因果関係の判定
出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2021/04/17 08:30 UTC 版)
「相関関係と因果関係」の記事における「因果関係の判定」の解説
デイヴィッド・ヒュームは、因果関係は経験に基づくとし、同様に経験は未来が過去にならうという仮定に基づくとし、その仮定も経験に基づくとした。これは一種の循環論法である。彼は「因果関係は具体的推論に基づかない」と結論付け、観測できるのは相関関係だけだとした。 直観的に、因果関係には相関関係だけでなく反事実的依存関係 (counterfactual dependence) も必要と思われる。例えば、ある学生のテストの成績が悪く、その原因が勉強しなかったためだとしよう。これを証明するには、反事実 (counterfactual) として、同じ学生が同じ環境で同じテストを受けるが、勉強はしっかりしてきた場合を想定する。時間を巻戻すことができれば、これ(その学生に勉強させること)を実際に試すことができ、元のバージョンとやり直したバージョンを比較することで因果関係を観測できる。実際には時間を巻戻してやり直すことはできないので、因果関係は正確に知ることはできず、推測することしかできない。これを「因果的推論の根本問題 (Fundamental Problem of Causal Inference)」と呼ぶ。 科学的実験と統計的手法は、世界の反事実的状態を可能な限り近似することを主な目標の1つとしている。例えば、一貫してテストで同じ成績をとる一卵性双生児を対象として実験を行うとする。一方を6時間勉強させ、もう一方は遊園地で遊ばせる。その後のテストで成績が大きく異なれば、勉強(あるいは遊園地に行くこと)がテストの成績に因果的効果をもたらす強い証拠になる。このような実験を経れば、勉強とテストの成績の間には因果関係があるとほぼ確実に言える。 統計学的手法は、個人の等価性の代わりに集団の等価性を用いる。そのために、2つ以上の集団から無作為に標本を抽出する。完全なシステムではないが、被験者を無作為に抽出して、実際の治療を行う集団と偽薬を与える集団に置き、それら集団がなるべくあらゆる面で等質となるようにする。これによって、その治療法と偽薬の効果に大きな違いが現れれば、その治療法はその疾病を治療する因果的効果があると結論付けることができる。実験結果の有意性を定量化したものを統計用語でP値と呼ぶ。
※この「因果関係の判定」の解説は、「相関関係と因果関係」の解説の一部です。
「因果関係の判定」を含む「相関関係と因果関係」の記事については、「相関関係と因果関係」の概要を参照ください。
- 因果関係の判定のページへのリンク