第12章　相関と因果を取り違えない ── 因果推論の考え方

この章の要点

• 「相関がある」は「原因である」を意味しない。これが最大の落とし穴
• 因果を誤らせる3つの罠 ── 交絡・逆因果・選択バイアス
• 効果を「正しく」示す王道はRCT。難しい場合の代替手法もある

データ活用で、最も大切な一行

本コンテンツ全体を通じて、たった一つだけ覚えてほしいことがあるとすれば、これです。

相関は、因果ではない。

2つのことが一緒に動いている（相関）からといって、一方が他方の原因（因果）とは限りません。この区別を誤ると、「効いていないものを効いていると信じ込み」、間違った介入やサービスに資源を注ぎ込むことになります。研究でも事業でも、最も多く、最も高くつく間違いが、ここから生まれます。

⸻

有名な例 ── アイスクリームと熱中症

「アイスクリームの売上」と「熱中症の患者数」には、強い相関があります。アイスが売れる日ほど、熱中症が増える。では、アイスクリームが熱中症を引き起こしているのでしょうか?

もちろん違います。「気温」という第3の要因が、両方を引き上げているだけです。気温が上がれば、アイスも売れるし、熱中症も増える。アイスと熱中症のあいだに、直接の因果はありません。

この「両方に影響する隠れた要因」こそ、因果を誤らせる最大の罠です。

⸻

因果を誤らせる、3つの罠

罠①：交絡（Confounding） 　介入とアウトカムの両方に影響する「別の要因」が、見せかけの因果を作る。 　例：「サプリ摂取者は認知機能が高い」 → 実は、サプリを飲むような人はもともと健康意識が高く、生活習慣全体が良好だった。効いていたのはサプリではなく、生活習慣かもしれない。

罠②：逆の因果（Reverse causality） 　原因と結果が、逆だった。 　例：「脳トレアプリの利用者は認知機能が低い」 → アプリが認知機能を下げたのではなく、認知機能が気になる人ほどアプリを使い始めた。原因と結果が逆。

罠③：選択バイアス（Selection bias） 　そもそも「誰が参加したか」が、結果を歪める。 　例：「認知リハプログラムの利用者は成績が良い」 → 利用したのはもともと意欲の高い人だけだった。プログラムの効果か、参加者の偏りか、区別できない。

セラピストにとって、これは鑑別診断の感覚に近いはずです。「この所見は、本当にこの疾患から来ているのか? 別の原因はないか? 因果を逆に見ていないか?」──臨床で培ったその慎重さを、データにも向けるのです。

⸻

効果を「正しく」示す王道 ── RCT

では、これらの罠を避け、本当に効果があったのかを示すには? 王道が、ランダム化比較試験（RCT：Randomized Controlled Trial）です。

参加者を無作為に「介入群」と「対照群」に分け、効果を比較する。無作為に分けることで、年齢・意欲・生活習慣といったあらゆる隠れた要因が、両群に均等にばらける。だから、差が出れば「介入のおかげ」と言いやすくなる。交絡も選択バイアスも最小化できる──これが、RCTが医療・製薬で「エビデンスのゴールドスタンダード」とされる理由です。

例：500名の高齢者を無作為にアプリ使用群と未使用群に分け、3ヶ月後の認知機能を比較する。

⸻

ビジネスのRCT ── それがA/Bテスト

「RCTは研究の話で、事業には関係ない」と思われたかもしれません。違います。WebマーケティングでおなじみのA/Bテストは、RCTそのものです。

広告・LP・商品説明のデザインAとBを、ユーザーに無作為に提示し、クリック率や購入率を比較する。

無作為に分け、対照群を置き、比較する。構造はRCTと同じです。事業の現場で「これは本当に効いたのか」を確かめたいなら、A/Bテスト的な発想を持つだけで、意思決定の質が一段上がります。

⸻

RCTが難しいときの代替

とはいえ、現実にはコスト・倫理・実現可能性の制約で、RCTができないことも多い。そんなとき登場するのが、観察データから因果に迫る手法です。

• 傾向スコアマッチング（PSM）：介入群と対照群が、似た背景条件になるようマッチングして比較する
• 差の差分析（DID）：介入前後の「変化の差」を、介入群と対照群で比較する（時系列データが必要）
• 操作変数法（IV）：交絡の影響を取り除くための「外部の変数」を使う（経済学でよく用いられる）

名前は難しいですが、考え方は一つ。「無作為に分けられないなら、別の工夫で"公平な比較"を作り出す」ということです。これらの手法は高度なので、本格的に使う際は必ず専門家と進めてください。AIには「自分のデータと状況に、どの代替手法が適しそうか」を相談するのがよいでしょう。

試してみるプロンプト（因果の落とし穴チェック）

あなたは因果推論に詳しい研究者です。 わたしは次のような結果を得て、「介入に効果があった」と考えています。

【観察された結果】 （例：当施設の運動教室の参加者は、不参加者より生活満足度が高かった）

1. この結論に潜む「交絡・逆因果・選択バイアス」の可能性を、それぞれ具体的に指摘してください。
2. 本当に効果があったと言うために、理想的にはどんな研究デザイン（RCT等）が必要か説明してください。
3. RCTが難しい場合、観察データで因果に迫る代替手法（PSM/DID/IV等）のうち、この状況に適したものを提案してください。
4. このまま「効果があった」と発信した場合のリスクを警告してください。

第12章のまとめ

• 「相関は因果ではない」── データ活用で最も高くつく間違いがここから生まれる
• 因果を誤らせる3つの罠：交絡・逆因果・選択バイアス（鑑別診断の感覚で見抜く）
• 効果を正しく示す王道はRCT。事業のA/Bテストも同じ構造。難しければ代替手法を