因果 いんが 分析 ぶんせき (いんがぶんせき、英 えい : causal analysis )とは、原因 げんいん と結果 けっか の関係 かんけい を明 あき らかにするための実験 じっけん 計画 けいかく 法 ほう や統計 とうけい 学 がく の分野 ぶんや である[1] 。一般 いっぱん 的 てき に、これには4つの要素 ようそ が含 ふく まれており、それらは相関 そうかん 関係 かんけい 、時間 じかん 的 てき 順序 じゅんじょ (つまり、原因 げんいん はその結果 けっか 候補 こうほ の前 まえ に起 お こる必要 ひつよう がある)、観察 かんさつ された結果 けっか が起 お こりうる原因 げんいん から導 みちび かれるもっともらしい物理 ぶつり 的 てき または情報 じょうほう 理論 りろん 的 てき メカニズム、および共通 きょうつう あるいは代替 だいたい (特別 とくべつ な)原因 げんいん (英語 えいご 版 ばん ) の可能 かのう 性 せい の排除 はいじょ である。このような分析 ぶんせき には、通常 つうじょう 、1つまたは複数 ふくすう の人工 じんこう 実験 じっけん または自然 しぜん 実験 じっけん が含 ふく まれている[2] 。
データ分析 ぶんせき は、主 おも に因果 いんが 関係 かんけい のある問題 もんだい に関係 かんけい している[3] [4] [5] [6] [7] 。たとえば、肥料 ひりょう は作物 さくもつ を成長 せいちょう させたか?[8] 、または、特定 とくてい の病気 びょうき は予防 よぼう できるか?[9] 、あるいは、なぜ私 わたし の友人 ゆうじん は落 お ち込 こ んでいるのか?[10] そのような問 と いに対 たい し、計画 けいかく された実験 じっけん によってデータが収集 しゅうしゅう された場合 ばあい 、潜在 せんざい 的 てき 結果 けっか や回帰 かいき 分析 ぶんせき の手法 しゅほう によって対応 たいおう することができる。しかし、観察 かんさつ 研究 けんきゅう (英語 えいご 版 ばん ) によってデータが収集 しゅうしゅう された場合 ばあい は、因果 いんが 関係 かんけい を推論 すいろん するためにさまざまな手法 しゅほう が必要 ひつよう となる(たとえば、交絡 などの問題 もんだい のため)[11] 。実験 じっけん データに用 もち いられる因果 いんが 推論 すいろん 手法 しゅほう は、観測 かんそく データで合理 ごうり 的 てき な推論 すいろん を行 おこな うために追加 ついか の仮定 かてい を要 よう する[12] 。このような状況 じょうきょう 下 か で、因果 いんが 推論 すいろん の難 むずか しさは、しばしば「相関 そうかん 関係 かんけい は因果 いんが 関係 かんけい を含意 がんい しない 」と要約 ようやく されている。
哲学 てつがく および物理 ぶつり 学 がく において[ 編集 へんしゅう ]
因果 いんが 関係 かんけい の本質 ほんしつ は、哲学 てつがく や物理 ぶつり 学 がく など、複数 ふくすう の学問 がくもん 分野 ぶんや で体系 たいけい 的 てき に研究 けんきゅう されている。
学会 がっかい には因果 いんが 関係 かんけい に関 かん する膨大 ぼうだい な数 かず の理論 りろん が存在 そんざい しており、「The Oxford Handbook of Causation」 (Beebee, Hitchcock & Menzies 2009 )は770ページにも及 およ んでいる。哲学 てつがく の分野 ぶんや では、アリストテレス の四 よん 原因 げんいん 説 せつ や、アル・ガザーリー の機会 きかい 原因 げんいん 論 ろん (英語 えいご 版 ばん ) が影響 えいきょう 力 りょく のある学説 がくせつ である[13] 。デイヴィッド・ヒューム は、因果 いんが 関係 かんけい についての信念 しんねん は経験 けいけん に基 もと づくものとし、同様 どうよう に経験 けいけん は未来 みらい は過去 かこ にならう仮定 かてい に基 もと づき、それは経験 けいけん にのみ基 もと づくとし、循環 じゅんかん 論法 ろんぽう につながると主張 しゅちょう した。彼 かれ は、因果 いんが 関係 かんけい は具体 ぐたい 的 てき 推論 すいろん に基 もと づかない(英語 えいご 版 ばん ) と結論 けつろん づけ、実際 じっさい に観測 かんそく できるのは相関 そうかん 関係 かんけい だけだと断言 だんげん した[14] 。 Beebee, Hitchcock & Menzies (2009) によれば、イマヌエル・カント は、「すべての事象 じしょう には原因 げんいん がある、あるいは因果律 いんがりつ に従 したが っているという近因 きんいん 主義 しゅぎ は、厳密 げんみつ な普遍 ふへん 性 せい あるいは必然 ひつぜん 性 せい を欠 か いているので、純粋 じゅんすい な経験 けいけん 的 てき 主張 しゅちょう として帰納的 きのうてき に確立 かくりつ されることはない」と述 の べている。
因果 いんが 関係 かんけい の理論 りろん は、哲学 てつがく の分野 ぶんや 以外 いがい でも、古典 こてん 力学 りきがく 、統計 とうけい 力学 りきがく 、量子力学 りょうしりきがく 、時空 じくう 理論 りろん 、生物 せいぶつ 学 がく 、社会 しゃかい 科学 かがく 、および法学 ほうがく で明 あき らかにされている[13] 。物理 ぶつり 学 がく において、ある相関 そうかん 関係 かんけい を因果 いんが 関係 かんけい として立証 りっしょう するためには通常 つうじょう 、既知 きち の自然 しぜん の法則 ほうそく に従 したが って、原因 げんいん と結果 けっか は局所 きょくしょ 的 てき メカニズム (英語 えいご 版 ばん ) (例 れい :衝撃 しょうげき )または非 ひ 局在 きょくざい 的 てき メカニズム(例 れい :場 ば )を介 かい して結 むす びつく必要 ひつよう があると考 かんが えられている。
熱 ねつ 力学 りきがく の観点 かんてん では、熱 ねつ 力学 りきがく 第 だい 二 に 法則 ほうそく によって、原因 げんいん と結果 けっか との普遍 ふへん 的 てき な性質 せいしつ が明 あき らかにされ、熱 ねつ 力学 りきがく 的 てき 自由 じゆう エネルギーという特定 とくてい のケースにおける「原因 げんいん は結果 けっか より高貴 こうき である」という古来 こらい 、中世 ちゅうせい のデカルト 主義 しゅぎ が確 たし かめられた[15] 。一方 いっぽう 、非線形 ひせんけい システム やバタフライ効果 こうか といった概念 がいねん に対 たい する一般 いっぱん 的 てき な解釈 かいしゃく は[疑問 ぎもん 点 てん – ノート ] 、小 ちい さな事象 じしょう が、予測 よそく 不可能 ふかのう で思 おも いがけない大量 たいりょう の潜在 せんざい 的 てき エネルギー の引 ひ き金 がね となって、大 おお きな効果 こうか を引 ひ き起 お こすというものである。
反 はん 事実 じじつ 的 てき 状態 じょうたい から解釈 かいしゃく される因果 いんが 関係 かんけい [ 編集 へんしゅう ]
直感 ちょっかん 的 てき には、因果 いんが 関係 かんけい には相関 そうかん 関係 かんけい だけでなく、反 はん 事実 じじつ 的 てき (英語 えいご 版 ばん ) な依存 いぞん 関係 かんけい も必要 ひつよう だと考 かんが えられる。たとえば、ある学生 がくせい がテストの成績 せいせき が悪 わる く、その原因 げんいん は彼 かれ が勉強 べんきょう しなかったことだと推測 すいそく したとする。これを証明 しょうめい するために、同 おな じ学生 がくせい が同 おな じ状況 じょうきょう で同 おな じテストを受 う けているが、前 まえ の晩 ばん に勉強 べんきょう していた、という反 はん 事実 じじつ を考 かんが える。もし、歴史 れきし を巻 ま き戻 もど して、たった1つの小 ちい さなこと(学生 がくせい に試験 しけん 勉強 べんきょう させる)を変 か えることができれば、(バージョン1とバージョン2を比較 ひかく することによって)因果 いんが 関係 かんけい を観察 かんさつ することができる。しかし、歴史 れきし を巻 ま き戻 もど したり、制御 せいぎょ 下 か で小 ちい さな変更 へんこう を加 くわ えた後 のち に出来事 できごと を再現 さいげん することはできないため、因果 いんが 関係 かんけい は推測 すいそく するしかできず、正確 せいかく に知 し ることはできない。これは「因果 いんが 推測 すいそく の基本 きほん 的 てき 問題 もんだい 」と呼 よ ばれ、因果 いんが 関係 かんけい を直接 ちょくせつ 観察 かんさつ することは不可能 ふかのう である[16] 。
科学 かがく 実験 じっけん や統計 とうけい 的 てき 手法 しゅほう の主要 しゅよう な目的 もくてき は、世界 せかい の反 はん 事実 じじつ 的 てき 状態 じょうたい をできる限 かぎ り近似 きんじ することである[17] 。たとえば、テストで常 つね に同 おな じ成績 せいせき をとることが分 わ かっている一卵性双生児 いちらんせいそうせいじ で実験 じっけん する(英語 えいご 版 ばん ) ことができる。双子 ふたご の一方 いっぽう は6時 じ 間 あいだ 勉強 べんきょう させ、もう一方 いっぽう は遊 ゆう 園地 えんち に行 い かせる。その結果 けっか 、双子 ふたご のテストの点数 てんすう が突然 とつぜん 大 おお きく離 はな れたとしたら、これは勉強 べんきょう (または遊 ゆう 園地 えんち へ行 い くこと)がテストの点数 てんすう に因果 いんが 的 てき に作用 さよう したという強力 きょうりょく な証拠 しょうこ になる。この場合 ばあい 、勉強 べんきょう とテストの点数 てんすう の相関 そうかん 関係 かんけい は、ほぼ確実 かくじつ に因果 いんが 関係 かんけい を意味 いみ する。
適切 てきせつ に設計 せっけい された実験 じっけん 的 てき 研究 けんきゅう では、前述 ぜんじゅつ の例 れい のように、個人 こじん の平等 びょうどう 性 せい を群 ぐん の平等 びょうどう 性 せい に置 お き換 か える。その目的 もくてき は、両 りょう 群 ぐん が受 う ける処置 しょち を除 のぞ いて類似 るいじ している2つの群 ぐん を構築 こうちく することである。これは、1つの母集団 ぼしゅうだん から被験者 ひけんしゃ を選択 せんたく し、それらを2つ以上 いじょう の群 ぐん に無 む 作為 さくい に割 わ り当 あ てることで実現 じつげん される。各 かく 群 ぐん が互 たが いに(平均 へいきん して)類似 るいじ した行動 こうどう をとる可能 かのう 性 せい は、各 かく 群 ぐん の被験者 ひけんしゃ の数 かず が多 おお いほど高 たか くなる。もし、各 かく 群 ぐん が受 う ける処置 しょち を除 のぞ いて本質 ほんしつ 的 てき に同等 どうとう であり、各 かく 群 ぐん の結果 けっか に差異 さい があることが観察 かんさつ されれば、これは処置 しょち が結果 けっか の原因 げんいん であるという証拠 しょうこ で、い換 いか えれば、処置 しょち が観察 かんさつ された効果 こうか を引 ひ き起 お こしているという証拠 しょうこ となる。ただし観察 かんさつ された効果 こうか は、たとえば母集団 ぼしゅうだん におけるランダム摂動 せつどう の結果 けっか として「偶然 ぐうぜん に」引 ひ き起 お こされる可能 かのう 性 せい もある。統計 とうけい 的 てき 検定 けんてい は、観察 かんさつ された差異 さい が実際 じっさい には存在 そんざい しないのに、誤 あやま って存在 そんざい すると結論 けつろん づける可能 かのう 性 せい を定量 ていりょう 化 か するために存在 そんざい する(たとえば、P値 ね を参照 さんしょう )。
因果 いんが 関係 かんけい の運用 うんよう 上 じょう の定義 ていぎ [ 編集 へんしゅう ]
クライブ・グレンジャー は、1969年 ねん に、因果 いんが 関係 かんけい の運用 うんよう 上 じょう の定義 ていぎ を最初 さいしょ に作成 さくせい した[18] 。グレンジャーは、ノーバート・ウィーナー が提唱 ていしょう した確 かく 率 りつ 的 てき 因果 いんが 関係 かんけい (英語 えいご 版 ばん ) の定義 ていぎ を分散 ぶんさん の比較 ひかく として運用 うんよう 可能 かのう にした[19] 。
「真実 しんじつ 」による検証 けんしょう [ 編集 へんしゅう ]
Peter Spirtes 、Clark Glymour 、およびRichard Scheines は、因果 いんが 関係 かんけい の定義 ていぎ を明示 めいじ 的 てき に示 しめ さないという考 かんが えを導入 どうにゅう した[要 よう 説明 せつめい ] [3] 。SpirtesとGlymourは、1990年 ねん に、因果 いんが 発見 はっけん (causal discovery)のためのコンピュータアルゴリズムを発表 はっぴょう した[20] 。最近 さいきん の因果 いんが 発見 はっけん アルゴリズムの多 おお くは、Spirtes-Glymourの検証 けんしょう アプローチに従 したが っている[21] 。
探索 たんさく 的 てき 因果 いんが 分析 ぶんせき [ 編集 へんしゅう ]
探索 たんさく 的 てき 因果 いんが 分析 ぶんせき (exploratory causal analysis、ECA)は、「データ因果 いんが 関係 かんけい (data causality)」または「因果 いんが 発見 はっけん (causal discovery)」[3] とも呼 よ ばれ、統計 とうけい 的 てき アルゴリズム を使用 しよう して、厳密 げんみつ な仮定 かてい の下 した で潜在 せんざい 的 てき に因果 いんが 関係 かんけい のある観測 かんそく データセットの関連 かんれん 性 せい を推論 すいろん することである。ECAは、因果 いんが 推論 すいろん の一種 いっしゅ で、因果 いんが モデリング(英語 えいご 版 ばん ) 、あるいはランダム化 か 比較 ひかく 試験 しけん における処置 しょち 効果 こうか とは異 こと なるものである[4] 。これは、データ解析 かいせき において探索 たんさく 的 てき データ解析 かいせき が統計 とうけい 的 てき 仮説 かせつ 検定 けんてい に先行 せんこう することが多 おお いのと同様 どうよう に、通常 つうじょう 、より正式 せいしき な因果 いんが 研究 けんきゅう (英語 えいご 版 ばん ) に先行 せんこう する探索 たんさく 的 てき 研究 けんきゅう である[22] [23] 。
^ Rohlfing, Ingo; Schneider, Carsten Q. (2018). “A Unifying Framework for Causal Analysis in Set-Theoretic Multimethod Research” . Sociological Methods & Research 47 (1): 37–63. doi :10.1177/0049124115626170 . https://publications.ceu.edu/sites/default/files/publications/0049124115626170.pdf 2020年 ねん 2月 がつ 29日 にち 閲覧 えつらん 。 .
^ Brady, Henry E. (7 July 2011). “Causation and Explanation in Social Science” (英語 えいご ). The Oxford Handbook of Political Science . doi :10.1093/oxfordhb/9780199604456.013.0049 . https://www.oxfordhandbooks.com/view/10.1093/oxfordhb/9780199604456.001.0001/oxfordhb-9780199604456-e-049 2020年 ねん 2月 がつ 29日 にち 閲覧 えつらん 。 .
^ a b c Spirtes, P.; Glymour, C.; Scheines, R. (2012). Causation, Prediction, and Search . Springer Science & Business Media. ISBN 978-1461227489
^ a b Rosenbaum, Paul (2017). Observation and Experiment: An Introduction to Causal Inference . Harvard University Press. ISBN 9780674975576
^ Pearl, Judea (2018). The Book of Why: The New Science of Cause and Effect . Basic Books. ISBN 978-0465097616
^ Kleinberg, Samantha (2015). Why: A Guide to Finding and Using Causes . O'Reilly Media, Inc.. ISBN 978-1491952191
^ Illari, P.; Russo, F. (2014). Causality: Philosophical Theory meets Scientific Practice . OUP Oxford. ISBN 978-0191639685
^ Fisher, R. (1937). The design of experiments . Oliver And Boyd
^ Hill, B. (1955). Principles of Medical Statistics . Lancet Limited
^ Halpern, J. (2016). Actual Causality . MIT Press. ISBN 978-0262035026
^ Pearl, J.; Glymour, M.; Jewell, N. P. (2016). Causal inference in statistics: a primer . John Wiley & Sons. ISBN 978-1119186847
^ Stone, R. (1993). “The Assumptions on Which Causal Inferences Rest”. Journal of the Royal Statistical Society. Series B (Methodological) 55 (2): 455–466. doi :10.1111/j.2517-6161.1993.tb01915.x .
^ a b Beebee, Hitchcock & Menzies 2009
^ Morris, William Edward (2001). “David Hume” . The Stanford Encyclopedia of Philosophy . http://plato.stanford.edu/archives/spr2001/entries/hume/#CausationN .
^ Lloyd, A.C. (1976). “The principle that the cause is greater than its effect”. Phronesis 21 (2): 146–156. doi :10.1163/156852876x00101 . JSTOR 4181986 .
^ Holland, Paul W. (1986). “Statistics and Causal Inference”. Journal of the American Statistical Association 81 (396): 945–960. doi :10.1080/01621459.1986.10478354 .
^ Pearl, Judea (2000). Causality: Models, Reasoning, and Inference . Cambridge University Press. ISBN 9780521773621 . https://archive.org/details/causalitymodelsr0000pear
^ Granger, C. W. J. (1969). “Investigating Causal Relations by Econometric Models and Cross-spectral Methods”. Econometrica 37 (3): 424–438. doi :10.2307/1912791 . JSTOR 1912791 .
^ Granger, Clive. “Prize Lecture. NobelPrize.org. Nobel Media AB 2018. ”. 2022年 ねん 1月 がつ 23日 にち 閲覧 えつらん 。
^ Spirtes, P.; Glymour, C. (1991). “An algorithm for fast recovery of sparse causal graphs”. Social Science Computer Review 9 (1): 62–72. doi :10.1177/089443939100900106 .
^ Guo, Ruocheng; Cheng, Lu; Li, Jundong; Hahn, P. Richard; Liu, Huan (2020). “A Survey of Learning Causality with Data”. ACM Computing Surveys 53 (4): 1–37. arXiv :1809.09337 . doi :10.1145/3397269 .
^ McCracken, James (2016). Exploratory Causal Analysis with Time Series Data (Synthesis Lectures on Data Mining and Knowledge Discovery) . Morgan & Claypool Publishers. ISBN 978-1627059343
^ Tukey, John W. (1977). Exploratory Data Analysis . Pearson. ISBN 978-0201076165