目次
1. 相関関係と因果関係とは？
データ分析を学んでいると、「相関関係」と「因果関係」という言葉をよく耳にしますよね。この二つは似ているようで大きな違いがあります。
相関関係とは、2つの変数が統計的に関連していることを指します。一方、因果関係とは、一方の変数がもう一方の変数に直接影響を与えていることを意味します。
たとえば、「アイスクリームの売上」と「熱中症の発生件数」が同じように増減することが観察されたとしましょう。この2つの間には相関関係があるかもしれませんが、「アイスクリームを食べると熱中症になる」とは限りませんよね。
では、どのようにして相関関係と因果関係を区別すればよいのでしょうか？
2. 相関係数とは？
相関関係の強さを測る指標として、相関係数（correlation coefficient） があります。相関係数は -1から1の間の値 を取り、次のように解釈されます。
- +1に近い → 強い正の相関（片方が増えるともう片方も増える）
- 0に近い → 相関なし（関係が見られない）
- -1に近い → 強い負の相関（片方が増えるともう片方は減る）
例えば、次のようなデータを考えてみましょう。
- 「気温が上がるとアイスの売上が増える」 → 正の相関（相関係数がプラス）
- 「気温が上がると暖房の使用量が減る」 → 負の相関（相関係数がマイナス）
しかし、相関係数が高いからといって、必ずしも因果関係があるとは限りません。
3. 因果関係とは？
因果関係とは、一方の変数がもう一方の変数に直接的な影響を与えていることを意味します。
例えば、
- 「運動量を増やすと、体重が減る」
- 「広告費を増やすと、売上が上がる」
これらは因果関係がありそうですよね。因果関係があるかどうかを判断するためには、単なる相関ではなく、他の要因（交絡因子）を排除する必要があります。
4. 相関関係と因果関係の違いを見抜く方法
① 交絡因子（隠れた要因）を考える
相関関係が見られる場合、実は別の変数が両方の変数に影響を与えている可能性があります。これを交絡因子（confounding variable） と呼びます。
例えば、「アイスの売上」と「熱中症の発生件数」は相関していますが、これは「気温の上昇」という交絡因子があるからです。「気温が上がると、アイスが売れやすくなり、同時に熱中症のリスクも増える」ため、アイスが熱中症を引き起こしているわけではありません。
② 実験や統計的手法を活用する
因果関係を特定するには、実験的アプローチが有効です。たとえば、ランダム化比較試験（RCT）を行い、対象を無作為に割り当てることで、他の要因の影響を排除できます。
また、統計的には「回帰分析」や「因果推論の手法（操作変数法、DID分析など）」を使うことで、因果関係をより厳密に分析できます。
5. 具体例で理解する
例1：テレビを見ながら勉強すると成績が下がる？
ある研究で「テレビを見ながら勉強する生徒の成績が低い」という相関関係が見つかったとします。しかし、これは因果関係でしょうか？
実際には、「もともと勉強の習慣が少ない生徒ほどテレビを見がち」という交絡因子があるかもしれません。この場合、テレビが直接成績を下げているのではなく、「勉強時間が少ないこと」が成績に影響している可能性があります。
例2：コーヒーを飲むと健康になる？
「コーヒーを飲む人は健康的である」というデータがあるとします。しかし、コーヒーが健康を促進しているわけではなく、「健康意識の高い人はコーヒーを飲む傾向がある」などの交絡因子が考えられます。このような場合、単なる相関関係であり、因果関係とは言えません。
6. まとめ
- 相関関係：2つの変数が統計的に関連していること（例：アイスの売上と熱中症の発生）
- 因果関係：一方の変数がもう一方に直接影響を与えていること（例：運動量が増えると体重が減る）
- 因果関係を見抜くには？
- 交絡因子を考慮する
- 実験（ランダム化比較試験など）を行う
- 統計的手法（回帰分析、因果推論）を活用する
データを見たときに「相関＝因果」ではないことを意識するだけで、より正確な分析ができるようになります。データの背後に隠れた要因を考えながら、統計を活用していきましょう！