数字と報道
政策の効果が年齢で違うなら、一つの平均で説明できる？
年齢などの条件で比較の差が変わるなら、その変化を交互作用の項で表せます。ただし、回帰の中の条件付きの差を求めたことと、政策の因果効果を確かめたことは別です。一つの係数がどの条件を指すかも確認します。
基本の用語
回帰に年齢と支援の有無を足すだけのモデルでは、支援ありとなしの差を年齢によらず一定と置きます。差が年齢で変わる形を考えるときは、二つの変数の積を入れ、比較する年齢を指定します。
もう少し詳しく知りたいときは、次の基礎で補えます。
- 年齢などを調整した比較なら、政策の効果が分かる？測定した共通原因による交絡の調整と、未測定・モデル・調整してはいけない変数を説明する。
積の項で、年齢による差の変化を表す
支援の指標Dを、なしなら0、ありなら1と置き、基準年齢からの差をAとします。条件付き平均をβ0＋β1D＋β2A＋β3DAと表すと、最後の積の項が交互作用です。Dが変わると、Aに対応する傾きも変わる形になります。
積を入れないモデルは、年齢によらず支援の指標による差が同じである形です。積を入れるモデルは、その差がAに沿って変化できる形です。どちらもモデルの置き方であり、積を追加するだけで現実の効果を確定するわけではありません。
支援ありとなしの差は、年齢ごとに計算する
同じAでDを比べます。なしの条件付き平均はβ0＋β2A、ありはβ0＋β1＋（β2＋β3）Aです。後者から前者を引くと、差はβ1＋β3Aになります。
β1だけを見ると、A＝0、つまり基準年齢での差しか読めません。β3はAが1増えるときの差の変化です。基準年齢から離れた人を比較するなら、その人のAを使って差を計算する必要があります。
一つの係数が、どの基準の差かを確かめる
年齢を40歳からの差で表す場合と50歳からの差で表す場合では、A＝0が指す人が変わります。そのため、同じ比較の形を別の基準で表しても、単独の係数が指す差は変わります。基準を説明せず係数だけを比べると意味を取り違えます。
また、ある年齢での条件付きの差と、対象集団全体の平均の差は同じ問いではありません。年齢別の差をまとめるなら、どの集団の年齢構成でまとめるかも必要です。モデルの係数をそのまま全員共通の差と呼ばないことが要点です。
条件付きの差を、因果として読むには別の条件が要る
こうして求めた差は、採用した回帰モデルで同じ条件を比べたものです。政策の因果効果と読むには、支援の有無と結果の両方に関わる背景を十分にそろえる必要があります。そろえた条件の下で支援の有無と、支援を受けた場合・受けなかった場合それぞれの結果に関連が残らないことが、交換可能性という条件です。
さらに、同じ条件の人に両方の支援状態があり得ること、どんな支援を介入として比べるかが明確であること、結果の平均を表すモデルが正しいことなどが必要です。年齢を加えたり積の項を入れたりするだけでは、背景の違いを全て除いたとは言えません。関連の記述と、支援を変えたら結果が変わるという因果の問いを分けます。
基準年齢からの差を代入する
架空の例
結果を点数で表す条件付き平均を100＋10D＋2A＋0.5DA、Aを年齢−40と置きます。支援ありとなしの差は10＋0.5Aです。30歳ならA＝−10で差は5点、40歳なら10点、50歳なら15点になります。
これは同じ年齢で二つの指標値を比べたモデル上の値です。10という係数だけを全ての年齢の差と呼ぶことはできません。この設定だけから、実際の支援で得点がこの量だけ上がるという因果の結論も出していません。
持ち帰る見方
- 積の項があるときは、比較する条件を代入して差を求める。
- 基準での係数、集団の平均、政策の因果効果を区別する。
次に広がる疑問
- 回帰で条件をそろえる意味と限界を読む
- 比較の尺度による効果の見え方を読む
- モデルの過去への当てはまりと予測評価を分ける
順番に読んでいる方へ
回帰の比較と予測を確かめる・6 / 8
出典
Bayes Rules! An Introduction to Applied Bayesian Modeling — Chapter 11 Extending the Normal Regression Model（Alicia A. Johnson / Miles Q. Ott / Mine Dogucu（著者サイト））https://www.bayesrulesbook.com/chapter-11.html
確認日：2026-10-05
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
積の項で、年齢による差の変化を表す
交互作用は、一つの説明変数と結果の関連が、もう一つの説明変数の水準によって変わることである。足し算だけの模型に二変数の積の項を加え、その変化を表せる。
- 対象
- 結果の条件付き平均を説明する線形回帰で、二つの説明変数と積の項を使う比較。
- 条件
- 条件付き平均を直線で表し、群の指標を0/1にする場合など、式の変数と基準を定める。
- 例外・限界
- 積を加えた模型がどんなデータにも合うわけではない。観測された関連を表すことと因果を識別することは別。
Bayes Rules! An Introduction to Applied Bayesian Modeling — Chapter 11 Extending the Normal Regression Model（Alicia A. Johnson / Miles Q. Ott / Mine Dogucu（著者サイト））https://www.bayesrulesbook.com/chapter-11.html
支援ありとなしの差は、年齢ごとに計算する
条件付き平均をβ0＋β1D＋β2A＋β3DAとし、Dが支援なし0・あり1、Aが年齢の基準からの差なら、同じAでの支援ありとなしの予測平均差はβ1＋β3Aとなる。
- 対象
- 結果の条件付き平均を説明する線形回帰で、二つの説明変数と積の項を使う比較。
- 条件
- 同じ年齢AでDだけを0から1へ変える。式は結果の平均を比較する線形模型で、係数と結果の単位をそろえる。
- 例外・限界
- β3単独を全ての年齢の支援差と読まない。β1が全ての年齢に共通の差となるのは、ここではβ3＝0の場合。
Bayes Rules! An Introduction to Applied Bayesian Modeling — Chapter 11 Extending the Normal Regression Model（Alicia A. Johnson / Miles Q. Ott / Mine Dogucu（著者サイト））https://www.bayesrulesbook.com/chapter-11.html
一つの係数が、どの基準の差かを確かめる
この模型のβ1はA＝0のときの支援ありとなしの差、β2はD＝0の群でのA一単位当たりの関連、β3は両群の傾きの差を表す。Aの0を何歳に置いたかで、β1が表す比較年齢も変わる。
- 対象
- 結果の条件付き平均を説明する線形回帰で、二つの説明変数と積の項を使う比較。
- 条件
- D＝0を比較の基準群、A＝年齢−基準年齢として定める。同じ模型を同じ年齢で比較する。
- 例外・限界
- 年齢0歳での比較と、例えば40歳を基準にした比較を、同じ基準の係数として読まない。集団全体の平均差とは区別する。
Bayes Rules! An Introduction to Applied Bayesian Modeling — Chapter 11 Extending the Normal Regression Model（Alicia A. Johnson / Miles Q. Ott / Mine Dogucu（著者サイト））https://www.bayesrulesbook.com/chapter-11.html
条件付きの差を、因果として読むには別の条件が要る
交互作用を入れて年齢別の差を計算しても、それだけで支援の因果効果が分かったとはいえない。因果解釈には、十分な交絡・選択の調整、同じ条件で両方の支援状態が比較できること、明確な介入と妥当な模型等が必要である。
- 対象
- 結果の条件付き平均を説明する線形回帰で、二つの説明変数と積の項を使う比較。
- 条件
- 条件付き観察平均を、介入した場合の平均と結びつける交換可能性・正値性・介入定義、正しい結果模型を置く。
- 例外・限界
- 交互作用項を追加するだけで、未測定の交絡や同じ年齢で比較できる対象の不足は消えない。係数の名称にeffectがあっても、その変数の因果効果とは限らない。
Causal Inference: What If（Miguel A. Hernán / James M. Robins（著者サイト））https://miguelhernan.org/s/hernanrobins_WhatIf_19aug26.pdf