← 因果推論 一覧

🎓 レベル：発展　|　重要度：A（必須）

📎 前提：因果ダイアグラムとd分離　|　バックドア基準と識別

要点（BLUF）

• 合流点（コライダー、衝突点） ＝ 2本の矢が突き当たるノード（$X \to C \leftarrow Y$）。d分離では合流点はパスを閉じるが、合流点（やその子孫）で条件付けると逆にパスが開き、独立な2変数に見かけの相関が生じる。
• 選択バイアス ＝ 標本に入る／残る条件が実質的に合流点での条件付けであること。自己選抜・打ち切り・生存者だけの分析などが該当し、Berkson のパラドックスはその典型。
• だから「関連していそうな変数は全部調整・層別」は誤り。合流点を調整すると無いはずのバイアスを作り込む。独立な $X,Y$ が合流点条件付けで負相関を持つことをコードで実証する。

1. 概念：合流点は「条件付けると開く」

因果ダイアグラムとd分離 で見たパスの開閉を思い出そう。鎖（$X\to C\to Y$）と分岐（$X\leftarrow C\to Y$）は、中間の $C$ を条件付けると閉じる。ところが合流点 $X\to C\leftarrow Y$ だけは逆で、

• 何もしなければ 閉じている（$X$ と $Y$ は $C$ 経由では繋がらない）
• $C$（またはその子孫）を条件付けると開く（$X$ と $Y$ に依存が生じる）

flowchart TB
    X["才能 X"] --> C["合格 C（合流点）"]
    Y["運 Y"] --> C

直観はこうだ。合格 $C$ が「才能 $X$ ＋ 運 $Y$ が高いほど起きやすい」とする。$X$ と $Y$ がもともと無関係でも、「合格した人」に話を限れば、才能が低いのに合格した人は運が良かったはず、運が悪いのに合格した人は才能が高かったはず――と、$X$ と $Y$ に負の埋め合わせが生まれる。これが合流点バイアスだ。

2. 識別：なぜ条件付けで相関が湧くか（数式）

$X,Y$ を独立な標準正規、合流点を $C=X+Y$（説明のため雑音は省く）とする。多変量正規では、$C$ を与えた条件付き共分散が次で書ける。

ここに $\operatorname{Cov}(X,Y)=0$、$\operatorname{Cov}(X,C)=\operatorname{Cov}(Y,C)=1$、$\operatorname{Var}(C)=2$ を入れると

第1項 $\operatorname{Cov}(X,Y)=0$ は「もともと無関係」を表す。第2項 $-\operatorname{Cov}(X,C)\operatorname{Cov}(Y,C)/\operatorname{Var}(C)$ が、合流点で条件付けたために注入された見かけの（ここでは負の）相関だ。$X,Y$ がともに $C$ を押し上げる（共分散が同符号）から、引き算される項は必ず符号を持ち、条件付き相関はゼロから外れる。

❓ 確認：$X$ と $Y$ がともに $C$ を「下げる」（$\operatorname{Cov}<0$ 同士）ならどうなる？ ―― 第2項は $-(\text{負})(\text{負})/\text{正}<0$ で、やはり負の見かけ相関が出る。向きが揃っていれば符号は同じ。

3. 実証（1）：独立な2変数が選抜で負相関になる

$X$（才能）と $Y$（運）を独立に作り、合格スコア $C=X+Y$ の上位だけを「観測」する。これは合流点 $C$ で条件付けるのと同じだ。

import numpy as np

# === X と Y は独立。だが両方が合流点 C へ矢印（X→C←Y）===
rng = np.random.default_rng(1)
n = 100_000

X = rng.normal(0, 1, size=n)              # 例: 学力（才能）
Y = rng.normal(0, 1, size=n)              # 例: 運（X と独立に生成）
C = X + Y + rng.normal(0, 0.3, size=n)    # 合格スコア = 学力 + 運（合流点）

corr_all = np.corrcoef(X, Y)[0, 1]
threshold = np.quantile(C, 0.8)
admitted = C > threshold                  # 上位20%だけ「観測」= 合流点で選抜
corr_sel = np.corrcoef(X[admitted], Y[admitted])[0, 1]

print(f"全体の corr(X, Y)      = {corr_all:+.3f}（独立なのでほぼ0）")
print(f"合格者内の corr(X, Y)  = {corr_sel:+.3f}（負の相関が出現＝選択バイアス）")

出力は次の通り。

全体の corr(X, Y)      = +0.002（独立なのでほぼ0）
合格者内の corr(X, Y)  = -0.596（負の相関が出現＝選択バイアス）

出力の意味――母集団全体では $X$ と $Y$ の相関は $+0.002$、ほぼゼロ（設計通り独立）。ところが合格者（$C$ 上位 20%）だけを見ると相関は $-0.596$。データを一切いじっていないのに、「観測する人を選んだ」だけで強い負相関が現れた。「優秀な大学では才能と運が逆相関する」式の俗説は、たいていこの選択バイアスである。

4. 実証（2）：合流点を回帰に入れると係数が湧く

「全部入れれば安心」という発想で、合流点 $C$ を統制変数として回帰に加えるとどうなるか。

import numpy as np
import statsmodels.api as sm

# === 合流点 C を回帰に入れると、独立な X-Y に見かけの係数が生じる ===
rng = np.random.default_rng(1)
n = 100_000
X = rng.normal(0, 1, size=n)
Y = rng.normal(0, 1, size=n)                  # X と独立
C = X + Y + rng.normal(0, 0.3, size=n)        # 合流点

m1 = sm.OLS(Y, sm.add_constant(X)).fit()
m2 = sm.OLS(Y, sm.add_constant(np.column_stack([X, C]))).fit()

print(f"(1) Y ~ X      の X係数 = {m1.params[1]:+.3f}（真値0に近い）")
print(f"(2) Y ~ X + C  の X係数 = {m2.params[1]:+.3f}（負に偏る＝合流点バイアス）")

出力は次の通り。

(1) Y ~ X      の X係数 = +0.002（真値0に近い）
(2) Y ~ X + C  の X係数 = -0.917（負に偏る＝合流点バイアス）

出力の意味――$X$ と $Y$ は独立なので、$C$ を入れない回帰（1）の $X$ 係数は $+0.002$、正しくゼロ近傍。ところが合流点 $C$ を統制に加えた回帰（2）では、$X$ 係数が $-0.917$ と強い負の値になった。真の係数がゼロの変数に、調整のしかた一つで大きな係数を作り込んでしまったわけだ。「統制変数は多いほど安心」が誤りである、最も鮮明な反例である。

5. 図：選抜が生む見かけの相関

散布図で「全体は雲（無相関）」「選抜した部分集合だけ右肩下がり（負相関）」を見る。

import numpy as np
import matplotlib.pyplot as plt
import japanize_matplotlib

# === 散布図: 全体は無相関、合流点で選抜した部分集合だけ負の相関 ===
rng = np.random.default_rng(1)
n = 4000
X = rng.normal(0, 1, size=n)
Y = rng.normal(0, 1, size=n)
C = X + Y + rng.normal(0, 0.3, size=n)
admitted = C > np.quantile(C, 0.8)

fig, ax = plt.subplots(figsize=(6.5, 5.5))
ax.scatter(X[~admitted], Y[~admitted], s=8, color="lightgray", label="非選抜")
ax.scatter(X[admitted], Y[admitted], s=12, color="crimson", label="選抜（合格者）")
slope, intercept = np.polyfit(X[admitted], Y[admitted], 1)
xs = np.linspace(X.min(), X.max(), 50)
ax.plot(xs, intercept + slope * xs, color="black", lw=2,
        label=f"選抜群の回帰（傾き {slope:+.2f}）")
ax.set_xlabel("X（学力）")
ax.set_ylabel("Y（運）")
ax.set_title("合流点で選抜すると独立な2変数に負の相関が生じる（Berkson）")
ax.legend(loc="upper right")
plt.tight_layout()
plt.show()

灰色の点（全体）は丸い雲＝無相関。赤い点（選抜群）は右上の三角に切り取られ、その中では右肩下がり＝負相関になる。同じ点を、見る範囲を変えただけで相関の符号が変わる。これが選択バイアスの幾何学だ。

6. 選択バイアス＝広い意味の合流点条件付け

「合流点を調整する」のと「合流点で標本を絞る」のは同じことだ。標本に入る/残るという事象 $S$ が処置や結果（あるいはそれらの原因）に依存していれば、$S=1$ に限った分析は $S$ を条件付けたことになる。代表例：

• 生存者バイアス：死亡・脱落した人を除外。生存 $S$ が処置とも結果とも関係するなら、生存者だけの比較は偏る。
• 健康労働者効果：働けている人だけを観察。就労 $S$ が曝露とも健康とも関係する。
• 自己選抜・回答バイアス：アンケートに答えた人だけ。回答 $S$ が態度とも結果とも関係する。
• 入院データ（本家 Berkson）：2つの独立な疾患がどちらも入院を起こすと、入院患者内では疾患どうしが負相関して見える。

flowchart TB
    X["処置/曝露 X"] --> S["標本に入る S（合流点）"]
    Y["結果 Y"] --> S
    X --> Y
    S --> sel["S=1 だけ観測 = 合流点で条件付け"]

対策は調整ではなく設計だ。標本選抜の構造を DAG に描き、$S$ が合流点なら「$S$ で条件付けない（＝選抜に依存しない）」データ取得を目指すか、選抜確率で重み付け（逆確率重み）して補正する。調整変数を足しても選択バイアスは消えない――むしろ合流点を足せば作り出してしまう。

⚠️ よくある誤解・落とし穴

• 「相関するから統制に入れる」は危険。予測では効く変数でも、因果では合流点なら入れた瞬間にバイアスを生む。入れてよいかは相関の強さでなくDAG 上の役割（バックドア基準と識別）で決まる。
• 合流点の”子孫”を調整しても同じ。$C$ そのものでなく、$C$ の影響を受けた下流変数を入れても部分的にパスが開く。「合流点の近く」は丸ごと危ない。
• 処置後変数は原則として統制しない。処置の後に測った変数は、合流点か媒介（過剰調整とMバイアス）であることが多く、入れるとバイアス源になる。
• 欠測・脱落は”見えない”合流点。解析から外れたサンプルがランダムでなければ、それ自体が選択バイアス。欠測機構を DAG に描いて点検する。

関連ノート

• 因果：因果ダイアグラムとd分離（合流点の開閉ルールの出どころ）／バックドア基準と識別（入れてよい変数を決める基準）／過剰調整とMバイアス（処置前変数でも合流点なら危険な例）／因果推論のチェックリスト（選抜構造を DAG で点検する手順）
• 統計：条件付き確率・独立性・全確率の定理（条件付き独立――合流点はこれを壊す）／2変数の記述（散布図・共分散・相関係数）── 相関≠因果／rは直線関係しか測れない／外れ値1点で激変（相関の符号は見る範囲で変わる）