相関と因果の違い：「一緒に動く」は「原因」ではない｜マーケターのためのデータ分析・統計入門 第4回

一緒に動いていても、原因とは限らない

ここからがこの回の本題です。散布図で強い相関が見つかったとしても、それは「一方がもう一方の原因である（因果関係がある）」ことを意味しません。相関があるのに因果がない、または因果の向きが違う理由は、主に3つあります。

1. 第三の要因（交絡）

暑い日にはアイスクリームがよく売れ、熱中症で運ばれる人も増えます。アイスの売上と熱中症の人数には強い相関があるでしょう。しかし、アイスが熱中症の原因だと考える人はいません。両方とも「気温」という第三の要因によって動いているだけです。このように、2つの数字の両方に影響する別の要因を「交絡因子」と呼びます。

マーケティングでは、季節、景気、競合の動き、セールの時期などが交絡因子になりがちです。たとえば「メールを多く開封している顧客ほど購入額が多い」というデータがあっても、それは「もともとブランドが好きな顧客ほど、メールもよく開くし、たくさん買う」だけかもしれません。この場合、メールの配信数を増やしても購入額は増えないことがあります。

有名な例に、国ごとのチョコレートの消費量とノーベル賞受賞者の数に強い相関が見られた、という医学誌の記事（Messerli、2012年）があります。これを「チョコレートを食べると頭が良くなる証拠」と受け取るのは早計です。たとえば「豊かな国ほどチョコレートをよく食べ、研究にもお金をかけられる」といった第三の要因が考えられるからです。相関と因果の違いを考える題材として、よく引き合いに出される例です。

2. 逆の因果

「広告費を多くかけた月ほど売上が多い」というデータを見て、「広告が売上を生んだ」と考えるのは自然です。しかし、実際には「売上が伸びそうな繁忙期に、あらかじめ広告費を増やしていた」だけかもしれません。この場合、矢印の向きは「売上の見込み→広告費」で、広告の効果を大きく見積もりすぎてしまいます。

3. 偶然

たくさんの数字の組み合わせを調べれば、無関係なのにたまたま一緒に動いているものが見つかります。100個の指標があれば、組み合わせは約5,000通り。その中には、偶然とても似た動きをするペアがいくつもあるはずです。特にデータの件数が少ないとき（12か月分だけ、など）は、偶然の相関が起きやすくなります。偶然かどうかを見分ける考え方は、第5回と第6回で扱います。

全体と内訳で結果が逆になる：シンプソンのパラドックス

交絡のもう1つの怖さを示すのが、「シンプソンのパラドックス」と呼ばれる現象です。全体で比べたときと、グループに分けて比べたときで、結論が逆になってしまうことがあります。

架空の例で考えます。2つのランディングページ（LP）、AとBの購入率を比べたところ、次のようになりました。

全体ではページAのほうが購入率が高いので、「Aのほうが優れている」と結論したくなります。ところが、パソコンだけで比べてもスマホだけで比べても、Bのほうが高いのです。

からくりは、訪問の内訳にあります。もともとパソコンからの訪問はスマホより購入率が高い傾向があり、ページAには購入しやすいパソコンからの訪問が8割集まっていました。一方、ページBの訪問は8割がスマホです。つまり、全体の差の多くは「ページの出来」ではなく「どの端末から来た人が多いか」の違いから生まれていたのです。ここでは端末の種類が交絡因子になっています。

このような食い違いは、流入元、端末、新規と既存、地域など、成果に大きく影響する切り口で内訳が偏っているときに起こります。全体の数字で比べたら、主要な切り口でも分けて確かめる。この習慣で、多くの誤りを防げます。

この記事の監修者に相談できます

監修者の田中磨生が代表を務める株式会社Abinで、ご相談をお受けしています。

相談無料ツギノテ編集部に相談する→

因果を確かめるには「比べ方」を工夫する

では、施策が本当に効いたのか（因果があるのか）を確かめるには、どうすればよいのでしょうか。答えは「比べる相手の選び方」にあります。

1. ランダムに分けて比べる：対象をくじ引きのように無作為に2つに分け、一方にだけ施策を行って比べる方法です。無作為に分けると、季節・端末・顧客の好みなど、施策以外の条件が両方のグループに同じように散らばるので、差が出れば施策のおかげだと考えやすくなります。WebサイトのA/Bテストはこの方法です（次回くわしく扱います）。
2. 似た相手と比べる：ランダムに分けられないときは、施策を行った地域や顧客と、行っていない似た地域や顧客を選び、施策の前後の「変化の大きさ」を比べます。両方に同じように影響する季節や景気の影響を差し引けるので、単純な前後比較より信頼できます（「差の差」と呼ばれる考え方です）。
3. 条件をそろえて比べる：シンプソンのパラドックスの例のように、端末・時期・顧客の種類などで分けて、同じ条件の中で比べます。ただし、気づいていない要因まではそろえられません。
4. 前と後を比べるだけ：「施策の前月と後月を比べたら売上が伸びた」という比べ方は、季節や同じ時期に起きたほかの変化と区別できません。参考程度にとどめましょう。

よくある誤解：「データが多ければ因果が分かる」

データの件数が何百万件あっても、比べ方が「前後比較」や「施策を受けた人と受けなかった人の単純比較」のままなら、交絡の問題は消えません。件数が増えると偶然のぶれは小さくなりますが、比べ方のゆがみは小さくなりません。因果を確かめるうえで大事なのは、データの量より比べ方の設計です。

実務ではこう使う：「因果っぽい報告」を受けたときの3つの質問

社内の報告や外部の会社のレポートで、「〇〇をしたら売上が伸びました」「〇〇をしている顧客ほど優良顧客です」という主張を見かけたら、次の3つを確かめてみてください。

この3つの質問は、広告や販促の効果を評価するときに特に役立ちます。広告の効果を計測する考え方はWeb広告運用の基本（全8回）で、ページの改善を無作為に分けて試す方法は次回のA/Bテストの回と、LPOツールおすすめ比較で扱っています。

この回のまとめ

• 散布図で2つの数字の関係を見る。相関係数は直線的な関係の強さを−1〜＋1で表す。
• 相関係数だけでなく、必ず散布図の形を見る（アンスコムの例）。
• 相関があっても因果とは限らない。第三の要因（交絡）、逆の因果、偶然を疑う。
• 全体と内訳で結論が逆になることがある（シンプソンのパラドックス）。主要な切り口で分けて確かめる。
• 因果を確かめるには、無作為に分けて比べるのが最も強い。データの量より比べ方の設計が大事。

確認テスト

次回予告

次回は、無作為に分けて比べる代表的な方法である「A/Bテスト」を取り上げます。「有意差あり」とはどういう意味なのか、p値は何を表しているのか。誤解されやすいポイントを、数式に頼らずに整理します。

参考資料

• Anscombe, F. J. (1973). Graphs in Statistical Analysis. The American Statistician, 27(1), 17–21.（確認日：2026年11月12日）
• Messerli, F. H. (2012). Chocolate Consumption, Cognitive Function, and Nobel Laureates. New England Journal of Medicine, 367, 1562–1564.（確認日：2026年11月12日）