相関関係と因果関係の違い──人生の判断を狂わせる「思い込み」の正体

アイスクリームの売上が伸びると、溺死者数が増える。グラフにすれば見事な正の相関を描く。では、アイスクリームの販売を禁止すれば溺死を防げるのか。もちろんそんなことはない。両者は「気温」という第三の要因（交絡因子）によって同時に動いているだけだ。「一緒に動く」（相関）と「原因が結果を生む」（因果）はまったく別の概念である。この区別ができないと、仕事でも健康でも人間関係でも、的外れな判断を下すリスクがある。

相関関係とは何か

「一緒に動く」だけでは原因と結果にならない

相関関係とは、2つの変数が同時に変化するパターンのことだ。一方が増えるともう一方も増える「正の相関」、一方が増えるともう一方が減る「負の相関」がある。統計学では相関係数（-1から+1の値）で強さを測り、絶対値が1に近いほど強い相関を示す。

重要なのは、相関関係はあくまで「パターンの観察」であり、「なぜそうなるか」については何も語らないということだ。AとBが一緒に動いているとき、可能性は少なくとも4つある。(1) AがBを引き起こしている。(2) BがAを引き起こしている。(3) 第三の要因CがAとBの両方を動かしている。(4) まったくの偶然。相関だけでは、この4つのうちどれが正しいか判断できない。

アイスクリームと溺死の例では、(3)の「第三の要因」パターンだ。気温が上がるとアイスの消費が増え、同時にプールや海で泳ぐ人が増えるため溺死事故も増える。気温という交絡因子を見落とすと、「アイスが溺死を引き起こす」という荒唐無稽な結論に至ってしまう。

この「交絡因子の見落とし」は、日常のあらゆる場面で起きている。「朝食を食べる子どもは成績が良い」「読書量が多い人は年収が高い」。これらの相関は事実だが、因果関係があるかどうかはまた別の問題だ。

世にも奇妙な「偽相関」の世界

ハーバード大学のタイラー・ヴィーゲンが運営する「Spurious Correlations（偽相関）」プロジェクトは、統計的には強い相関を示すが、因果関係がまったくないデータの組み合わせを大量に収集している。いくつか紹介しよう。

「ニコラス・ケイジの映画出演本数」と「プールでの溺死者数」は、1999年から2009年の間に相関係数0.666の正の相関を示す。「アメリカのチーズ消費量」と「ベッドシーツに絡まって死亡した人数」は相関係数0.947という驚異的な数値だ。「メイン州の離婚率」と「1人あたりのマーガリン消費量」も強い相関を示す。

これらは明らかに因果関係がない。しかし、グラフにすると2つの線が見事に一致する。人間の脳は「パターン」を見つけると、そこに「意味」を見出そうとする。2つの線が一緒に動いているのを見ると、「何か関係があるはずだ」と感じてしまう。これは認知バイアスの一種であり、人間の脳に組み込まれた傾向だ。

偽相関は笑い話で済むが、同じ思考の罠は健康情報、ビジネス判断、政策決定といった深刻な場面でも発生している。「相関がある」だけで「だから○○すべき」と結論づけてしまう危険は、日常のいたるところに潜んでいる。

メディアが「相関」を「因果」にすり替える手口

「チョコレートをよく食べる国はノーベル賞受賞者が多い」。2012年にニューイングランド・ジャーナル・オブ・メディシン（NEJM）に掲載されたこの研究は、世界中のメディアで報じられた。国別のチョコレート消費量とノーベル賞受賞者数の間には、確かに強い正の相関があった。

しかし、この相関が因果を意味しないのは明白だ。チョコレートの消費量が多い国は、概して経済的に豊かで教育水準が高い先進国だ。豊かさと教育環境という交絡因子が、チョコレート消費とノーベル賞の両方に影響を与えている。チョコレートをたくさん食べてもノーベル賞は取れない。

メディアはこの手の研究を「〇〇すると△△になる」という因果関係の見出しで報じがちだ。「コーヒーを飲む人は長生きする」「運動する人は年収が高い」。元の研究が「相関を発見した」と慎重に記述していても、ニュースになる段階で「因果」にすり替わることが多い。記事を読む側が「これは相関か？因果か？」と常に問う姿勢を持つことが、情報リテラシーの基本だ。

---

因果関係とは何か

因果を証明する3つの基準

因果関係を科学的に確立するには、一般的に以下の3つの基準を満たす必要があるとされる。(1) 時間的先行性：原因が結果より先に起きていること。(2) 共変関係：原因が変化すると結果も変化すること（相関の存在）。(3) 他の説明の排除：第三の要因（交絡因子）では説明できないこと。

3番目の基準が最も難しい。実験室では「ランダム化比較試験（RCT）」によって交絡因子を排除できる。被験者をランダムに2群に分け、片方にだけ介入を行い、結果を比較する。しかし、人生の多くの問題ではRCTが不可能だ。「大学進学は年収を上げるか」を検証するために、ランダムに選んだ人に大学進学を禁じるわけにはいかない。

そのため、社会科学では「自然実験」や「操作変数法」「差の差分析」といった統計手法で因果関係の推定を試みる。2021年のノーベル経済学賞は、まさにこの「自然実験による因果推論」の研究に贈られた。デヴィッド・カード、ヨシュア・アングリスト、グイド・インベンスの3氏が、最低賃金引き上げの雇用への影響などを、巧みな手法で解明した。

因果関係の証明がこれほど難しいのは、世界が複雑だからだ。あらゆる出来事は無数の要因が絡み合って起きている。その中から「本当の原因」を特定することは、科学の最も困難な課題の一つである。

「逆の因果」の罠に気をつける

相関関係から因果関係を推測するとき、もう一つ注意すべきなのが「逆の因果」だ。AとBに相関があるとき、「AがBを引き起こしている」と思い込みがちだが、実際には「BがAを引き起こしている」可能性もある。

「読書量が多い人は年収が高い」。この相関を見て「読書をすれば年収が上がる」と結論づける人は多い。しかし逆の因果も考えられる。「年収が高い人は知的好奇心を満たす余裕（時間と金銭）があり、結果として読書量が増える」。あるいは、第三の要因として「知的好奇心が高い人は、読書もするし、仕事でも成果を出す」という可能性もある。

「運動する人は健康だ」も同様だ。運動が健康を生むのか（因果）、健康な人が運動できるのか（逆の因果）、あるいは健康意識が高い人が運動も食事管理もするのか（交絡因子）。いずれもあり得る。実際、運動の健康効果にはRCTによる裏付けがある程度存在するが、「運動すればすべてが解決する」ほど単純ではない。

逆の因果の罠は、自己啓発やビジネス書に頻繁に潜んでいる。「成功者は朝が早い」→「朝早く起きれば成功する」。「優秀なリーダーは読書家だ」→「読書すれば優秀なリーダーになれる」。因果の方向が逆かもしれないと考えるだけで、多くの「成功法則」の信頼性は大きく揺らぐ。

因果関係が確立されている例

では、科学的に因果関係が確立されている例にはどのようなものがあるのか。最も有名なのは「喫煙と肺がん」の因果関係だ。1950年代のドール＝ヒルの前向きコホート研究に始まり、数十年にわたる疫学研究とメカニズムの解明により、喫煙が肺がんのリスクを直接的に高めることが確立された。

「教育年数と所得」の因果関係は、アングリストとクルーガーの共同研究（1991年）で推定されている。アメリカの誕生四半期による義務教育年数の違いを「自然実験」として活用し、教育年数が1年増えると所得が約9%上昇するという因果的な効果を示した。

「シートベルト着用と交通事故死亡率の低下」も因果関係が確立された例だ。シートベルト着用の義務化前後のデータ比較、物理学的なメカニズムの裏付け、そして世界各国での再現性により、シートベルトが命を救うことは疑いの余地がない。

これらの因果関係に共通するのは、複数の独立した研究によって繰り返し確認されていること、メカニズムが科学的に説明可能であること、そして時間的先行性が明確であることだ。「相関＝因果ではない」が基本だが、十分な証拠が積み重なれば、因果関係を合理的に推定することは可能だ。

---

人生の意思決定に活かす

健康情報を見るときの3つの質問

「〇〇を食べると△△に良い」という健康情報があふれている。これらの情報に接したとき、以下の3つの質問を自分に投げかけてみてほしい。(1) これは相関か？因果か？（「コーヒーを飲む人は長生き」は相関。コーヒーが直接寿命を延ばすかは別問題。）(2) 逆の因果はないか？（健康な人がコーヒーを楽しむ余裕があるだけかもしれない。）(3) 交絡因子はないか？（コーヒーを飲む人は健康意識が高く、運動や食事管理もしている可能性がある。）

この3つの質問だけで、多くの怪しい健康情報をフィルタリングできる。「〇〇を食べれば痩せる」「△△を飲めばがんが治る」。こうした極端な因果の主張には、ほぼ確実に根拠の飛躍がある。

もちろん、すべての行動にRCTレベルの因果的証拠を求めるのは非現実的だ。「野菜を多く食べることが健康に良い」という命題は、完全な因果の証明がなくても行動の指針として十分に合理的だ。重要なのは、「証拠の強さに応じて確信の度合いを調整する」という姿勢である。

キャリアと投資の判断に潜む相関の罠

「あの人は〇〇大学を出て成功した。だから〇〇大学に行けば成功する」。これは因果関係の典型的な誤認だ。〇〇大学の卒業生が成功しているのは、大学の教育内容が優れているからかもしれないし、入学時点で能力の高い学生が集まっているからかもしれないし、人脈（ネットワーク効果）によるものかもしれない。大学名と成功の間にある因果パスは一つではない。

投資の世界では「過去のパフォーマンスは将来の成果を保証しない」が鉄則だが、これもまさに相関と因果の問題だ。あるファンドが過去5年間好成績だったからといって、来年も好成績である因果的な保証はない。過去の実績と将来の実績の間に安定した因果関係がないことは、数多くの研究で示されている。

副業や転職の判断でも同様だ。「ブログで月50万円稼いでいる人がいる」→「自分もブログを始めれば稼げる」。成功者の存在（事例）は、その方法の有効性の因果的証拠にはならない。成功者の背後には、同じことをして失敗した膨大な数の人がいる可能性がある（生存者バイアス）。

人間関係における「原因探し」の落とし穴

「あの人が不機嫌なのは私のせいだ」。人間関係において、私たちは無意識に因果関係を構築する。しかし、相手の不機嫌の原因が自分にあるとは限らない。仕事のストレス、体調不良、寝不足。自分とはまったく関係のない要因が相手の態度に影響している可能性は常にある。

「あの人と一緒にいると良いことが起きる」「あの場所に行くと運が悪くなる」。これらも相関を因果と誤認するパターンだ。人間の脳は「ジンクス」「ゲン担ぎ」として、因果のないパターンに因果を見出してしまう。これは「迷信的行動」と呼ばれ、心理学者B.F.スキナーのハトの実験で有名になった現象だ。

人間関係で重要なのは、「なぜこうなったか」の原因探しに固執するよりも、「これからどうするか」の解決策に焦点を当てることだ。因果の特定が困難な場面（人間関係の多くがそうだ）では、原因を正確に突き止めるよりも、現状を改善する行動を取る方が生産的だ。

---

まとめ：相関と因果を見分けるチェックリスト

情報に接するとき、以下のチェックリストを使ってみてほしい。

チェック項目	質問	例
相関か因果か？	「AとBが一緒に動いている」だけか、「AがBを引き起こしている」のか？	チョコ消費とノーベル賞
逆の因果はないか？	「BがAを引き起こしている」可能性はないか？	読書量と年収
交絡因子はないか？	AとBの両方に影響する第三の要因Cは存在しないか？	アイスクリームと溺死（気温）
サンプルは十分か？	少数の事例だけで判断していないか？	成功者1人の体験談
生存者バイアスはないか？	失敗した人の情報が見えていないだけではないか？	ブログで稼いだ人
メカニズムは説明可能か？	なぜAがBを引き起こすのか、合理的に説明できるか？	ニコラス・ケイジと溺死

「相関関係は因果関係ではない」（Correlation does not imply causation）。この一文は統計学の最も重要な格言の一つであり、同時に日常生活で最も役に立つ思考ツールの一つだ。

世界は複雑であり、物事の本当の原因を特定することは難しい。しかし、「これは相関であって因果ではないかもしれない」と一度立ち止まって考えるだけで、多くの誤った判断を回避できる。健康情報、キャリア選択、投資判断、人間関係。あらゆる場面でこの思考法は武器になる。

完璧な因果の証明を待っていたら何も行動できない。だからこそ、「証拠の強さに応じて確信度を調整する」という柔軟な姿勢が大切だ。強い因果的証拠があるもの（喫煙と肺がん）には確信を持ち、弱い相関にすぎないもの（チョコレートとノーベル賞）には懐疑的であること。この使い分けが、合理的な意思決定の基盤となる。