二つの量が一緒に変化していても、一方を変えれば他方も変わるとは限らない。因果関係を知りたいときには、観察された組合せに加え、「何を介入によって変えるのか」と「介入しなかった場合に何が起きたか」を考える必要がある。
介入した場合と、しなかった場合
研修を受けた人の成績が高かったとしても、研修の効果だけで説明できるとは限らない。もともと意欲の高い人が受講していた可能性もある。知りたい効果は、同じ条件の人々が研修を受けた場合と、受けなかった場合の成績の違いである。
一人の人について、同じ時点で両方の結果を観測することはできない。そこで比較対象を用意し、観測できない側の結果を推定する。どの集団を比較対象にできるかが、因果推論の中心的な問題となる。
無作為化と観察研究
無作為に受講を割り当てれば、割付前の特徴と受講の有無が独立になるように設計できる。有限人数では偶然の不均衡が残り、脱落や割付違反も生じ得るため、割付後の追跡と解析も必要だ。
無作為化ができない場合は、受講と成績の両方に影響する要因を測り、条件をそろえて比較する。回帰分析、マッチング、重み付けなどはそのための手段である。測っていない重要な交絡要因が残っていれば、計算を精密にしてもその影響は自動的には消えない。
説明変数を増やせばよいわけではない
研修によって学習時間が増え、その結果として成績が上がるなら、学習時間は効果を伝える途中の変数である。全体の効果を知りたい解析で学習時間を固定すると、知りたかった経路の一部を取り除いてしまう。
さらに、二つの原因が合流する変数を条件にすることで、もともと存在しない関連を作る場合もある。変数を選ぶ前に、原因の向きを仮説として整理する必要がある。政策の境界や制度変更を利用する方法にも、それぞれ成立条件がある。因果関係を主張する際には、推定値とともに「どの仮定の下で、この比較が介入の効果を表すか」を示すのである。
研修の例は因果推論の考え方を示す架空の設定である。因果ダイアグラムは仮定を明示する道具であり、図を描いただけで矢印の方向が実証されるわけではない。
参考資料
参考資料確認日：2026年10月13日。