相関関係と因果関係

背景・歴史

「2つの出来事が同時に起きた」「一方が増えると他方も増える傾向がある」と分かったとき、人は直感的に「片方がもう片方の原因なのだろう」と考えたくなります。しかし統計学の発展の中で、この直感には落とし穴があることが繰り返し指摘されてきました。「相関関係は因果関係を証明しない（correlation does not imply causation）」という言い回しは、統計学や科学の分野で古くから使われてきた戒めの言葉です。

有名な例として、「アイスクリームの売上」と「水難事故の件数」には統計的に強い相関があります。しかしアイスクリームが水難事故の原因なわけではなく、実際には「気温が高い」という共通の原因（交絡因子）が、両方を同時に押し上げているだけです。このように、見かけ上の関係に惑わされて誤った結論を出してしまう誤りは「虚偽の原因の誤謬」と呼ばれます。

なぜこの考え方が使われるようになったのか

データを集めて分析する技術が発達し、誰でも大量のデータから「関係がありそうなもの」を見つけられるようになった一方で、その関係を安易に「原因と結果」だと決めつけてしまう危険性も高まりました。データに基づいて意思決定をする場面（例えば、ある施策が本当に効果を上げているかを判断する場面）では、相関関係と因果関係を区別できないと、誤った判断につながってしまいます。そのため、データベースなどに蓄積された大量のデータを扱う情報科の学習でも、この区別を理解することが重視されています。

もう少し詳しく見てみる

2つのデータの関係の強さを数値で表したものを「相関係数」と呼びます。相関係数は-1から1の範囲の値を取り、1に近いほど「一方が増えると他方も増える」正の相関が強く、-1に近いほど「一方が増えると他方は減る」負の相関が強いことを示します。0に近いときは、直線的な関係がほとんど見られないことを意味します。

相関関係が見られたときに考えるべきことは、主に次の3パターンです。

• 本当にAがBの原因になっている（因果関係がある）
• 実は逆で、BがAの原因になっている
• 両方に影響を与えている別の要因（交絡因子）が存在するだけで、AとBの間に直接の関係はない

因果関係があるかどうかをより確からしく確かめるためには、条件をそろえた比較実験を行ったり、交絡因子となりそうな要因を洗い出して統計的に取り除いたりする方法（回帰分析など）が用いられます。

関連して知っておきたいこと

アンケートやオープンデータを使って自分たちで散布図を作ってみると、一見関係がありそうなデータの組み合わせが実は交絡因子によるものだった、ということに気づく良い練習になります。データを読み取る力は、グラフを描く技術と同じくらい、「安易に結論を急がない」という態度によって支えられています。