二つの数字が一緒に動けば、原因が分かる？

知りたいのは、同じ対象の別の結果

ある人が職業訓練を受けて就職したとして、訓練が就職をもたらしたかを知るには、同じ人が同じ時期に訓練を受けなかった場合の結果と比べたいところです。しかし同じ人について、受けた場合と受けなかった場合を同時には通常観察できません。実際には起きなかった側の結果を反実仮想と呼びます。

HernánとRobinsの因果推論の教材は、このような潜在的な結果の比較で効果を定義します。個人の効果が分からなくても、一定の条件で集団の平均効果を推定できることがあります。集団の平均が同じでも、得をした人と損をした人が相殺されている可能性があり、全員に同じ効果があるとは言えません。

参加者の差と、訓練の効果は違う

訓練に参加した人は、もともと仕事を探す意欲や技能、支援を受ける必要性などが不参加者と違うかもしれません。その違いが参加と就職の両方に関わると、参加者と不参加者の就職率の差には訓練以外の違いも混ざります。こうした問題は交絡と呼ばれます。

別の方向も考えられます。仕事の見つかりにくさが訓練参加を促すなら、参加が先に原因であるという見方だけでは足りません。また導入前後で就職が増えても、景気や採用の季節が変わった可能性があります。「後に起きた」「一緒に動いた」と、効果が確認されたことを分けます。

比較の作り方を読む

無作為に割り付ける実験は、本人の選択や担当者の判断が参加の割付を決めないようにし、集団の元の違いを偶然の差にする方法です。適切な設計と実施のもとで、平均効果を推定する有力な方法になります。ただし人数が有限なら偶然の差があり、参加の不遵守や追跡からの脱落も検討します。

実験が難しい政策では、観察データを使った研究もあります。その場合は、測定した条件をそろえた後にも結果に関わる違いが残らないか、比較対象が実際に存在するか、何という働きかけを比べるかが重要です。データの多さだけで、こうした仮定が自動的に満たされるわけではありません。

「効果がある」を、誰にいつまで広げるか

研究がある集団のある期間の平均効果を推定しても、別の年齢、地域、景気で同じ大きさになるとは限りません。対象、比較対象、追跡期間、効果の大きさ、不確かさ、研究の限界を読みます。平均効果と自分一人の結果を同一視しないことも必要です。

政策では、参加者への支援が他の人の採用機会を変えるなど、人どうしの影響もありえます。誰を単位として、何の結果を比べた研究かが変わります。推定に不確かさがあることは「何も分からない」と同じではありません。条件を明示した根拠として使い、費用や公平さなどの価値判断は別に検討します。

二つの就職率の差

架空の例仕組みを考えるための例です。実在の数値や予測ではありません。

ある架空の訓練で、参加者100人のうち80人、不参加者100人のうち60人が同じ期間に就職したとします。観察された就職率は80％と60％で、差は20ポイントです。率の差を表しており「20％増」とは区別します。この計算だけで「訓練が20ポイント増やした」とは言えません。

参加方法と、訓練前の状態を確かめます。自分で選んだ参加なら元の違いが混ざりえます。無作為に割り付けた場合でも、途中で離れた人をどう数えたか、割付と実際の参加が一致したかなどを読みます。数値は全て架空で、訓練の実際の効果を示しません。

この説明で言える範囲

• 特定の政策・訓練の実証効果は評価しません。
• 架空の20ポイントの差は、因果効果の推定値ではありません。
• 因果効果の研究から、費用や公平さの価値判断は自動的に決まりません。

持ち帰る見方

• 観察された関連と、働きかけによる効果を分ける。
• 実験でも観察研究でも、比較方法と条件を読む。
• 対象・期間・平均の範囲を越えて結論を広げない。

次に広がる疑問

• 政策の目的と実証された効果を、ニュースでどう分ける？
• 景気の変化と政策の変化が重なるとき、何を調べる？
• 効果があっても、採用する政策は一つに決まる？

出典

• Causal Inference: What If（Miguel A. Hernán / James M. Robins（著者サイト））https://miguelhernan.org/s/hernanrobins_WhatIf_19aug26.pdf

  確認日：2026-10-04