事実と反事実の分析

上の図のデータを見ると、「薬なしでも改善あり」や、「薬ありでも改善なし」のデータが、「薬あり・改善あり」よりも多いです。そのため、「薬ありのデータだけで、効果があると説明していて間違った判断」ということに、気付けます。

仮説の検証では、「薬あり・改善あり」と「薬なし・改善なし」に注目しがちですが、「薬あり・改善なし」や「薬なり・改善あり」について、有無の確認が必要です。これらを反事実と言います。

間違った結論にならないために

行動分析学や行動経済学で言われていることですが、人間は、「薬あり・効果あり」のデータだけがそろった途端に、「効果がある」と思ってしまいがちのようです。

また、「効果なし」のデータの割合が高かったとしても、「効果はある」と思ってしまいがちのようです。

日常的な認知と学習では、最初に「効果がある」というデータが出て来た場合、まず、「効果がある」という結論を出してから、その後に得たデータで修正するのが普通のようです。

一方、仮説の検証では、日常的な考え方のクセに気を付け、事実と反事実のデータをそろえてから判断していきます。

反事実は、前提を上手に置くことで、それに近いデータを取得する方法があります。

データがないところから分析をスタートする場合、実験計画法やサンプリングをすることで、反事実のデータに近いデータを得ることができます。

社会現象にように、データの取得をコントロールできない場合や、すでにあるデータの分析からスタートする場合は、反事実の関係になっている部分を見つけて行く方法があります。

計量経済学にある、回帰不連続デザインや、差の差分析などは、反事実の関係と見なせそうなグループで層別する方法です。

事実と反事実の分析は、全体的なものと、局所的なものがあります。