(Translated by https://www.hiragana.jp/)
因果分析 - Wikipedia コンテンツにスキップ

因果いんが分析ぶんせき

リンクを編集へんしゅう
出典しゅってん: フリー百科ひゃっか事典じてん『ウィキペディア（Wikipedia）』
曖昧さ回避 この項目こうもくでは、哲学てつがくや物理ぶつり学がくで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学問がくもん領域りょういきについて説明せつめいしています。不完全ふかんぜんな情報じょうほうをもとに事象じしょう間あいだの因果いんが結果けっかを理解りかいするための統計とうけい学がく的てきな推定すいていプロセスについては「統計とうけい的てき因果いんが推論すいろん」をご覧らんください。

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]。

モチベーション[編集へんしゅう]

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]

詳細しょうさいは「因果いんが集合しゅうごう」および「因果律いんがりつ」を参照さんしょう

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]

「検証けんしょう主義しゅぎ（英語えいご版ばん）」も参照さんしょう

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]

詳細しょうさいは「探索たんさく的てき因果いんが分析ぶんせき（英語えいご版ばん）」を参照さんしょう

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]。

脚注きゃくちゅう[編集へんしゅう]

  1. ^ 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。. 
  2. ^ 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。. 
  3. ^ a b c Spirtes, P.; Glymour, C.; Scheines, R. (2012). Causation, Prediction, and Search. Springer Science & Business Media. ISBN 978-1461227489 
  4. ^ a b Rosenbaum, Paul (2017). Observation and Experiment: An Introduction to Causal Inference. Harvard University Press. ISBN 9780674975576 
  5. ^ Pearl, Judea (2018). The Book of Why: The New Science of Cause and Effect. Basic Books. ISBN 978-0465097616 
  6. ^ Kleinberg, Samantha (2015). Why: A Guide to Finding and Using Causes. O'Reilly Media, Inc.. ISBN 978-1491952191 
  7. ^ Illari, P.; Russo, F. (2014). Causality: Philosophical Theory meets Scientific Practice. OUP Oxford. ISBN 978-0191639685 
  8. ^ Fisher, R. (1937). The design of experiments. Oliver And Boyd 
  9. ^ Hill, B. (1955). Principles of Medical Statistics. Lancet Limited 
  10. ^ Halpern, J. (2016). Actual Causality. MIT Press. ISBN 978-0262035026 
  11. ^ Pearl, J.; Glymour, M.; Jewell, N. P. (2016). Causal inference in statistics: a primer. John Wiley & Sons. ISBN 978-1119186847 
  12. ^ 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. 
  13. ^ a b Beebee, Hitchcock & Menzies 2009
  14. ^ Morris, William Edward (2001). “David Hume”. The Stanford Encyclopedia of Philosophy. http://plato.stanford.edu/archives/spr2001/entries/hume/#CausationN. 
  15. ^ 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. 
  16. ^ Holland, Paul W. (1986). “Statistics and Causal Inference”. Journal of the American Statistical Association 81 (396): 945–960. doi:10.1080/01621459.1986.10478354. 
  17. ^ Pearl, Judea (2000). Causality: Models, Reasoning, and Inference. Cambridge University Press. ISBN 9780521773621. https://archive.org/details/causalitymodelsr0000pear 
  18. ^ 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. 
  19. ^ 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。
  20. ^ 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. 
  21. ^ 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. 
  22. ^ McCracken, James (2016). Exploratory Causal Analysis with Time Series Data (Synthesis Lectures on Data Mining and Knowledge Discovery). Morgan & Claypool Publishers. ISBN 978-1627059343 
  23. ^ Tukey, John W. (1977). Exploratory Data Analysis. Pearson. ISBN 978-0201076165 

参考さんこう文献ぶんけん[編集へんしゅう]

関連かんれん項目こうもく[編集へんしゅう]

外部がいぶリンク[編集へんしゅう]

「https://ja.wikipedia.org/w/index.php?title=因果いんが分析ぶんせき&oldid=96776733」から取得しゅとく