仮想的な反事実の分析

仮想的な反事実は、実際にはないものですが、これをイメージすると、分析できることが格段に増えます。

仮想的な反事実

物の世界だと、「同じ物」という物はあるので、処置ありと処置なしのグループに分けて分析ができます。これによって、事実と反事実の分析ができます。

ところが、人の場合、「同じ条件の人」はあり得ますが、「同じ人」という事はあり得ないです。そのため、処置ありの人については、処置なしだったらどうなるのかはわかりません。

そのため、実際にはあり得ない話をしていますが、こういうものを仮定すると理論が組み立てられるようになります。

学術的には、こういうものが「反事実」や「潜在的効果変数」と呼ばれているものの考え方です。

反事実は、物の世界ではあり得る話で、人の世界ではあり得ない話になるので、ややこしいです。そこで、このサイトでは、「仮想的な」と付けるようにして区別することにしています。

因果効果の分析のページでは、処置をしたグループと、処置をしなかったグループの差を調べています。

仮想的な反事実を考えるのなら、因果効果とは、同じ人について、処置をした場合と、処置をしなかった場合の差です。

あり得ない話を前提にして、さらに続けます。もしも同じ人について、事実と反事実の両方のデータがあったとしても、「その人だから、そうなった。」や、「同じ人だとしても、もう１回試して、同じデータになるかはわからない。」という疑問に対しては、その通りです。

一般的な話として、結論を出すには、前者に対しては、大勢の人のデータから調べること、後者については、同じ人について繰り返し調べることが必要です。なお、後者については、前者で代用するしかないです。

仮想的な反事実を考慮するのが理想状態とすると、実際の進め方は、状況によって適したものが変わって来ます。

上記の定義通りにするのなら、因果効果の分析として、処置をした人と、処置をしなかった人の差を見るのは、正しくありません。

処置をした人と、処置をしなかった人に違いがあったとしても、処置をしたからそうなったのか、処置をしなくても違いが出るのかが、区別できないためです。

ただし、現実のデータ分析では、処置をした人と、処置をしなかった人の差を見るしか、方法がないこともあり、そのようなデータ分析がとても多いです。その場合については、「処置をしなくても違いが出るかもしれない。」というのはリスクとして考えて置くのが、実務的な対応方法と思います。

仮想的な反事実のデータをもしも取れるのなら、「薬を飲んだAさんが、もしも薬を飲んでいなかったら」ということを調べられるようになります。これだけでも、仮想的な反事実のデータには、まず、この使い方が考えられます。この分析については、反実仮想データの取得のページがあります。

さらに、「Aさんが薬を飲んだ場合と、飲んでいない場合の差（因果効果）」も調べられるようになります。サンプルごとの因果効果の分析の仮想的な場合への応用です。この分析については、反実仮想による因果効果の分析のページがあります。