数字と報道

調べる対象を絞るだけで、ないはずの関係が現れる?

二つの要因が共通の選抜に影響するとき、選ばれた人の中だけを比べることで、元とは違う関連が現れることがあります。背景の共通原因をそろえる調整と、二つの原因が集まる結果で絞ることを区別します。

基本の用語

調べる対象を限定すれば、いつも比較が公平になるとは限りません。何によって対象が選ばれ、その選抜に何が影響するかを考えると、集団を絞る前にはなかった関係が見える理由を説明できます。

もう少し詳しく知りたいときは、次の基礎で補えます。

二つの原因が集まる結果を見分ける

AとBを二つの要因、Sを両方から影響を受ける結果とします。A→S←Bという形では、Sを衝突点、コライダーと呼びます。矢印がSへ集まる形です。SがAとBの共通の原因となるS→AとS→Bという形とは、矢印の向きが違います。

共通原因が比較を交絡させる場合と、共通の結果で絞って比較する場合を一つの調整の話にまとめると、必要な対応を取り違えます。まず選抜変数が原因側にあるのか、結果側にあるのかを、仮定した因果構造で確かめます。

選ばれた人の中だけで関係が生まれる

元の集団でAとBが独立していても、両方が選抜Sに影響する場合、選ばれた集団では関連が生じ得ます。一方の要因がないのに選ばれている人は、他方の要因を持つ場合が多い、といった関係を選抜が作るためです。

この関連を、元の集団で一方が他方を引き起こす証拠と読むことはできません。選ぶ条件を満たすことと、二つの要因の間に因果関係があることは違います。対象を集めた仕組みが、数字の読み方に関わります。

調整や後の選抜でも経路が変わる

問題は、選ばれた人だけを最初から集める場合に限りません。回帰などでコライダーに条件を付ける調整も、閉じていた経路を開く場合があります。コライダーの後にある変数で選ぶ場合にも、経路への影響を考えます。

調整する変数が多いほどよいという決め方では、共通原因をそろえる調整と、共通の結果をそろえる調整を区別できません。変数を足す前に、何が何へ影響するという仮定で使っているかを確認する必要があります。

すべての絞り込みが同じ偏りを作るわけではない

コライダーがある図だけから、全ての選抜条件で同じ偏りが必ず起きるとは言えません。特定の選抜層では条件付きの独立が残る場合もあり、関連の向きや大きさは、選ぶ仕組みと各影響の強さによります。

そのため、対象を限定すること自体を一律に悪いと判断するのでなく、どの対象で何を知りたいかを決めます。選抜された集団の記述として分かることと、元の集団の因果関係として分かることも分けて説明します。

原因が集まる結果と、共通の原因を比べる
  • 共通の結果S

    A→S←B。Sで絞るとAとBの関連が変わる場合がある。

  • 共通の原因S

    A←S→B。Sが両方へ影響する形で、矢印の向きが違う。

関連の方向や大きさは、矢印だけでなく選抜の仕組みや条件にもよる。

どちらかの条件を満たす人だけ選ぶ

架空の例

100人の集団で、AとBをそれぞれ独立に半数が持つ条件とします。両方なし、Aだけ、Bだけ、両方ありの四組を25人ずつ置きます。少なくとも一方を持つ人だけを選ぶと、両方なしの25人を除いた75人が残ります。

選ばれた人のうちAなしの25人は全員Bありです。一方、Aありの50人ではBありは25人、半数です。元は独立でも、選んだ中では関連が生じます。ここでの向きは「少なくとも一方」という選び方によるもので、全ての選抜へ同じ向きを当てはめません。

持ち帰る見方

  • 共通原因と共通の結果を、矢印の向きで区別する。
  • 選抜・調整による関連を元の集団の因果とせず、選ぶ条件を確認する。

次に広がる疑問

  • 関連と原因の違いを確かめる
  • 調整する変数の役割と限界を読む
  • 測った値が違うときの推定の偏りを読む

順番に読んでいる方へ

学習地図で、ほかの分野とのつながりを見る

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

本文の出典・補足

二つの原因が集まる結果を見分ける

二つの原因が同じ結果へ向かう因果経路では、その結果が合流点になる。共通の原因から二つへ矢印が出る構造とは異なる。

対象
因果図A→S←Bのモデル。
条件
矢印は原因から結果へ向かい、AとBの間に別の関連経路がない場合を考える。
例外・限界
観測された相関だけでは、共通原因なのか共通結果なのかを決められない。
  • Causal Inference: What If(Miguel A. Hernán / James M. Robins(著者サイト))https://miguelhernan.org/s/hernanrobins_WhatIf_19aug26.pdf

選ばれた人の中だけで関係が生まれる

集団全体では独立な二つの原因でも、それらが影響する結果の値で対象を絞ると、選ばれた集団の中で関連が生じうる。

対象
二つの原因が共通の結果へ影響する選抜モデル。
条件
AとBが元の集団では独立で、選抜Sが両者の影響を受ける。
例外・限界
選抜後の関連を、AがBを引き起こした証拠と読み替えられない。
  • Causal Inference: What If(Miguel A. Hernán / James M. Robins(著者サイト))https://miguelhernan.org/s/hernanrobins_WhatIf_19aug26.pdf

調整や後の選抜でも経路が変わる

合流点で対象を選ぶだけでなく、その値を層別したり分析で条件付けたりしても経路が開きうる。合流点の影響を受ける後の変数で条件付ける場合にも注意が必要である。

対象
共通結果またはその子孫への条件付け。
条件
因果図の合流点から子孫へ矢印があり、その合流点または子孫を条件にする。
例外・限界
原因に先立つ共通原因の調整と、原因の共通結果の調整は同じ操作ではない。
  • Causal Inference: What If(Miguel A. Hernán / James M. Robins(著者サイト))https://miguelhernan.org/s/hernanrobins_WhatIf_19aug26.pdf

すべての絞り込みが同じ偏りを作るわけではない

合流点による選抜がどの方向にどれだけ関連を作るかは、変数の関係と選ぶ値による。特定の値で選んだ層に関連が生じないモデルもある。

対象
共通結果で条件付けるモデルの例外と範囲。
条件
変数を結ぶ因果構造に加え、選抜の規則やどの層を選ぶかを指定する。
例外・限界
単に対象を絞ったという事実だけで、偏りの有無・方向・大きさは確定しない。
  • Causal Inference: What If(Miguel A. Hernán / James M. Robins(著者サイト))https://miguelhernan.org/s/hernanrobins_WhatIf_19aug26.pdf