今回は、前回紹介した因果推論の考え方を理解するための基礎として、「相関関係」と「因果関係」の違いを取り上げます。データ上で二つの出来事が一緒に動いているように見えても、それだけで一方がもう一方の原因であるとは限りません。たとえば、「アイスクリームの売上が伸びる夏には、水難事故も増える」という関係があります。しかし、アイスクリームを食べたから水難事故が増えるわけではありません。両者の背後には、「気温が高い」という共通の要因があります。
このように、見かけ上の関係を生み出している第三の要因を、専門的には「交絡因子（こうらくいんし）」と呼びます。農業技術評価でも同じ問題が起こります。データの中に見える関係が、本当に技術の効果を表しているのか、それとも別の要因によって生じているのかを見極めることが重要です。相関関係と因果関係を区別することは、実証データを正しく読み解くための出発点となります。
1. 相関関係 ― 「一緒に動く」ことの確認
相関関係とは、二つの事柄（変数）が同時に変化する傾向があることを指します。Aが増えるとBも増える（正の相関）、あるいはAが増えるとBは減る（負の相関）といった関係です。しかし相関関係は、あくまで「一緒に動く」という傾向を確認したにすぎず、どちらが原因でどちらが結果なのかについては何も示していません。
【相関関係を調べる主なアプローチ】
技術普及の現場で相関関係を確認するためには、ある一時点における多数の農家を対象としたアンケート調査（家計調査など）がよく用いられます。集めたデータをもとに、まず散布図を描くことで、二つの事柄がどのように一緒に動いているのかを視覚的に確認できます。たとえば、「普及員による指導回数」が多い農家ほど「新しい栽培技術の導入率」が高いのか、といった関係を大まかにつかむことができます。
さらに、回帰分析という統計手法を用いることで、こうした関係を数値として整理することもできます。ただし、ここで確認できるのはあくまで相関関係であり、それだけで「普及員の指導が技術導入を増やした」とまでは言えません。過去の記録をさかのぼる時系列データの分析も、複数の事柄が一緒に変化する傾向をつかむための代表的な方法です。
2. 因果関係 ― 「Aを変えればBが変わる」
因果関係は「A（原因）を変えればB（結果）も変わる」という方向性をもつ関係です。たとえば「農業技術Xを導入すると、収穫量が10%増える」と評価するためには、技術Xを導入した農家の収穫量を見るだけでは不十分です。その同じ農家が技術Xを導入しなかった場合の収穫量と比べる必要があります。
しかし、第1回でも述べたとおり、同じ農家を同じ時期に「導入した場合」と「導入しなかった場合」の両方で観察することはできません。この観察できない「もし導入しなかった場合」の結果を、因果推論では「反事実」と呼びます。
そのため、いかにして「もし導入していなかったら」という状況に近い比較対象を用意するかが、データ分析の中心的な課題となります。本シリーズの次回以降では、この「反事実にできるだけ近づく」ための具体的なアプローチを順に取り上げていきます。
3. なぜ相関は因果と混同されやすいのか ― 3つの注意点
【第三の要因(交絡)】
別の要因が、二つの事柄の両方に影響を与えている状態です。冒頭のアイスクリームの売上と水難事故の例では、「気温」がこれにあたります。気温が高いとアイスクリームの売上も伸び、水辺に出かける人も増えるため、水難事故も増えやすくなります。
【逆の因果関係(逆因果)】
原因と結果の向きが逆になっている状態です。たとえば、「新技術を導入したから所得が高くなった」のではなく、もともと所得が高く資金に余裕のある農家ほど新技術を導入しやすかった、という可能性があります。この場合、一時点の観察データだけでは、所得の高さが新技術導入の結果なのか、それとも新技術導入の原因なのかを判断することはできません。
【データの偏り(選択バイアス)】
観察している対象が偏っている状態です。たとえば、調査員が訪問しやすい村ばかりを調べると、道路へのアクセスが良く、情報や支援を受けやすい農家が多く含まれるかもしれません。その結果、新技術の効果が実際よりも高く見積もられてしまうことがあります。
4. 「統計的に有意」でも、因果関係とは限らない
データ分析において「統計的に有意である」という言葉が使われることがあります。これは、観察された差や関係が、単なる偶然だけで生じたとは考えにくい、という意味です。たとえば、技術を導入した農家の収穫量が導入していない農家より高かった場合、その差が偶然のばらつきでは説明しにくいと判断されると、「統計的に有意な差がある」と表現します。
しかし、たとえ統計的に有意な相関関係が見つかったとしても、前節で述べた第三の要因、逆の因果関係、データの偏りといった問題を十分に考慮しなければ、因果関係がある、すなわち「Aが原因でBが起きた」と主張することはできません。
つまり、因果関係を明らかにするには、データを集めて計算するだけでは不十分です。誰と誰を比べるのか、どの時点でデータを集めるのか、どのように比較対象を用意するのかといった「研究デザイン」が重要になります。
5. 技術評価では何に注意すべきか
ある新技術を導入した農家の収穫量が高かったとしても、それが「技術のおかげ」なのか、「もともと意欲的な農家だったから」なのかは、単純なデータからは判断できません。もし後者であれば、同じ技術を他の農家に広めても、期待通りの効果は得られない可能性があります。次回は、この問題に対処するうえで重要な道具である「無作為化（ランダム化）」を取り上げます。
【参考文献】
Lee, G., Awuni, J., Koide, J., & Apiors, E. (2026). Barriers to sustained adoption of integrated soil fertility management practices: Evidence from smallholder farmers in northern Ghana. Humanities and Social Sciences Communications, 13, Article 433. https://doi.org/10.1057/s41599-026-06776-1