因果推論の科学 「なぜ?」の問いにどう答えるか

概要

本書は、ベイジアンネットワークの理論的基盤を確立した業績で2011年にチューリング賞を受賞した計算機科学者ジューディア・パールが、科学ジャーナリストのダナ・マッケンジーとともに、自らが数十年をかけて築いてきた「因果推論の科学」を一般読者向けに解説した著作である。20世紀初頭にカール・ピアソンらが統計学を「相関」のみを扱う学問として確立して以来、「相関は因果関係を意味しない」という標語のもとで、統計学は長らく因果を語る言葉そのものを持たないまま発展してきたとパールは指摘する。本書は、そうした因果を語れない統計学に対し、因果関係を数式とグラフによって厳密に表現し計算可能にする体系(因果ダイアグラムとdo演算子に基づく「do計算」)を紹介し、観察データだけからでも一定の条件下では介入の効果や反実仮想的な問いにまで答えられることを示す。原著は2018年に米国Basic Books社から刊行され、日本語版は夏目大の翻訳、松尾豊の解説により2022年9月に文藝春秋から『因果推論の科学 「なぜ?」の問いにどう答えるか』として刊行された。

本の構成

本書は序章と全10章から構成される。序章では、人間の思考がデータの丸暗記ではなく頭の中に「因果モデル」を持つことによって初めて可能になるとする立場を示し、続く第1章で、統計学における相関(観察)・介入・反実仮想という3段階の推論を「因果のはしご(ラダー・オブ・コーゼーション)」として整理する。以降の章では、統計学が因果を扱う言葉を失っていった歴史的経緯、ベイズの定理とベイジアンネットワークによる不確実性の表現、交絡因子への対処法としての因果ダイアグラムと「バックドア基準」、シンプソンのパラドックスをはじめとする直感に反する統計的パラドックス群、観察データのみから介入効果を推定するための「do計算」と「フロントドア基準」、反実仮想(もし違う選択をしていたら何が起きていたか)の形式化、直接効果と間接効果を区別する媒介分析へと議論を進め、最終章ではビッグデータと人工知能の関係を論じ、現在の機械学習の多くが因果のはしごの最下段(相関)にとどまっており、真に頑健で説明可能な人工知能には因果モデルの獲得が不可欠だという展望を示して締めくくられる。

主要な内容

因果のはしご(ラダー・オブ・コーゼーション)

本書全体を貫く中心概念であり、人間や機械の推論を3つの階層に整理する。最下段の「関連づけ(相関)」は、「症状を見て病気を推測する」のように単にデータの中のパターンを読み取る段階であり、現在の統計学・機械学習の大部分はここにとどまる。中段の「介入」は、「この薬を飲んだらどうなるか」のように、外部から意図的に変数を変化させた場合の結果を問う段階であり、ランダム化比較試験や本書の主題であるdo計算はこの段階を扱う。最上段の「反実仮想」は、「もしあの時薬を飲まなかったとしたら、症状は改善していただろうか」のように、実際には起きなかった別の可能性を想定して推論する段階であり、人間特有の高度な認知能力とされる。パールは、この3段階は数学的に厳密に区別され、下位の段の情報だけでは上位の段の問いに答えられないことを示し、これが「相関は因果ではない」という標語の数学的な意味であると説明する。

因果ダイアグラムとdo計算

変数間の因果関係についての仮定を、矢印でつながれたグラフ(有向非巡回グラフ)として明示的に描く「因果ダイアグラム」を、統計分析に先立って作成することを提案する。この図によって、どの変数を統計的に調整(コントロール)すれば交絡を取り除けるか、逆にどの変数を誤って調整するとかえってバイアスが生じるか(媒介変数を調整してしまう場合や、共通の結果である「合流点」変数を調整してしまう場合など)を、機械的な手続きとして判定できるようになる。パールが開発した「do計算」という数学的操作を使うと、実際に介入実験(ランダム化比較試験)を行わなくても、観察データと因果ダイアグラムの組み合わせから、一定の条件(バックドア基準・フロントドア基準を満たす場合)のもとで介入の効果を数式的に導出できることを示す。

交絡とシンプソンのパラドックス

ある治療法が全体で見ると効果が低いように見えるのに、患者を年齢や重症度などの層に分けて見ると、どの層でも効果が高いという逆転現象(シンプソンのパラドックス)を代表例として取り上げ、これがどの変数で層別化・調整すべきかを誤ることで生じる見かけ上の矛盾であることを、因果ダイアグラムを使って解きほぐす。カリフォルニア大学バークレー校の大学院入試における性別と合格率をめぐる有名な統計上の議論や、腎結石治療における治療法選択の偏りの例などを用いて、正しい変数を選んで調整しなければ因果関係についての結論を誤ることを具体的に示す。

喫煙と肺がんをめぐる論争

1950年代、喫煙と肺がんの関連を示す観察データに対し、統計学者ロナルド・フィッシャーが「喫煙者になりやすい遺伝的体質が肺がんのなりやすさとも関連しているだけかもしれない」という交絡の可能性を提起し、ランダム化比較試験ができない以上因果関係は証明できないと主張したという歴史的な論争を取り上げる。パールは、後に因果ダイアグラムの枠組みを当てはめることで、当時利用可能だった観察データと合理的な仮定だけから、喫煙が肺がんを引き起こすという因果的結論を導けたはずであることを示し、ランダム化実験が不可能な問いに対しても因果推論の科学が答えを出しうることの実例として位置づける。

反実仮想と媒介分析

「もし異なる行動を取っていたらどうなっていたか」という反実仮想的な問いを形式的に扱う枠組みを提示し、法的な因果責任の判断(ある行為がなければ損害は生じなかったか)や、個別化医療における「この特定の患者に薬が効いたのは薬のおかげだったのか」という問いに応用できることを論じる。また、ある原因が結果に影響を及ぼす経路を、直接の効果と、別の変数を介した間接的な効果とに分解する「媒介分析」の考え方を紹介し、単に効果の大きさを測るだけでなく、その効果がどのようなメカニズムを通じて生じているかを明らかにすることの重要性を説く。

具体例

• シンプソンのパラドックス: 全体では治療効果が低く見えるのに、年齢層などで層別化するとすべての層で効果が高く見える逆転現象。
• カリフォルニア大学バークレー校の大学院入試データにおける、学部ごとの合格率と全体合格率の関係をめぐる古典的な統計論争。
• ジョン・スノウによる1854年のロンドン・コレラ流行の調査(細菌説が確立する以前に、井戸の位置と発症者の分布から感染源を特定した先駆的な因果推論の事例)。
• ロナルド・フィッシャーが提起した喫煙と肺がんの関係をめぐる遺伝的交絡説と、その後の因果ダイアグラムによる再検討。
• モンティ・ホール問題(3つの扉のうち1つに景品が入っている状況で、司会者がハズレの扉を開けた後に選択を変えるべきかという確率パズル)を用いた、条件付き確率の直感的な誤りの解説。
• 「雨が降るとスプリンクラーは作動しにくく、芝生は濡れる」という単純な因果ダイアグラムを用いて、直接の原因と間接の原因、共通原因(交絡)、共通結果(合流点)の違いを説明する例。

実践への応用

本書が示す方法論は、観察データしか得られない多くの実務領域(疫学、経済学、社会政策評価、医療、機械学習)に応用できるとされる。データ分析に着手する前に、対象領域についての因果関係の仮定を因果ダイアグラムとして明示的に描き出すことで、どの変数を統計的に調整すべきか、逆にどの変数を調整してはいけないかを、勘や経験則ではなく体系的な基準(バックドア基準・フロントドア基準)に基づいて判断できるようになる。また、ランダム化比較試験が倫理的・実務的に不可能な問い(喫煙の害、特定の政策の効果など)についても、観察データと明示的な因果仮定を組み合わせることで、因果的な結論に近づくことができるとされる。人工知能・機械学習の設計においては、相関関係のパターン認識にとどまらず、因果構造を組み込むことで、未知の状況への汎化性能や、判断根拠の説明可能性を高められる可能性が示唆されている。

位置づけ・評価

著者のジューディア・パールは、不確実性下の推論を扱うベイジアンネットワークの基礎理論を確立した功績で2011年にチューリング賞(計算機科学分野で最も権威のある賞の一つ)を受賞しており、本書はその後半生の研究テーマである因果推論の理論を、専門家以外の読者に向けて解説した一般向け著作として位置づけられる。20世紀の統計学が長らく因果を扱う言葉を避けてきたことへの問題提起として、統計学・データサイエンス・機械学習の各分野で広く参照されており、近年の機械学習研究における「因果機械学習」という新しい潮流の理論的背景を一般読者に示す入門書としての役割も担っている。一方で、パールが提唱する因果ダイアグラムに基づく枠組みと、ドナルド・ルービンらが発展させた「潜在的結果(ポテンシャル・アウトカム)」の枠組みとの間には、統計学界内部で見解の相違や論争もあり、本書はパール自身の立場から因果推論の歴史と理論を描いた著作である点には留意が必要とされる。