因果推論とは
因果推論（Causal Inference）とは、データから変数間の因果関係を特定・推定するための統計的手法の総称です。相関関係が「2つの変数が同時に変化する」ことを示すのに対し、因果推論は「一方が他方を引き起こす」かどうかを明らかにすることを目指します。
| ひとことで言うと | 相関ではなく「本当に原因と結果の関係か」を見極める分析手法。 |
|---|---|
| どこで使う | 施策の真の効果測定、値引きが売上に与える影響、研修の効果検証。 |
| 注意点 | 最も確実なのはランダム化実験（A/Bテスト）。観察データでは工夫が要る。 |
因果推論の枠組み
因果推論の主要な枠組みとして、ルービンの潜在アウトカムモデル（反事実モデル）とパールの構造的因果モデル（SCM）があります。潜在アウトカムモデルでは、介入を受けた場合と受けなかった場合の結果の差として因果効果を定義します。
1相関を発見「値引き」と「売上増」
▶
2交絡を疑う季節など第3の要因
▶
3比較群を作る条件をそろえた対照群
▶
4効果を推定施策だけの影響を分離
▶
5意思決定へ本当に効く施策を選ぶ
因果推論の手法
ランダム化比較試験（RCT）は因果推論のゴールドスタンダードですが、倫理的・現実的に実施困難な場合もあります。そのような場合には、傾向スコアマッチング、差分の差分法（DID）、操作変数法（IV）、回帰不連続デザイン（RDD）などの準実験的手法が用いられます。
因果推論の重要性
データ駆動型の意思決定において、相関と因果を区別することは極めて重要です。例えば、広告費と売上の相関から広告の効果を正しく評価するには、因果推論の手法が不可欠です。近年はデータサイエンスや機械学習の分野でも因果推論への関心が高まっています。