擬似相関

デジタル大辞泉

ぎじ‐そうかん〔‐サウクワン〕【疑似相関／擬似相関】

読み方：ぎじそうかん

二つの事象に因果関係がないにもかかわらず、あるように見えること。相関関係が見出される二つの事象A、Bについて、AとBが共に別の要因によって生起している場合、AとBの間に疑似相関があるという。偽相関。

ウィキペディア

擬似相関

出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2024/09/15 06:33 UTC 版)

擬似相関（ぎじそうかん、英: Spurious relationship, Spurious correlation）は、2つの事象に因果関係がないのに、見えない要因（潜伏変数）によって因果関係があるかのように推測されること。擬似相関は、客観的に精査するとそれが妥当でないときにも、2つの集団間に意味の有る関係があるような印象を与える。

2つの（確率）変数間の擬似相関は、第三の原因変数を導入することで生み出される。換言すれば、A と B の間の相関を見出す。従って、考えられる関係としては次の3つがある。

A が B を発生させる

B が A を発生させる

または

C が A と B を発生させる

最後の関係が擬似相関である。そのため、「相関関係は因果関係を含意しない」とよく言われる。

例

擬似相関の例として、ある街でのアイスクリームの売り上げを考えてみよう。アイスクリームの売り上げが最も高い時期には、プールでの溺死事故も最も多い。アイスクリームの売り上げ増が溺死増の原因（あるいは結果）であると主張することが、2つの事象間の擬似相関を暗に想定していることになる。実際には、猛暑が両方の原因であろう。猛暑は見えない潜在変数の例である。

別の例として、オランダの統計で、赤ん坊の出生数とコウノトリの数に正の相関が見られるという事例がある。もちろん、それらに因果関係はなく、おそらく両方が9か月前の天候と相関しているだけと考えられる^[1]。

実験

この用語は統計学で普通に使われており、特に実験などの測定結果の判定で使われる。実験は、一般に (X → Y) という因果関係を予測し、それを裏付けるために行われる。因果的でない関係が別の原因によって (W → X & Y) という形で作られる場合もある。また、(X → W → Y) のように介在変数があるのに気づかない場合、一見して直接的な因果関係があるかのように見える。このため、実験によって得られた相関は、擬似相関を除外するまでは因果関係を表しているとは言えない。

実際、次の3つの条件が成り立たなければ、X が Y の原因であると結論できない。

• X は Y に先行して発生しなければならない
• Y は X が起きないときは発生してはならない
• Y は X が起きたら必ず発生しなければならない

これら3つの条件の1つでも破られた場合に、擬似相関であることが判明することが多い。

間接的な因果関係の場合、第三の条件は緩められる場合もある。例えば、拳銃による決闘を考えてみよう。2人の男が対面し、互いに発砲する。一方の男が撃ったことで他方の男が死んだ場合、撃った方の男が死の原因であると結論付けることができる。しかし、撃たれた男を医者が救った場合（第三の条件が成り立たない）でも、直接的な因果関係が崩れるわけではない。実際には、発砲(X)によって生じた生体的打撃(W)が死(Y)の直接的な原因であり、医療によって W から Y という関係を絶つことが可能である。

脚注

1. ^ Roger Sapsford, Victor Jupp, ed (2006年). Data Collection and Analysis. Sage. ISBN 0-7619-4362-5 

参考文献

• Burns, William C., "Spurious Correlations", 1997.
• "The Art and Science of Cause and Effect": by Judea Pearl （スライドショーとチュートリアル）
• Pearl, Judea. Causality: Models, Reasoning and Inference, Cambridge University Press, 2000.
• “Spurious Correlations”. 2017年7月16日閲覧。

関連項目

• 相関関係と因果関係
• 第一種過誤と第二種過誤
• HARKing
• 錯誤相関 - 認知バイアス
• 見せかけの回帰 - 関係ないものが偶々統計学的に関係ありと見なされる場合
• 嘘、大嘘、そして統計
• 交絡

表 話 編 歴 統計学
標本調査	標本 母集団 無作為抽出 層化抽出法
記述統計学	連続データ 位置 平均 算術 幾何 調和 中央値 分位数 順序統計量 最頻値 階級値 分散 範囲 偏差 偏差値 標準偏差 標準誤差 変動係数 決定係数 相関係数 自己相関 共分散 自己共分散 分散共分散行列 百分率 統計的ばらつき モーメント 分散 歪度 尖度 カテゴリデータ 頻度 分割表
推計統計学	仮説検定 パラメトリック t検定 ウェルチのt検定 F検定 Z検定 二項検定 ジャック–ベラ検定 シャピロ–ウィルク検定 分散分析 共分散分析 ノンパラメトリック ウィルコクソンの符号順位検定 マン・ホイットニーのU検定 カイ二乗検定 イェイツのカイ二乗検定 累積カイ二乗検定 フィッシャーの正確確率検定 尤度比検定 G検定 アンダーソン–ダーリング検定 コルモゴロフ–スミルノフ検定 カイパー検定 マンテル検定 コクラン・マンテル・ヘンツェルの統計量 その他 帰無仮説 対立仮説 有意 棄却 区間推定 信頼区間 予測区間 モデル選択基準 AIC BIC WAIC MDL その他 偏り 偏りと分散 過剰適合 推定量 点推定 最尤推定 尤度関数 尤度方程式 最小距離推定 メタアナリシス ブートストラップ法
ベイズ統計学	確率 主観確率 ベイズ確率 事前確率 事後確率 最大事後確率 その他 ベイズ推定 ベイズ因子
相関	相関係数 ピアソンの積率相関係数 スピアマンの順位相関係数 ケンドールの順位相関係数 偏相関係数 その他 自己相関 空間的自己相関 相互相関 交絡変数 相関関係と因果関係 擬似相関 錯誤相関
モデル	一般線形モデル 一般化線形モデル 混合モデル 一般化線形混合モデル
回帰	線形 リッジ回帰 ラッソ回帰 エラスティックネット 非線形 k近傍法 回帰木 ランダムフォレスト ニューラルネットワーク サポートベクター回帰 射影追跡回帰 時系列 自己回帰モデル 自己回帰移動平均モデル ARCHモデル 対移動平均比率法 トレンド定常 傾向推定 共和分 構造変化
分類	線形 線形判別分析 ロジスティック回帰 単純ベイズ分類器 単純パーセプトロン 線形サポートベクターマシン 二次 二次判別分析 非線形 k近傍法 決定木 ランダムフォレスト ニューラルネットワーク サポートベクターマシン ベイジアンネットワーク 隠れマルコフモデル その他 二項分類 多クラス分類 第一種過誤と第二種過誤
教師なし学習	クラスタリング k平均法（k-means++法） DBSCAN 密度推定（英語版） カーネル密度推定（カーネル） その他 主成分分析 独立成分分析 自己組織化写像
統計図表	棒グラフ バイプロット（英語版） 箱ひげ図 管理図 フォレストプロット ヒストグラム 円グラフ Q-Qプロット ランチャート 散布図 幹葉図 バイオリン図 ドットプロット ヒートマップ 階級区分図
生存時間分析	生存時間関数 カプラン＝マイヤー推定量 ログランク検定 故障率 比例ハザードモデル
歴史	統計学の創始者 確率論と統計学の歩み
応用	社会統計学 疫学 生物統計学 系統学 統計力学 計量経済学 機械学習 実験計画法
出版物	統計学に関する学術誌一覧 重要な出版物
全般	統計 頻度主義統計学 統計学および機械学習の評価指標
その他	方向統計学 S言語 R言語 統計検定 社会調査士 JDLA Deep Learning For GENERAL JDLA Deep Learning for ENGINEER 実用数学技能検定 品質管理検定
カテゴリ