「アイスクリームが売れる日は水難事故が多い」——データ上は確かに相関があるのに、アイスをやめても事故は減りません。このように相関の裏に隠れた第3の変数がつくり出す「見せかけの関係」が疑似相関です。データ分析の落とし穴として試験でも実務でも超重要な概念を解説します。
📖 ひと言でいうと
疑似相関(擬似相関とも書きます)とは、2つの変数の間に相関関係があるように見えるのに、実際には直接の因果関係がない状態のことです。多くの場合、両方の変数に影響を与える「第3の変数(交絡因子)」が背後に隠れています。
アイスクリームの売上と水難事故の件数は、どちらも夏に増えるためグラフにすると一緒に上下します。しかし本当の原因は「気温」で、気温が高いからアイスも売れ、泳ぐ人も増えて事故も増える——アイスと事故の間に直接のつながりはありません。
🖼 1枚でわかる疑似相関
📘 公式テキストの説明
擬似相関とは、2つの変数間に相関関係があるように見えるが、実際には因果関係が存在しない状況を指します。このような相関は、データ中に見えない「第3の変数」が影響を与えていることが原因である場合が多いです。典型的な例として、アイスクリームの販売量と熱中症の発生件数が挙げられます。どちらも気温が高い時期に増加しますが、アイスクリームが熱中症を引き起こすわけではなく、実際には「気温」という共通の要因が関わっています。擬似相関が生まれる背景には、データの取り扱いや解釈における誤解が多く関与します。特に、サンプルサイズが小さい場合や、データのランダム性を無視した場合に発生しやすくなります。このため、データ分析では単なる相関の結果だけで因果関係を結論付けないよう注意が必要です。また、こうした擬似相関を避けるためには、変数同士の関係を詳細に確認し、第3の要因がないかを調査する必要があります。擬似相関を正しく見抜くためには、統計的手法や検定を用いて、表面的なデータの関連性に惑わされないことが重要です。
公式テキストの例は「アイスクリームと熱中症」で、共通要因は気温です。押さえるべき構図は「AとBに相関がある。しかしA→Bの因果ではなく、第3の変数CがAとBの両方を動かしていた」というパターン。この構図を1つの例で説明できれば、疑似相関の理解はほぼ完成です。
🔍 しっかり理解する
相関と因果は別物——疑似相関が生まれる構図
相関関係は「2つの変数が一緒に動く傾向」を表す統計量にすぎず、「片方が原因でもう片方が結果」という因果関係を保証しません。疑似相関の典型は、隠れた共通原因(交絡因子)が両方を同時に動かしているケースです。
交絡因子の影響を取り除く方法
疑似相関かどうかを確かめる代表的な方法が2つあります。1つは層別分析で、交絡因子の値ごとにデータを分けて見る方法です。「気温30度の日だけ」を集めてアイス売上と水難事故の相関を調べ、相関が消えれば気温が犯人だったと分かります。
もう1つは偏相関係数です。第3の変数の影響を統計的に取り除いたうえで、2変数の相関を計算し直す指標で、疑似相関の検出によく使われます。層別分析で相関が消えるのと同じことを、数式上で一括して行うイメージです。さらに厳密に因果を確かめたい場合は、対象をランダムに2群に分けて片方だけに施策を行うA/Bテスト(ランダム化比較実験)が最も強力な手段になります。ランダムな割り付けによって、気温のような交絡因子の影響が両群で平均的に等しくなるためです。
なぜAI・機械学習で特に重要なのか
機械学習モデルは、データの中の相関を片っ端から利用して予測します。そのため疑似相関もそのまま学習してしまい、「たまたま相関していただけ」の特徴量に依存したモデルは、環境が変わると精度が崩れます。有名な問題として、背景(雪原)と対象(動物)の疑似相関を学習してしまい、雪が写っているだけでその動物と誤判定する、といったショートカット学習が知られています。データから因果と相関を区別する視点は、モデルの信頼性を左右する実務スキルです。
💡 具体例で考える
アイスクリームと水難事故。ある町で月ごとの「アイス売上」と「水難事故件数」を集計すると、強い正の相関が出ます。しかしアイスの販売を規制しても事故は減りません。真の構図は「気温上昇→アイスが売れる」「気温上昇→水辺に行く人が増える→事故が増える」であり、気温という交絡因子が2つの変数を同時に押し上げていただけです。対策をとるなら、アイスではなく「暑い日の水辺の監視強化」が正解、というわけです。
小学生の身長と計算力にも正の相関が出ます。これは「身長が伸びると頭が良くなる」のではなく、「学年(年齢)」という交絡因子が身長と学習経験の両方を押し上げているためです。学年ごとに分けて見れば、相関はほぼ消えます。
⚠️ よくある誤解・紛らわしい用語
- 「相関がある = 因果がある」ではない — 相関は因果の必要条件的な手がかりにはなりますが、証明にはなりません。因果の確認には交絡因子の統制や実験が必要です。
- 「疑似相関 = 相関係数の計算ミス」ではない — 相関係数自体は正しく計算されています。問題は「相関の解釈」を誤ることです。
- 交絡因子と媒介変数の混同 — 交絡因子はAとBの両方に影響する共通原因。一方、A→C→Bと因果の通り道になる変数は媒介変数で、この場合はAとBに(間接的な)因果があります。
- 「無相関 = 無関係」でもない — 逆方向の注意点として、相関係数が0に近くても曲線的な関係が隠れていることがあります。相関はあくまで直線的な関係の指標です。
📝 試験でのポイント
- 「アイスクリームの売上と水難事故(または熱中症)の相関」のような事例文を読ませ、疑似相関という用語や交絡因子(気温)を選ばせる問題が典型です。
- 「相関関係があれば因果関係があると言える」という記述は誤り、と即断できるようにしておきましょう。
- 疑似相関の主な原因として「第3の変数(交絡因子)の存在」を選ぶ問題、対処法として「偏相関係数」「層別分析」「ランダム化比較実験」を選ぶ問題が想定されます。
- 表記ゆれ(疑似相関/擬似相関)はどちらも同じ概念です。
📚 まとめ
- 疑似相関は「相関はあるが直接の因果はない」見せかけの関係。
- 典型的な原因は、両方の変数に影響する第3の変数=交絡因子(例: 気温)。
- 見抜くには層別分析や偏相関係数で交絡因子の影響を取り除いて確認する。
- 機械学習は相関をそのまま学習するため、疑似相関の見極めはモデルの信頼性に直結します。
