原因と結果の間の誤謬など挙げながら、相関などとの関係を説明する。その中で簡単な統計的な概念を入れることで「経済学」としているようだが、必ずしも「経済学」的に深い説明があるわけではない。 よって、原因と結果の誤謬とそれを避けるようなアプローチ、手法について学びたい入門者にとって良い本だと思うが、経済学としての深みを期待して読むと期待外れだろう。 よくある内容なので、この本でなくても良い。むしろ読解力があれば、他書が良いと思う。

因果と相関についてこれほどわかりやすい本が他にあるだろうか 誰もが混同しがちな因果関係と相関関係について分かりやすい具体例を挙げて説明してくれる金字塔ともいえる一冊。各メディアで様々な情報があふれかえる現代、適切な認識と判断をしていくためにもすべての人に読んでほしい名著。

原因と結果の関係性を正確に把握できないと、間違った情報により、間違ったことを行い、自身の損失となる。今の時代、様々な要因がありすぎで、原因と結果の関係性が見えなくなっている。そこを明確にする術がかかれている。難易度は高いが、まずは因果関係を意識する事。

数年前に読んでたのを再読。 因果関係と相関関係が混同されるケースが多いので、再確認のために。 裏を返せば、これらは恣意的に混同出来てしまうということ。 著者曰く、因果関係のはっきりしない根拠のない通説は、教育と医療の分野で特に多いようです。 因果推論をきちんと理解し、きちんと物事を分析していくことが大事ですね。

因果関係と相関関係。 大学と就職。一見因果関係があるように見えるが、単に就職に強い能力を持つ人ほど高い偏差値の大学に行っているという相関関係かもしれない。 因果関係があるように思われる通説を信じ込んでしまうと、結果的に期待値を大きく下回ってしまうことがある。投資の無駄ということになる。

因果推論の初級の書ということで読んだ。計算式なく読める。豊富な実例、因果と相関、交絡因子、回帰分析、重回帰分析の入口になっている。

全体的にテンポよく書かれていて、開くたびに"そうなのか"とタメになる事が書かれていて、とても面白い。世の中の当たり前をデータに基づいた正しい結果でぶった斬っていく感じや、その中でデータ分析手法を教えてくれるところなど、総合的にとても読みやすく勉強になった。 そして読み進めていくと、いかに世の中に出回っている情報が根拠に乏しく、いかに我々がそれに踊らされているかを痛感させてくれる。 ただし、根気やとして書かれる論文の元ネタは海外での実験結果であることが多いため、全ての結論を日本にも当てはまるかと言うとそうでもなさそうのスタンスで読む必要あり。

「因果関係」と「相関関係」、この2つは似ているようで全く異なるということを強く説明しており、因果関係を見出す(=因果推論を行う)ための様々な分析手法が紹介されている。統計学の入門書のような位置づけであり、大変読みやすかった。 今後ビッグデータの分析をする際は、上記の2つのどちらであるのかを常に意識すべきであり、データの解釈などに気を付けていきたい。

◆2つの事柄のうち、どちらかが原因でどちらかが結果である状態を因果関係があるという一方で2つの事柄に関係があるものの、その2つは原因と結果の関係にあるとは言えない状態を相関関係があるという相関関係の場合、一見すると原因のように見えるものが再び起きても期待しているような結果は得られるとは限らない。 ◆因果関係なのか、相関関係なのかをチェックする際には1.全くの偶然ではないか。2.第3の変数は存在していないか？3.逆の因果関係は存在していないか？。 原因と結果の両方に影響を与える。第三の変数の存在。これを後楽印紙と呼ぶ。相関関係に過ぎないものを因果関係があるからように見せてしまう。厄介者, 原因と結果の方向が逆ではないかを疑ってみることが重要. ◆因果関係を証明するには反事実を比較することが重要。反事実とは仮にまるまるをしなかったらどうなっていたかという。実際に起こらなかったたら、あればのシナリオのことを指す 原因が起こったという事実における結果と原因が起こらなかったという反事実における結果を比較しなければならない。 →反事実を最もらしい比較可能なデータで穴埋めする。 前後比較が使えない2つの理由。1つ目は時間とともに起こる。自然な変化かっこトレンドの影響を考慮することができないか。介入軍と対象軍において広告を出す。前の売上のトレンドが平行である。つまりは介入前には比較可能でなければならない。 2つ目は平均への回帰の可能性である。データ収集を繰り返していると、たまたま極端な値を取った後はいつもの水準に徐々に近づいていくという。統計的な現象の。 ◆操作変数とは結果には直接影響は与えないが、原因に影響を与えることで、間接的に結果に影響を与えるような第3の変数のことを指す。広告の例で言えば、売上には直接影響を与えないが広告を出すかどうかには影響を与えることで、間接的に売上に影響を与えるような変数ということになる、 操作変数は2つの条件を満たすことが必要である。1つ目は操作変数は原因に影響するが、結果には直接影響しないということ。2つ目の条件は、操作変数と結果の両方に影響するようなダイヤの変数が存在してはならない。 ◆回帰不連続デザインとは恣意的に決定された。恣意的に両サイドで介入群と対照群が分かれる状況を利用して因果効果を推定する方法である。回帰不連続デザインが成り立つ前提条件とは葛藤の周辺で結果に影響を与えるような不連続に変化する。他のイベントが起きないことである。 ◆マッチング法、結果に影響を与えるような共変量を用いて対象軍の中から介入文によく似たサンプルをマッチさせて比較する方法。複数の共変量がある場合は、その共変量をまとめて1つの特定にしたものを用いてマッチさせることもある。マッチングが整列するための条件は、結果に影響を与えるような共変量が全て観察可能であるということ。 ◆内的な統制とは、2つの変数の間に因果関係があることの確からしさを意味する研究の対象となった。集団に再度同じ会に行った場合、同じ結果が再現される程度のことだ。一方外的な統制とは、研究の対象とは異なる集団にその介入を行った場合、同じ結果が再建される程度のことを意味する ◆因果環境やめとく5つのステップ 1。原因は何か 原因と結果の原因である。広告と売上のケースであれば広告に当たる。広告と言っても広告料なのか、経済面積なのか。もしくは単に出したかどうかなのか。原因は明確に定義する。 2結果は何か 原因と結果の結果である。広告取り上げのケースであれば売上当てる。調べたいな。売上だけなのか、営業利益なのか、結果曖昧にに定義してはならない 3。3つのチェックポイントを確認する。 全くの偶然ではないか？高額印紙が存在しないか？逆の因果関係は存在しないかということを疑ってかかる必要がある。 4。反事実を作り出す 広告と売上の間に年賀関係があるかどうかを確認するためには、企業が広告を出した時の売上と仮に広告を出さなかった時の売り上げを比較する必要がある。この仮に広告を出さなかった時がまさに反事実である。広告と売上の因果関係を知るためにはどうしても反日が必要なので、最もらしいデータで置き換える必要がある。 5。比較可能になるよう調整する 本日を最もらしいデータで置き換える有力な方法は比較可能なグループになるよう調整するということである

教育や経済、医療について因果関係を推測・評価する方法がわかりやすく解説されています。専門的な知識が欲しい人には物足りないかもしれませんが、初心者や素人にはちょうど良い難易度になっていると思います。それぞれの解析法に具体例と引用文献がきちんとついているのも評価高いです。 著者の中室牧子さんは、この本(2017)以外には「『学力』の経済学(2015)」しか著作がなく、少ないのが残念です。いずれも出版から年数が経っているので、そろそろ新刊が欲しいところです。

因果推論のベースになる考え方をザックリ提示する読み物。雑学レベルだが、アウトラインがわかっているかどうかは勉強を始める際には大事。ここから少しずつ別の入門書で掘っていけばいいんじゃないでしょうか。

「データを利用して分析する」なんて誰でも思いつく発想ですが、その「分析」とはの部分を深く考えるきっかけになれる良い本だと思います。 この本でも紹介されましたが、因果関係と相関関係をごっちゃにしている事例は多々ありますね。 それがテレビとかのちょっとした話題で取り上げるならまだ良いですが、政策を打ち出す時、企業が事業としてお金を使う時にこの２つの関係を理解せずに動くと大きな損失になることを学びました。 反事実というのが個人的には興味深かったです。 今はマーケティングのような部署に所属しているのですが、「もし」をたくさん考える機会が多く、この本を読んでいて非常に楽しかったです。

因果関係と相関関係は違うのだよ、っていう本。事例が多くて面白い。統計とか回帰分析とか学びたい方向けかな。

行動経済学の入門本としてどこかでおすすめされていたので、行動経済学とはなにか？を求めて読んでみた。 ちょっと違った。 後半は統計解析手法の羅列だった。 統計ってなに？を知れる本かも。

二つの事柄の関係について、普段は深く考えず、直観や印象に従っているように思う。 正しい行動を選択するために、因果関係と相関関係の違いを理解して、直面する事柄の間の関係がどちらなのか正しく判定するように気を付けたいと思った。

経済学の研究に参考になればと思って読んだ。 自分は分析で自分の理想とする相関関係を追い求めたが、因果関係について、この本を読んで気付くことができた。 因果関係を考えるそれぞれの分析方法については、まだまだ勉強が必要なことを痛感できました。

因果関係と相関関係をきちんと見分ける。因果推論の5ステップ: 「原因」を定義し「結果」を定義し3点(偶然・交絡因子・逆の因果関係)を確認する。「反事実」を作り出し、比較可能になるよう調整する。 特に政策については、常識や直感や根拠のない推論ではなく、正しいデータに基づくことは非常に重要だし価値があります。なぜもっと導入されないのかが不思議。

因果関係と相関関係の違いを、どうしたら因果関係があると言えるのか いろいろなパターンで観測する方法が優しく例をもとに書かれている。 なにか研究分析をするならまず初めに読むべき本

こんな表現の仕方もあるんだ　と新たに学んだものもあった。内容は経験からくるものか、普段から理解し使っている。 『相関関係があっても、因果関係かあるとは限らない』そやな。1.全くの偶然ではないか、2.交絡因子が存在しないか、3.逆の因果関係は存在しないか 確認だ

数式とかは一切出てこない。非常にわかりやすく基礎的な分析方法について学べる。扱っているテーマも面白い。

わかりやすい簡単な説明を旨とする本。引用されている例は、そこそこ面白いのだが、さらっと説明されているので、仕組みを理解するのには定義や数の扱いが詳しい方が良いと思う。

経済学を学ぶ人だけではなく、日常でも大切な「因果関係と相関関係の違いとは何か」という基本中の基本から、ある原因と結果が因果関係なのかそれとも相関関係なのかを正しく見極めるための方法論としての「因果推論」の幾つかの方法を実際の研究結果を例に著した一冊です。難しい話は、専門書を読むことで補うように出来ている入門中の入門書なので、どなたでも読むことが出来ます。「因果推論」をさらに学びたい方と統計ソフトの使い方を知りたい方のために巻末には専門書のブックガイドが付いています。

因果関係にあるのか、相関関係にあるのかを見極めることは、データを見る上でとても大切だと感じた。 メタボ健診を受けているか、長生きできる(因果関係) のか メタボ健診を受けるぐらい健康に対する意識が高い人ほど長生きする(相関関係) のか。 この二つを間違えないようにしていきたいと思った

データ分析の力　因果関係に迫る方で紹介されていたので手に取った1冊。ランダム化比較試験や自然実験等、"データ分析〜"と重なる部分も多かったので手法については新たな知見は少ない印象。 ただ、各々の手法で紹介される事実(偏差値の高い大学に行けば収入は上がるのか、認可保育園を増やせば母親は就業するのかなど)は、意外な事実となるものが多かった。

因果推論と分析の基本概念を理解できる1冊。 データサイエンスを学びたいけど何から始めればいいのか分からない社会人向け。根底にある概念を学べる。 章が分かれているが、一貫して同じ型で書かれてありすごく読みやすい。 因果関係と相関関係の区別がつくようになる。 【学んだこと】 因果関係のチェックポイント3つ ①まったくの偶然ではないか ②第3の変数は存在していないか ③逆の因果関係は存在していないか 反事実→もっともらしい値を用いる メタアナリシス ランダム化比較実験(介入群と対照群) 自然実験 擬似実験 -差の差分析 -操作変数法 -回帰不連続デザイン -マッチング法 回帰分析 内的妥当性と外的妥当性 因果推論の5ステップ ①「原因」は何か ②「結果」は何か ③3つのチェックポイントを確認 ④反事実を作り出す ⑤比較可能になるよう調整

『イノベーターのためのサイエンスとテクノロジーの経営学』でのオススメもあり（あと、たしか『「イノベーターのジレンマ」の経済学的解明』でも）、読みました。確かにわかりやすい。読んでよかったです。 ピアエフェクトについて書かれた、第6章の "学力の高い友人に囲まれても自分の学力は上がらない" のところが面白かったです。

データに見られる相関関係を因果関係を示す根拠とするためにはどのような注意が必要かを説く入門書。 最も重要なことをわかりやすく述べている点で評価する。 初めてでない人にとって内容は退屈かもしれないが、基礎的なデータとの向き合い方に関するコモンセンスを築く上で｢このように説明すればよいのか！｣という気付きが得られる。目を通しておくのも悪くないだろう。

2022/08/13 読了 #読書記録 #rv読書記録 "因果関係"と"相関関係"を、様々な分析方法をもとに論じた一冊。それらの違いがよくよくわかる。分析方法の理解は乏しいけど。 仕事柄、因果と相関には気をつけて数字を見ないといけない業務が多いので、改めて勉強・参考になった。

因果関係と相関関係の違いを意識していないと、間違った分析になる可能性がある。 思った以上にに因果関係であることを証明する事は難しいのだとわかった。 研究の話は医学論文を作り込む際の考え方であった為、理解しやすかった。

相関関係に惑わされずにそこに因果関係があるかを正しく見極める姿勢をもっておくことの重要性を改めて感じさせられる本。

マクロ経済学の授業内容とシンクロしていました。 学歴と収入の関係や認定保育園と母親の就業率など気になるトピックをサクサクさばいてくれます。 読みやすいうえ、自分がレポートなどをまとめる際の参考にもなりました。

筆者のそもそもテーマ選択から大好きで、世間やニュース報道がもう少しこの考え方に寄れたなら世界はいくらか生きやすいだろうなと思います。

たまたま著者インタビューを見かけて、子育てにも大きなヒントになるというようなことが書いてあったから、買いました。因果関係と相関関係の違いを再確認できたりいろいろ勉強になったけど、これは学術書ですよね。通勤電車で気軽に読むには難しい。

「相関関係」と「因果関係」。 自分がこのことに今までどれほど注意を払わずに生活していたかに気づかせてくれる良著です。 例えば子どものテレビ視聴と勉強の関係について、「テレビを見ている子どもは学力が低い」と言われると、なるほど確かにテレビばかり見て勉強していないし、間違いなさそうな印象を受けます。 しかし、テレビ視聴と勉強の関係が因果関係か相関関係かをはっきりさせなければいけないと筆者は述べます。 「テレビを見ているから、学力が低いのか」(因果関係)、それとも「学力の低い子どもが、テレビを見ているのか」を明らかにしなければいけない、ということです。 これは当たり前のことのような気がしますが、自分の生活ではこの2つを混同していることがたくさんあると本書を通して教えてくれます。 本書では、物事の因果関係を明らかにするための方法を中心にして、これまで世界で行われてきた興味深いさまざまな研究の結果も教えてくれます。 因果関係を明らかにする具体的な方法を知りたいと思っていない人も、普段の生活で簡単に応用できる方法を教えてくれるので是非読んで欲しい1冊です。

分かっていたようで、これまで時間を取って考えていなかったことが凝縮されていたように感じました。曖昧な因果関係えについて、自分の頭で考えて結論づけるための一冊です。

アメリカでは政策についてもエビデンスを検証して評価するそうである。日本の政策にも是非そんな検証を行ってもらいたい。あまりに稚拙だと感じざるを得ない。

原因と結果の経済学 とても簡潔にわかりやすくまとまっていた。普段原因と結果をなんとなく捉えていたものを、理論化した上で精査できるようになる分野である。公共政策の選定における、因果関係のエビデンスの重要性を説いていて、社会的価値を感じやすい。そうでなくても、今の仕事でクライアントに対してインサイトを抽出するときに持つべき視点がたくさん散りばめられていた。以下要点メモ。 因果関係とは？ - 以下の問を否定できる証拠があること - 相関関係ではないか？ - 偶然ではないか？ - 第三の変数が存在していないか（交絡因子） - 逆の因果関係は存在していないか 因果関係を証明するためのエビデンスの種類（信用性の高い順に） 1. メタアナリシス 2. ランダム化比較試験 3. 自然実験と疑似実験 4. 回帰分析 ランダム化比較試験 確認したい要因以外のすべての条件が揃っている２つのグループを比較し、その要因の影響力を測る。 回帰分析 目の前にあるデータを分析する。２通りの方法 1. 単回帰分析: 交絡因子がない前提ですべてのデータの中間地点の最適な線を結ぶ。原因変数が変化するごとに結果変数が均等に変化していれば、それが因果関係の示しになる。 2. 重回帰分析: 交絡因子があっても、交絡因子の条件を一定にしたデータを集めた上で因果関係の最適な線を引くこと。 自然実験: 外生的ショックによって意図せず事前とランダムに介入ありと介入なしグループに別れしまったケースを利用する。 疑似実験 - 差の差分析 - 時間をまたいだ比較は基本的に意味がない - 前後でやると1) 時間とともに起こる自然な変化（景気の変動など）や2) 平均への回帰の影響を免れないから。 - 時間をまたいで介入群と対照群を比較してその変化の差を分析するのであれば因果効果は測れる。 - 操作変数法 - 原因に変化を及ぼす第三の因子を変化させることで比較する。 - 回帰不連続デザイン - 連続している部分は比較可能であることを利用して、介入前と介入後を連続の切れ目で比較する。 - マッチング法 - 介入後のサンプル同質な未介入のサンプルを集めてきて比較する。 - 「同質」かどうかは共変数を見て比較。共変数が複数あったりする場合は、すべての共変数の合計点数の類似したものを選ぶ。これをプロペンシティスコアマッチングという。　 ランダム化比較試験にも限界がある。 1. 莫大な費用がかかる 2. 外的妥当性（他の集団でも同じ結果が得られるのかどうか）に課題あり 3. 倫理的な問題から実行が難しい（たばこを被験者に吸わせるのは難しいなど） 4. ランダムに割り付ける、が難しい 5. 実験で得られた効果（efficacy）よりも、社会で導入されたときのeffectivenessが下がりやすい。被験者は厳選されているので、実用化すると外的妥当性の観点から効果に変化が出る。

相関と因果関係を混同せず正しい因果関係を確かめる方法について、おかしがちな誤り例とともに説明がされている。原因と結果以外の変数が存在する場合の傾向スコアについて、わかりやすく定義と方法が述べられていた。

２時間弱で読めるライトな内容。 数式や難しい用語は出てこず、全くの素人でも理解しやすい。 章毎に「キーワード」として要旨が簡潔にかいてあるのもよい。

オーディブルにて。 統計的に有意かどうか、相関ではなく因果かどうか、この観点はいつでも大事。 偏差値が高い大学に行ったからと言って収入が高いわけではない、というけど、ふに落ちないなー。

因果関係と相関関係の違い、そして因果関係を検証するための様々な手法について書かれる。内容的には統計経済学の初級的なもので、もう少し掘り下げた内容を期待していたため、少しものたりない。 入門書的な扱いであれば、読みやすく良書だと言える。

因果推論（因果関係か相関関係かを見分ける方法論）がSNSで玉石混交の論が飛び交う世の中で自身の意見を事実に裏打ちされたものにするために必須の教養であると感じた。本書の事例がまさに「目から鱗」のものばかりで、平易な言葉遣いと相俟って、滞ることなく読み通せた。

因果関係と相関関係を分かりやすく学べた。 この本を読み、良い意味で物事を批判的に考えるクセがついた。 具体例を用い、読みやすかった。 ランダム化比較試験は、実験でよく出てくる。

相関関係と因果関係の違いについて分かりやすく解説されて良かった。 また因果関係を知るための因果推論として4つの手法についても具体例を交えて説明されていたのが分かりやすく理解できた。 1.差の差分析(DID) 2.操作変数法 3.回帰不連続デザイン 4.マッチング法 相関関係と因果関係の違いを知る事はデータを見る上では必須の能力だと思いますし、ビジネスマンであればちゃんと理解しておくと役に立つ事は多いと思うのでその意味で一度読んでおくと良いなと思います。

夜型さんの紹介 2021.2.16 　入手しました。少し読みました。当たり前のことを、文章にされている、という印象を受けました。我慢して読んでいきます。 「軽薄な人間は運勢を信じ、 強者は因果関係を信じる」 19世紀を代表するアメリカの思想家・作家であるラルフ・エマーソンの言葉。…そうですか。我慢して読む。50ページまでは、印象変わらず。51ページ、チョコレートの消費量が増えると、ノーベル賞受賞者が増える？のコラムから、面白くなってくる。 第２章読み終わる。知らなかった言葉がでてきた。 自分の都合のいい論文の結論だけを正しいとする。このような行動のことを、英語ではチェリー・ピッキング（サクランボ狩り）と呼び、特に研究では厳に慎むべきだと考えられている。残念なことに、昨今の日本のインターネットのまとめサイトでは、このチェリー・ピッキングが散見され、間違った情報が広められていることも少なくない。 　こんなときに用いるのが「メタアナリシス」である。「メタ」とは「高次の」、「アナリシス」とは「解析」という意味で、複数の研究結果を1つにまとめて、全体としてどのような関係があるのかを明らかにする研究手法のことである。 、、、なるほど。覚えておくことにする。 　半分ほど読む。1600円+税の分の、情報を得ようと、懸命によむ。ほとんど頭の体操である。 、、、とにかく読み終えた。ああ、ロマンスのかけらも無い文章を読んでしまった。これ、何かりまのの役に立つのだろうか。悔しいので、何度も読むことにする。 、、、夜型さんは、この本、面白いと思われたのでしようか。この先、面白さが分かるまで、読み込んでいこうと思います。のちに。普段絶対読まない本を、紹介していただきありがとうございました。 りまの

gacco「統計の入門」(京都大学国際高等教育院附属データ科学イノベーション教育研究センター)第1章イントロダクション紹介文献 https://lms.gacco.org/courses/course-v1:gacco+ga150+2021_01/about

因果関係と相関関係の違いを分かりやすく解説してくれる。因果関係の検証方法について書かれており、大変参考になった。

因果関係:原因が起きたから結果が起きた。 相関関係:原因と結果の関係ではない 確認チェック3つの点 1全くの偶然ではないか 2第3の変数は、存在しないか 3逆の因果関係は、存在していないか 交絡因子:相関関係に過ぎないものを因果関係があるかのようにみせる情報 エビデンスの階層　 メタアナリシス、ランダム化比較試験、自然実験と疑似実験、回帰分析 統計的に有意 観察された差が偶然の産物である確率、5%以下のとき統計的に有意という。偶然でない意味のある差ということ。

因果推論の入門書でかなりさくさく読めた。 相関関係と因果関係を混同しないようにして政策を評価することが必要だ。

統計学・計量経済学分野の入門本は非常に難解である場合が多いため、 初学者や学部生向けの本としては決定版といえる

この分野の初心者にお勧め 統計をかじったことがある人なら物足りないと思います。 手法ではなく考え方の基本ですのでここから自分がやりたい本に進んでいく形になると思います。

この「計量経済学」≒「因果推論」は、経済学ともデータサイエンスともどちらとも取れる分野。使ってる手法は、重回帰分析などデータサイエンスの手法を使うし、統計も使う。 A/Bテストという手法含めて、ビジネスの試作評価などにはすごく相性が良い。 因果推論は最近興味持って調べてる分野。この本はわりと簡単な内容だったけど、わかりやすくてタメになった。 ただし、仮にデータサイエンティストという役割の人が学ぶのであれば、この本は数式が全く出てこないので、別の数式付きの計量経済学の本を読んで理論を学んでから、復習としてこの本を読むと、知識が補強されて良いかと思う。

・「因果関係」と「相関関係」は違うもの 　混同しがち ・因果関係チェック 　①まったくの偶然？ 　②第三の変数は？（交絡因子：両方に影響を与える） 　③逆の因果関係

世の中にあふれるもっともらしい通説を事例に、 正しいデータ分析の在り方を教えてくれる１冊。 「メタボ健診を受けていれば長生きできるのか」 「テレビを見せると子どもの学力は下がるのか」 「偏差値の高い大学に行けば収入は上がるのか」 それぞれがまるで「原因」⇒「結果」（因果関係）のように論じられることがあるが、実は因果関係はないことも多いことを、各章で丁寧に説明してくれています。 第１章だけでもとても面白い。 第２章以降で様々な分析手法が具体的に書かれていますが、 それも経済学の専門書のように難しくなく読みやすいので、 あっという間に読めます。 情報過多な世の中で、 事実を見極めるスキルを持っていたいと改めて思いました。

相関関係と因果関係は明確に異なるものであることを、様々な例を用いて解説されている。 因果関係を証明するための因果推論の基本ツールについてもいくつか紹介されている。

まさかのゼミ卒業後に読了。 将来管理会計をするにあたり、会計の数字の増減の原因を正しく認識する力が必要になると考え、手に取った。 世の中に氾濫するデータを正しく読み取ったり、根拠のあやしい通説を正しく理解したりするのに、因果推論は非常に重要な方法論である。 また、時代の流れに左右されやすい政策も、因果関係をはっきりさせることができれば首相や政党が変わってもその政策を長期的に実施できる。首相や政党がコロコロ変わりやすい日本にとって大事。 計量経済学の本も引き続き読もうかな。 大学在学中にしとけという話ですね

Aという事象がおこったから、Bという事象が起こったのか？これを常に疑ってデータをみていった方がよいと考えました。 なぜなら、Bが発生するにはAであることが多い（相関関係）があるだけというケースもありえることをこの本ではいっていた。 因果関係を読み解くポイント ・「原因」は何か？→定義づけ重要 ・「結果」は何か？→同じく定義づけ重要 ・３つのチェックポイント→「全くの偶然」「第3の変数の存在」「逆の因果関係」 ・反事実を作り出す→その事象が行われていなかった場合の結果

「メタボ健診を受けていれば長生きできる」「テレビを見せると子どもの学力は下がる」「偏差値の高い大学へ行けば収入は上がる」世の中にはこのような「通説」が数多く存在する。これらの正当性について考えるうえで重要なのが、「因果関係」と「相関関係」の違いだ。 ＜２つのことがらのうち、片方が原因となって、もう片方が結果として生じた場合、この２つのあいだには「因果関係」があるという。一方。片方につられてもう片方も変化しているように見えるもの、原因と結果の関係にない場合は「相関関係」があるという。＞（26頁） 世の中の通説には、実際は相関関係であるにもかかわらず、因果関係のものとして誤解されているものが多い。例えば、「英語ができると給料があがる」という言説はよく言われる。しかし、本当だろうか。これについては、寺沢拓敬『「日本人と英語」の社会学』（研究社）にくわしく書かれているが、答えは否だ。実際には、「英語能力」と「収入」に因果関係はなく、つまり、英語ができても給料があがるわけではない。 このように、「因果関係」と「相関関係」の区別を見誤ると、たいして意味のないことに時間と労力を使うことになりかねない。では、どうすれば見分けられるのか。その方法として、本書では３つのチェックポイントを提示している。 ＜因果関係が存在するかどうかを確認するための３つのチェックポイントは、（１）まったくの偶然ではない、（２）交絡因子が存在していない、（３）逆の因果関係が存在していない、を満たす確実な方法というだけのことである。＞（179頁） 情報が錯綜する現代社会だからこそ、何が本当なのかを見定める「眼力」を本書で身につけるべきだ。

統計学、因果推論の入門書。 一見「因果性」のように見えても、それは「相関関係」に過ぎない。世に出回った噂は因果関係と相関関係を混同させたものが非常に多い（ex.健診を受けるほど長生きする、運動神経が良いと学力が上がる）しかし因果関係の検証には反事実が必要であるが故に、因果推論は非常に難しい。疑似実験等を応用させるしかない。 初心者の自分にとっても分かりやすい本だった。例示も分かりやすく、とても読みやすい。（1日で読めた）これを機に統計学の知見を深めたい。 quote: 軽薄は人間は運勢を信じ、強者は因果関係を信じる ーラルフ・ウォルド・エマーソン

因果関係と相関関係を混同 因果推論 思い込みから自由になれる 本当に因果関係があるかのトレーニング 思い込み・根拠のない俗説 教育と医療→通説多い 擬似相関 ①まったくの偶然②第3の変数③逆の因果関係（警察と犯罪数） 統計的に有意　4回連続で裏…あるかも　5回…まずないだろうという感覚→5% がん検診・健康診断　検診なら有効・健康診断は科学的根拠薄い ×小さく産んで大きく育てよ→科学的に否定 実験を真似る疑似実験　災害時のデータ分析 前後比較が行えない→タイムマシン必要 最低賃金と雇用の因果関係→不明 ノルウェー　女性管理職数の値目標→身内の女性役員・能力がある女性役員のイメージはウソ 友人の学力・自分の学力→因果関係なし

計量経済学の勉強を始める前に読んでおくと因果関係分析について勉強する時にぐっと見通しが良くなります。ただ、当然ですがこれだけでは不十分。あくまで入門書として敷居がとても低いのでお勧めです。 伊藤先生のデータ分析の力と併せて読むとなお良いです。

肌感で理解していた因果と相関の差異が例を挙げて解説されているので、タメになった。データを元に仕事をすることもあるので、今後に役立ちそう。因果推論にも関心を持った。

【因果推論の入門書】 単なる相関関係のデータを見れられ、さも因果関係があるように結論づける情報が多くなっている。その中で自分が騙されないようにするためにも、因果推論を知ることは実はこのネット社会で知る必要性が高まっているのかもしれない。 本書の第1章は、そういう意味でも是非読んでおくべき内容。

以前読んだ著者の一人・中室牧子氏の『学力の経済学』が面白かったので、本書を手に取ってみた。ちょっと予想とは違って本書は「因果推論」の入門書であり、純粋な学術書。 因果推論の根底にある考え方を図やイラスト、そして身近な事例などを踏まえて徹底的にわかりやすく説明するために執筆された本である。 ・健診を受けていれば健康になれる ・テレビを見せると子どもの学力が下がる ・偏差値の高い大学に行けば収入は上がる など、一見して「これはそうなんじゃないの？」と思うようなことがらについて、それが「因果関係」なのか「相関関係」なのかが分かりやすく説明されている。 「因果関係」と「相関関係」を誤って認識してしまうと、全く違った方向に企業戦略や国家戦略が向かってしまうことが往々にしてある。 例えば、Aという政策をやったらBという結果がでた。だから「Aをやれば必ずBになる」のかといえば、そうはならない。 その結果はもしかしたら １「まったくの偶然」かもしれない ２「第３の要素C」が関係しているかもしれない ３「逆の因果関係」で、BだったからAなのかもしれない ということがあるのだ。 こういったことを踏まえ、本書では日本の各種政策等がきっちりとした検証が行われずに行き当たりばったりで行われているのではないかと思われるような事例も多く紹介されている。 本書は数式など出てこず、非常に分かりやすく説明されており、ビジネスパーソンとしてはマーケティングなどを担当している人が読んだら非常に参考になると思う（もしかしたら、そのような人にとっては「ここに書いてあることは常識だよ！」と言われてしまうかもしれないが･･･）。 本書を読んで、さらに「因果推論」を勉強したいという人には専門書もきっちりと紹介されているので、興味を持った人はそちらも読んでみると良い（僕はいいかな･･･）。

「ヘルニアが『治った』！」「膝が痛くなくなった！」「狭窄症もこわくない！」 整体業界の「宣伝」は、“個人の経験談の寄せ集め”が少なくない。これらを“データではなく、エビデンスでもありません。個々の話に惑わされずに”と戒めてくれる。 整体師として当事者である私は、特に、「自分の『サービス』の成果を勘違いしない」強烈な戒めとなった。 因果関係と相関関係を混同しないことの大切さを認識させてくれた、『世界一シンプルで科学的に証明された究極の食事』も素晴らしい津川友介さんの、評判にたがわない良書(中室牧子さんとの2年越しの共著)だった。

「ヘルニアが！狭窄症が『治った』！」「膝が痛くなくなった！」 整体業界の「宣伝」は、“個人の経験談の寄せ集め”が多い。これらを“データでもエビデンスでもありません。個々の話に惑わされるな”と戒めてくれる。 整体師として当事者である私には特に、「自分のサービスの成果を勘違いしない」強烈な戒めとなった。 因果関係と相関関係を混同しないことの大切さを認識させてくれた、『世界一シンプルで科学的に証明された究極の食事』も素晴らしい津川友介さんの、評判にたがわない良書(中室牧子さんとの2年越しの共著)だった。

相関関係があるということは、因果関係があるということを意味しない。 相関関係と因果関係の違いについて、学術的な難しい説明は一切なく、素人にも非常に分かりやすく書いてある概要書だった。 アメリカやメキシコではエビデンスに基づく政策を重視する動きがある。 わが国はどうか。短期的に得票に結びつくような政策ばかりが議論されてはいないだろうか。

相関関係と因果関係の違いや、基本的な統計的分析の手法が、多くの具体例を交えつつ紹介・説明された1冊。 各章 要点がまとまっており内容はとても読みやすく、企画やマーケティングを目指す人には初歩として読んでおくと良いかも。

◯安易に前後比較デザインを用いて政策を評価することは「スケアード・ストレート」のように期待した結果が得られないどころか、むしろ社会的な害悪となる可能性がある政策を高く評価してしまうということになりかねない。(112p) ◯「政治的流行に左右されやすい政策を、エビデンスに基づくものにする」ことが重要なのではないか(187p) ★因果推論の本。ランダム化比較試験、自然実験、差の差分析、操作変数法、回帰不連続デザイン、マッチング法を説明している。最後に回帰分析についても紹介している。『データ分析の力 因果関係に迫る思考法』と同じテーマ。どちらも読みやすい。

相関関係と因果関係 こちらで紹介されていたのでチェック。 https://www.euglena.jp/euglenastance/archives/1080 ファクトフルネスとあわせて、データを見るための基礎知識として知っている必要のある内容でした。 原因は何か？ 結果は何か？ 全くの偶然ではないか？交絡因子が存在しないか？逆の因果関係は存在しないか？ 反事実はつくれるか。 比較できるように調整。 終わりにより 「研究というのはちょっと変わった仕事である。どれだけ論文を書こうとも、学会で発表しようとも、決して私たちの懐が温かくなることはない。」「しかし、研究から生み出された知見は、知的公共財としてより良い世の中を作り出すことに貢献している。」 クレージージャーニーに出演されていたJAMSTECの方も同内容の発言をされていました。

統計の話 メタボ健診と死亡率には因果関係はない 特定の病気(大腸がんなど)の検診と死亡率には因果関係がある 女性医師が診察すると死亡率は減少する 出生時体重が重い赤ちゃんはその後の健康状態が良い 保育所定員が増加しても母親の就業率には影響がない 最低賃金を上げても雇用は減らない 女性取締役の割合を上げる政策をとると企業の業績が下がる 学力の高い友人に囲まれても自分の学力は上がらない 高齢者の医療費自己負担割合を上げると受診回数が減るが、死亡率は上昇しない

初めて因果推論に関して触れるには、このくらいの内容でありがたかったです！ 数式なんかも出てきませんし、図が多いので直感的に理解しやすく、かなり面白かったです。

さっと読めるかつ端的にまとまっていて良かった。 統計を扱う上での全体的なアイデアという印象。 「入門の入門」という表現がぴったりな一冊。

因果関係を見極める力を学ぶ。 ビジネスを成果を出したいと考えるならば、 何をしたら、どんな効果が出るのかを考えなければならない。

ざっと読んだ。 統計(データの見方)ついて馴染みのない人は、是非手にとってほしいです。実例を元に、相関や因果について書かれているので、わかりやすかったです。 この分野に詳しい人には少し退屈かもしれません。

2つのデータを見るときにそれらの関係が因果関係なのか相関関係なのかをきちんと見分ける重要性がわかった。また、反事実の考え方も興味深かった。

因果関係と相関関係の違いについて考える本。 2つの要因があった時に、比較する方法や結論が正しいかを学ぶことができる。 差の差分析など分析方法も一つの勉強になりそう。

因果関係と相関関係は区別しなければいけない。 人は、相関関係があれば、そこに原因と結果の展開を考えてしまう。 メディア等が間違った論理展開をしていることがあるのもよくわかったし、自分も理解していなかった。 おススメの本です。多くの人が理解すべき基本的な知識だと思う。半分くらいまで読むだけでもいいかな。 memo: どちらかが原因でどちらかが結果である状態=因果関係がある 2つのことがらに関係があるものの、その2つは原因と結果の関係にないもの=相関関係がある 因果関係と相関関係を混同すると誤った判断のもととなる 因果推論 = 因果関係なのか相関関係なのかを見分ける方法論 因果関係を確認する３つのポイント まったくの偶然ではないか 第3の変数は存在していないか 逆の因果関係は存在していないか 反事実 仮に○○しなかったらどうなっていたか。 反事実は観察することができない。 比較可能なグループで穴埋めする。 比較可能なグループは、全ての特徴が似通っていなければならない。 因果関係を明らかにするには、事実における結果と、反事実における結果を比較する必要がある。 比較可能なグループを作り出し、反事実をもっともらしい値で置き換える。 エビデンス=因果関係を示唆する根拠 ランダム化比較試験 研究の対象を介入群と対照群に「ランダム」に割り付けて、2つのグループを比較可能にし、介入群が「もし介入を受けなかったら」という反事実を対照群で穴埋めする手法 自然実験 法律や制度の変更、自然災害などの外生的なショックによって、対照群と介入群に自然と分かれてしまった状況を利用して、因果関係を検証する方法 擬似実験 観察データと統計的手法を用いて、あたかもランダム化比較試験を実施しているような状態を作り出す。 差の差分析 操作変数法 回帰不連続デザイン マッチング法 前後比較は使えない トレントの影響を考慮することができない 「平均への回帰」の可能性がある 単回帰分析 重回帰分析

差の差の検定や、ランダム化比較実験などの必要性を理解するには良い本。ただし、あくまで導入本。通勤時間中に読む程度でよい。

「因果関係」と「相関関係」には気を付ける事、それを検証する手法7つを全編を通じて事例で教えてくれる本でした。 ただ、それだけと言えばそれだけです。 執筆者の一人である中室女史には、そろそろ手垢の付いた海外の統計の紹介で終わる事から、ご自身の分析結果をまとめて公表する方に注力して欲しいと、ある意味期待を込めて、思っています。

誤った分析や都合の良い解釈によって根拠のない因果関係を羅列するのでなく、正しい因果推論を用いて考えることが重要

統計学，社会科学の方法論に興味がある人のはじめの一冊に．興味深い題材を扱っており，楽しみながら読める．

相関ではとくに交絡因子に注意が必要と感じる。もっとも根っこの因子はなにかを仮説し、比較実験で明らかにしてから展開することがベター。

ひとはたいてい、相関関係と因果関係を混同している。起こしやすい間違いや調査・実験手法を非常にわかりやすく説いている本。 因果関係を読み解く５ステップ １「原因」は何か ２「結果」は何か ３　３つのチェックポイントを確認（まったくの偶然ではないか、交絡因子が存在しないか、逆の因果関係は存在しないか） ４　反事実を作り出そう ５　比較可能になるよう調整しよう

どこで推薦されていたか忘れた。図書館で予約していたらようやく順番が回ってきた。 大方分かっているつもりの内容ではあったが、たまに原点に返って復習するのも悪くない気がした。 因果推論の５ステップ ステップ１　「原因」は何か ステップ２　「結果」は何か ステップ３　３つのチェックポイントを確認しよう 　　　　　　（１）まったくの偶然ではないか 　　　　　　（２）交絡因子が存在しないか 　　　　　　（３）逆の因果関係は存在しないか ステップ４　反事実を作り出そう ステップ５　比較可能になるよう調整しよう

自分が正しく理解し直すためにと、患者から質問されたときにわかりやすく説明できるために購入。文体があっさりしているのでとても読みやすいです

因果関係がはっきりしない、根拠のない通説が山のようにあるのが、教育と医療の分野だ。 具体的な部分は読みごたえもあり面白いが、分析や手法論の部分は読みづらい。

あれが起きたらきっとこうなる みたいなのって色々言われているけど、 実はそのほとんどが相関関係であって、 因果関係を指しているわけではない。 データ分析をやっていたら必ず言われることですが、 意外と自分もそうなんだって思っていた因果関係が 実はただの偶然だったといった事象が紹介されていた。 因果関係を証明するのって読めば読むほど難しい、 極論をいうと同じ地点に戻って別の選択肢を選んで その結果を見るといったことをしないと無理。 バックトゥザフューチャーみたいな話ですね。 【勉強になったこと】 ・相関関係は、因果関係と疑似相関の2つに分けられ、 　世の中の事象のほとんどが疑似相関。 ・因果関係をチェックする3つのポイント 　①全くの偶然ではないか 　②第3の変数は存在していないか 　③逆の因果関係は成立していないか ・因果関係を証明するエビデンスは以下に分類され、 　上に行けば行くほど根拠があるエビデンス 　①メタアナリシス 　　複数のランダム化比較試験を統合したもの 　②ランダム化比較試験 　　対象となる人をランダムに介入群と対照群に 　　割り付け、因果関係を評価する方法 　③自然実験と疑似実験 　　世の中にある実験のような状況をうまく利用 　　することで、因果関係を評価する方法 　④回帰分析 　　すでに手元にデータがあるときに用いる方法 ・メタアナリシスとは、複数の研究結果を1つに 　まとめて、全体としてどのような関係があるの 　かを明らかにする研究手法のこと。 ・前後比較は意味がない。 　何故なら、その時代のトレンドが必ず介入する 　ため、Aパターン、Bパターン以外の要素が 　入って、因果関係を証明することが出来ない。 ・比較対象を選定するときは、規模や構成だけでなく、 　時系列的なトレンドも似ているところで比較すると、 　ある事象を実施・未実施による効果測定が出来る。 ・実は簡素で情報の少ないダイレクトメールほど、 　反応率が高い。 ・分析の妥当性 　内的妥当性： 　　2つの変数の間に因果関係があることの確からしさ 　　を意味する。効果のあった集団に同じことを 　　すると同じ効果が得られる、再現性がある。 　外的妥当性： 　　研究結果を他の集団に行ったときに、同じ効果が 　　再現される程度のこと。

内容自体は非常に有用だと思うが、帯にあるような命題（e.g.「メタボ健診を受けていれば長生きできる」）が、過去のある調査で立証されなかったというその一事実をもって、あたかも「常に偽である」かのような捉えられ方がされないか、ちょっと心配。「統計上利用できるデータの制約から真偽が判別できない」ということと、その命題の真偽がどうであるかとういことは全く別の問題。無論学識ある著者らは百も承知だとは思うものの、当人らの思惑とは別に、販社側の事情でセンセーショナルなマーケティング（巷間に流布する通説が「誤りである」という言説に特別のシンパシーを感じる非メインストリーム層へのアピール）の片棒担ぎにされてしまっているのではないか、という疑念が拭えない。

中室さんの前書を読んで手に取った人が多いのでは？と思いますが、そういう人には正直物足りない内容ではないかと思います。

わかりやすいとは思う 分析手法がいくつもあるのは知らなかった 因果関係と相関関係の違いがもっと広まればいいと思う