性と仮定の確認
回帰推定は関数形（線形か、変換を入れるか）や相互作用の入れ方に依存する。モデルが真の関係を正確に捉えられていない場合、推定量が現実の因果比較からずれる可能性がある。そのため、残差の検討、別仕様での再推定、そして理論や制度に基づく妥当性の確認が望ましい。特に因果の文脈では、「何を固定し、何を比較しているか」を記述できることが重要になる。
4.3 マッチングと重み付け
4.3.1 類似による比較の考え方
マッチングは、処置を受けた対象と受けなかった対象を、共通原因に関して似た属性同士で組み合わせる発想である。類似性が高ければ、処置以外の差が小さい状況を作りやすくなる。結果として、処置効果の推定が反実仮想に近づくことが期待される。注意点は、適切な類似指標の設計と、類似相手が存在するか（サンプルの重なり）である。
4.3.2 重要度重み付けの直感
重み付けは、データの各観測に対して比較に必要な重みを付与し、理想的な比較集団を擬似的に作る方法である。重要度が高い対象を多く数え、そうでない対象を抑えることで、処置群と対照群の分布を揃えようとする。重みが極端になると分散が増えやすく、推定が不安定になるため、診断と調整が実務上の要点になる。
4.4 断面・時系列の扱い
4.4.1 時系列での因果に必要な要素
時系列では、因果の成立に時間順だけでなく、先行期間の影響（過去の状態が現在に残る性質）や、未観測の変動が重要になる。観測間隔が粗いと、処置と結果の順序や遅れが曖昧になり得る。さらに、同時期に起きる外部ショックが両者に影響する場合、相関が見える原因が処置ではない可能性も残る。したがって、時間的整合と外部要因の取り扱いが欠かせない。
4.4.2 差分推定の考え方
差分推定は、処置の前後での変化量を比較し、共通の時系列変動を差し引くことで偏りを減らす考え方である。単純な差分だけでは、処置群と対照群で起きる固有の変化が完全に同じとは限らない。そこで、対照群の変化を適切に用いて「何が共通で、何が処置固有か」を推定する枠組みが使われる。差分の設計は、前提がどれだけ妥当かに左右される。
5 実践的チェックリスト（誤りを避ける）
5.1 「因果ですか？」の質問手順
5.1.1 介入可能性・反実仮想の有無
まず、その主張が「処置を変えたら結果がどう変わるか」に基づくのか確認する。介入が想定できないなら、反実仮想との比較が曖昧になりやすい。観測データしかない場合でも、自然実験や強い設計仮定があるかどうかが重要になる。反実仮想を構成する道筋があるかを最初に問い直すことが、因果誤認の予防になる。
5.1.2 前提が破れたときの影響
仮定が破れると、推定された効果は別の偏りを含むことがある。たとえば、交絡が未調整のまま残れば、見かけの効果は真の因果を反映しない可能性が高まる。逆因果なら時間順が崩れ、処置の向きが誤って解釈される。前提ごとに「どの誤りが起こるか」「どの診断で検出できるか」を対応づけると、結果の読み方が現実的になる。
5.2 データと設計の落とし穴
5.2.1 測定誤差と欠測の影響
測定誤差は、観測した変数が真の値からずれることで、関連や効果の推定を歪める。欠測は特に深刻で、欠測の理由が処置や結果と無関係でない場合、単純な削除が偏りを増やすことがある。処理方法（補完やモデリング）を決める際には、欠測メカニズムの仮定が必要になる。データ品質の確認は、因果議論の土台である。
5.2.2 選択バイアスの見抜き方
選択バイアスは、観測される集団が無作為ではなく、処置の有無や結果に関係している状況で生じる。たとえば参加者だけの分析では、参加しやすい人の性質が混ざり、一般性が落ちる。処置の割当やサンプリングの経緯を説明できるか、そして処置群・対照群の基礎属性に偏りがないかを確認することが有効である。設計の問題は推定の工夫だけでは完全に補えない。
5.3 結果のコミュニケーション
5.3.1 相関と因果の表現の使い分け
報告では、対象が記述的な関連か、因果の推定かを明確に言い分ける必要がある。「関連が見られる」なのか「効果がある」と断言するのかで意味が大きく異なる。因果と主張するには仮定や設計、検証の範囲が付随して理解されるべきである。曖昧な言い換えは誤解を招きやすいため、根拠の強さに応じて表現の粒度を合わせることが望ましい。
5.3.2 不確実性を正しく伝える工夫
効果推定には幅があり、推定誤差や頑健性の限界が存在する。不確実性は、信頼区間や分布表示、追加分析の結果などで示すことで、過度な確信を抑えられる。さらに、どの仮定が重要で、どれが弱い点かを簡潔に添えると、読者が判断しやすくなる。数字の強調だけでなく、限界の明示が信頼性を高める。
6 よくある例と考察（Reasoningとしての理解）
6.1 「売れている＝良い商品」の誤解を分解する
6.1.1 人気と品質の因果の可能性整理
売上と品質が結びつくように見えても、因果は一方向とは限らない。人気が高いから評判が広がり、結果として販売が伸びるという経路もあれば、逆に販売が強いほど露出が増え、評価の見え方が変わる経路もあり得る。また、広告量、流通の強さ、価格帯、ブランド力など、別の要因が同時に影響している可能性もある。したがって「良いから売れている」と決める前に、品質の評価が売上に対して先行しているか、第三要因の寄与を検討できるかがポイントになる。
6.2 「広告したら増えた」の検証観点
6.2.1 交絡・季節性・同時期要因の点検
広告と売上の時間的な前後関係が見えても、季節要因や新商品投入、競合の動きなどが同時に起きていると、広告の効果を過大に見積もることがある。広告費の増減が意思決定に結びつき、もともと伸びそうな時期に追加投入されるなら、選択の偏りが混ざる。検証では、広告以外の変数を同時に点検し、可能なら比較可能な期間や対照群を用いて変化を切り分ける必要がある。
6.3 日常の恋愛・人間関係での類推
6.3.1 相関らしさに振り回されない見方
会話の頻度や連絡のタイミングと気持ちの変化が結びついて見えるとき、「それが原因だ」と思いやすい。しかし、相手の状況（忙しさ、体調、予定）や自分側の心境など、表に出ない事情が同時に動くことが多い。相関に基づく解釈は、確信ではなく仮説として扱うのが安全である。関係の中でも、時間順の見直し、背景条件の確認、そして自分が何を変えたときにどう反応したかを観察する態度が、誤解の連鎖を抑える。