データ分析の力 因果関係に迫る思考法
データ分析の力 因果関係に迫る思考法 （伊藤 公一朗 著）
データ分析は、XがYに影響を与えたかを証明することが多い。
介入グループと比較グループの差を見極める。
因果関係の立証は難しい
「2010年は広告を出稿し、アイスの売上が昨年よりも40％が増加した」
→売上は広告の影響と言えるのか
・（経済状況）消費が上向きだった？
・（気温）2010年は猛暑だった可能性は？
・（逆）猛暑だったので広告を出稿していた
・他の要因を排除できないので、因果関係を証明することが難しい
・因果関係は相関関係とは異なる（相関関係があっても因果関係があると言えない）
介入効果
因果関係は介入効果で定義する
・介入を「受けた場合」と「受けなかった場合」の差を見る
・一個人で比較は困難なため、グループの平均の差をみる（介入グループと比較グループ）
RCT（ランダム化比較試験）
グループ分けを無作為に選ぶ（2つのグループが同等の集団になる）
強み：因果関係を証明できる
弱み：費用や各機関の協力が必要となる（データを作りにいく必要がある）
境界線の両側のデータを使うRDデザイン（自然実験手法）
境界線がある場合に因果関係に迫る。一定の境界によって、非連続的に変化する状況を見つける。境界線付近で他の要素で非連続的に変化していないか確認する。（例：70歳を境界にして保険料が変わる場合）
強み：RCTができない場合でも実施可能
弱み：仮定の立証が困難。他の要因が影響していない証拠を集める必要
階段上の変化を扱う集積分析
RDデザインでは横軸（変数）は操作できないが、集積分析は横軸（変数）が変化できる（例：車について、ある特定の重量によって税金が変わる場合）
強み：階段上の変化は実際の状況で適用できることが多い
弱み：RDと同様に境界線付近のみ有効
パネルデータ分析
境界線がない場合で、複数グループで複数期間のデータが入手できる場合に有効。（例：ある施策が一部の地域だけで実施された場合）
強み：2つのグループの施行前が並行トレンドの場合、因果関係を証明できる
弱み：並行トレンドは多くの場合成立しない。介入と比較グループ両方必要
介入前のもともと２つの動きが並行トレンドである必要。
駆け込み需要の検証
成功の鍵
・データ分析専門家との協力関係を結ぶ
・データへのアクセスを可能な限り開く
・データ自体が間違っている場合、解決できない
・出版バイアスに注意（因果関係がなかった場合、公開しずらい）
・介入に波及効果が存在するか注意
・小規模の効果が大規模と同様の効果が出るのか注意
計量経済学
計量経済学の分野にあたる。
因果関係の次は信頼区間など。
基本は、施策の介入データ群と標準のデータ群の比較。
必要なデータは作りにいく。