因果推論とは？
いんがすいろん
因果推論とは、観察データや実験データをもとに、ある事象が別の事象の「原因」であるかどうかを統計的に明らかにする手法です。
因果推論（Causal Inference）とは、データから変数間の因果関係（原因と結果の関係）を統計的・数学的に明らかにするための理論と手法の体系です。単なる相関（一緒に動く関係）と因果（片方がもう片方を引き起こす関係）を厳密に区別することが目標です。
因果推論の代表的なフレームワークとして、Judea Pearlが提唱した「構造的因果モデル（SCM）」と、ドナルド・ルービンらが発展させた「潜在的結果フレームワーク（Rubin Causal Model）」があります。前者はDAG（有向非循環グラフ）を使って因果構造を視覚化し、後者は「介入した場合」と「しなかった場合」の潜在的な結果を比較する考え方に基づきます。
主な分析手法には以下があります。
- ランダム化比較試験（RCT）：対象をランダムに群分けし因果効果を直接測定する「黄金標準」
- 操作変数法（IV）：交絡を避けるために外生的な変数を利用する手法
- 差分の差分法（DID）：政策介入前後の変化を比較グループとの差で評価する手法
- 回帰不連続デザイン（RDD）：閾値付近のデータを利用して因果効果を推定する手法
因果推論は医療・政策評価・マーケティング・AI倫理など幅広い分野で活用され、「なぜそうなるのか」を問うデータサイエンスの根幹を支える考え方となっています。
使い方・例文
「ある薬を飲んだ患者は回復が早い」という観察データだけでは相関しか示せませんが、因果推論の手法を用いることで、薬そのものが回復を促進したかどうかを厳密に検証できます。
この用語をシェア
最終更新: