カテゴリ: 思考
タイプ: 推論スタイル
起源: 哲学・疫学・因果推論(18〜21世紀)
別名: 因果推論、因果関係思考、因果推定マインドセット
タイプ: 推論スタイル
起源: 哲学・疫学・因果推論(18〜21世紀)
別名: 因果推論、因果関係思考、因果推定マインドセット
先に答えると — 因果思考(Causal Thinking)は、単に同時に起きていることと、実際に効果を生んでいることを区別し、「介入したら何が変わるか」を問う習慣である。現代の形は、デイヴィッド・ヒューム(David Hume)からジョン・スチュアート・ミル(John Stuart Mill)に至る哲学、オースティン・ブラッドフォード・ヒル(Austin Bradford Hill)の1965年の因果判断の視点、そしてジューディア・パール(Judea Pearl)の「因果の階段」(関連・介入・反事実)に依拠する。核心は、パターンを見ることと、何をすべきかを知ることは同じではないという点だ。信頼できる行動には、メカニズム・時系列・原因を変えたときの結果についての証拠が必要になる。
因果思考とは?
因果思考(Causal Thinking)は、「何が起きたか」と「何がそれを引き起こしたか」を別の問いとして扱う推論スタイルである。X が本当に Y を生むのか、どんな証拠がその主張を支えるのか、X を意図的に変えたときに何が起きると期待できるのかを問う。相関・時間順序・説得力のある物語が、そのまま因果だと見なすのではない。相関は因果ではない。だが、手がかりにはなる。ある地域で、アイスクリームの売上と溺死者数がともに夏に増えるとする。素朴な観察者はデザートを責めるかもしれない。因果思考は、両方を動かす隠れた変数——暑さ——を描き、溺死が水泳の後に増えるか(時間性)を確かめ、「アイスクリームを禁止したら溺死は減るか」と問う。共有原因が暑さなら、その介入で溺死は減らないはずだ。これはデータへの懐疑ではなく、世界を見ることと変えることの違いを尊重する習慣である。
因果思考の三つの深さ
- 入門:二つのことが一緒に動いたら、行動の前に立ち止まる。「両方を説明する別要因はないか」「A を変えたら B は本当に動くか」と問う。日常の手がかりは、アイスクリームと溺死の共起——メカニズムのない共起は警告であり、計画ではない。
- 実践:修正を始める前に、因果主張を一文で書く(「X はメカニズム Z によって Y を生む」)。時系列・用量反応・対照実験など、主張を強めたり弱めたりする証拠を列挙する。小さな実験ができるなら、実証的思考と組み合わせる。
- 上級:パールの階段を意識的に登る。関連(何が共変するか)、介入(X をしたらどうなるか)、反事実(そうでなければどうだったか)。介入の下流効果には二階思考を、フィードバックループにはシステム思考を使う。
起源
因果についての議論は何世紀も続いてきた。デイヴィッド・ヒュームは18世紀、因果を直接観察することはなく、事象の恒常的結合だけを見、その習慣から推論すると論じた。ジョン・スチュアート・ミルは『論理学体系』(1843年)で、因果と偶然のパターンを区別する帰納法を体系化し、観察からの科学的推論に影響を与えた。 医学・公衆衛生では、ジョン・スノー(John Snow)が1854年ロンドンのコレラ流行で因果推論を用いた。死亡を地図に示し、ブロード・ストリートのポンプ周辺に集中することを突き止め、当局にハンドル撤去を説得した——水媒介説の初期の介入検証である。一世紀後、オースティン・ブラッドフォード・ヒルは「環境と疾病:関連か因果か」(1965年)で、関連を因果と解釈してよいかを判断する九つの視点——強さ、一貫性、時間性、生物学勾配など——を提示した。ヒルはこれらが厳密な証明ではなく指針だと強調した。 データサイエンスで因果思考と結びつく現代枠組みは、ジューディア・パールの構造因果モデルと因果の階段である。1990年代から発展し、『なぜ』(2018年、ダナ・マッケンジー共著)で広く知られるようになった。パールは三層を区別する——関連(見る)、介入(する)、反事実(想像する)。経営研究では、サラス・サラスヴァティー(Saras Sarasvathy)が2001年の研究で因果(目標を選び手段を探す)とエフェクチュエーションを対比し、目標と市場が予測可能なとき因果的計画が有効である一方、不確実性の高い創出には起業家思考が適すると示した。要点
因果思考は単一の統計検定ではなく、「一緒に動く」から「このレバーがあの結果を動かす」へ信念を引き上げる習慣の集合である。以下の四原則が、規律ある実践者の実際のやり方を捉える。関連と介入を分ける
歯磨き粉を買う人がフロスも買う、という観察は共購買の話にすぎない。歯磨き粉を宣伝すればフロスが増えるかは分からない。因果思考は介入の問いを立てる。「価格を変えたら、広告を打ったら、機能を出したら、結果はどうなるか」。関連はパールの第一段階、行動には第二段階が必要だ。
メカニズムと時間性を要求する
妥当な原因は効果に先行し(時間性)、たとえ粗くても説明できる経路を持つ。ヒルは時間性を最重要の視点の一つとした。管理者が「ロゴ変更で士気が下がった」と言うとき、因果思考は不満がリブランドより前から始まっていないか、リストラや製品失敗の方が説明として優れないかを確かめる。
払える範囲で最良の証拠を使う
ランダム化比較試験、自然実験、慎重な準実験は物語より上である。実験が不可能なら、設定横断の一貫性、用量反応、既知の生物学・工学との整合で三角測量する。ベイズ思考で新証拠に応じて確信を更新し、一研究を最終真理にしない。
応用場面
賭けが大きく、もっともらしい話が信頼できる検証より多いとき、因果思考の価値が出る。次の四場面は、個人の健康から製品戦略まで同じ規律がどう効くかを示す。個人の健康判断
インフルエンサーが「調子が良くなった」からサプリを採用する前に、時間性とメカニズムを問う。症状改善は薬の後だけか、睡眠・ストレス改善と同時か。副作用が重いときは、孤立した体験談よりランダム化試験のある介入を優先する。
製品・グロース実験
一度に一つのレバーだけを変える A/B テストを行い、機能がリフトを因果的に生んだと納得する結果を事前に定義する——良い週と相関しただけではない。因果主張には確率的思考を組み合わせ、小標本のノイズに過適合しない。
政策・プログラム評価
都市が新しい警察戦略で犯罪減少を称賛するとき、近隣でも同様の減少があったか、人口構成が変わったか、政策が減少に先行したかを確かめる。因果思考は、トレンドと偶然重なった見せかけの施策への予算投入を防ぐ。
職場の根本原因分析
障害や納期遅延の後、タイムラインを作る。何が先か、何が症状で何が駆動因子か。反事実の問い——「デプロイを戻していれば顧客は影響を受けなかったか」——で、最後にシステムに触れた人だけを罰しない。
事例
1854年8月31日、ロンドンのソーホー地区で深刻なコレラが流行した。約10日でおよそ500人が死亡し、一部の通りでは千人あたり12人超の死亡率に達した。多くの専門家は依然「瘴気」——悪い空気——を原因としたが、医師ジョン・スノーは汚染水を疑った。 スノーは死亡を地図化し、世帯を聞き取った。死亡はブロード・ストリート(現ブロードウィック・ストリート)の公共ポンプ周辺に集中した。因果説を支える例外もあった。同じ通りの醸造所労働者はビールを飲みポンプ水を避け、コレラをほとんど免れた。ポンプ水を飲んだ人は遠くに住んでいても病んだ。9月7日、聖ジェームズ教区の監視委員会に提示し、翌日ポンプのハンドルが外された。 スノーは後に、住民の避難で発症はすでに減っていたと記した。しかし水の使用を止めてから二三日で「新たな発症はごく少なくなった」。この地域の死者は最終的に616人に達した。この出来事は疫学の画期的事例となった。スノーは空間的証拠、メカニズム(水の摂取)、介入(アクセス遮断)を結び、水媒介説を論じた——コレラ菌が1883年に分離される何十年も前のことだ。教訓は、あらゆる相関にポンプ撤去が必要ということではない。因果思考は観察・メカニズム・実行可能な介入を結び、もっともらしい物語で止まらないということである。限界と失敗パターン
因果思考は有効な行動に不可欠だが、適用しすぎたり、リソース不足のまま行ったり、単なる懐疑と混同されたりする。 限界1 — すべての決定に正式な因果証明は要らない。 結果が可逆で実験が安いなら、起業家思考の方が、交絡因子のモデリングに数ヶ月費やすより優れることがある。不可逆の賭け、安全クリティカルなシステム、多数に影響する政策に、重い因果推論を留保する。 限界2 — 完璧な同定はしばしば不可能である。 複雑な社会システムでは、未測定の交絡、フィードバック、ランダム化の倫理制約により、因果主張には不確実性が残る。反事実思考は観察したかったことを明確にするが、想像はデータの代わりにはならない。確信度と、モデルを覆す条件を述べる必要がある。 よくある誤用 — 因果の rhetoric だけで証拠がない。 チームはローンチ後に指標が動いただけでダッシュボードを「インパクト報告」と呼び、季節性・構成変化・同時キャンペーンを無視する。因果思考は、介入・対照群・排除した代替説明を明示することを要求する——上がった線を祝うだけではない。よくある誤解
次の三つの信念が、良い因果推論を妨げる。どれも一見合理的だが、検証に耐えない。誤解:「B が A の後に起きたから、A が B を引き起こした。」
誤解:「B が A の後に起きたから、A が B を引き起こした。」
時間順序は必要だが十分ではない。後 hoc の推論は最古の論理の罠の一つである。ワクチン接種当日に軽い副作用が出ることもある。因果思考は、発生率がベースラインを超えるか、生物学メカニズムが時間性を説明するかを問う——単に一つが先だったかではない。
誤解:「ビッグデータがあれば因果モデルは不要。」
誤解:「ビッグデータがあれば因果モデルは不要。」
大きな標本は関連推定を鋭くするが、それだけでは介入の問いに答えられない。パールは、因果構造なしでは、政策が行動を変えるとき完璧な予測も失敗しうると論じた。過去の売上の機械学習だけでは、「価格を倍にしたらどうなるか」に信頼して答えられない——選択が新条件にどう反応するかをモデル化しない限り。
誤解:「因果思考とは、ランダム試験なしでは行動しないこと。」
誤解:「因果思考とは、ランダム試験なしでは行動しないこと。」
試験は可能なら金標準だが、不確実性の下で行動が要る場面も多い。因果思考は証拠を正直に格付けすること——利用可能な最良の検証を走らせ、仮定を記録し、実証的思考が矛盾結果を出したら更新する——不可能な確実性を待ちながら問題を悪化させないことである。
関連概念
因果思考は、証拠・代替説明・下流効果を扱う近接ツールと結びつく。反事実思考
別の選択下で何が起きたかを探る——パール階段の最上段。
実証的思考
権威や逸話ではなく、観察と実験に因果主張を根拠づける。
ベイズ思考
新証拠に応じて因果への確信を段階的に更新する。
二階思考
介入の最初の明白な効果を超えた帰結を追う。
システム思考
単純な因果矢印が見落とすフィードバックと間接経路を描く。
相関と因果
因果思考が防ごうとする誤謬に名前を与える。