「因」「果」經濟學：數據氾濫時代，不可或缺的商業教養

前言
接受代謝症候群相關的健康檢查，就會長壽嗎？
讓孩子看電視，會降低他們的學習能力嗎？    
進入偏差值高的大學，未來的收入就會提升嗎？
理解「因果關係」，從成見之中解放

第一章　別讓毫無根據的普遍說法騙了你
「因果推論」的核心思維
「因果關係」與「相關關係」是什麼？
確認因果關係的三個要點
1.是不是「純粹的巧合」？
2.是否存在著「第三變數」？
3.是否存在著「反向因果關係」？
證明因果關係所需的「反事實」
沒有時光機，就無法製造反事實？
使用「近似值」代入反事實
不具「可比較性」的群組就無法代入
無法確切想像反事實，就會被毫無根據的普遍觀點所欺騙？
COLUMN 1 只要巧克力的消費量增加，諾貝爾獎得主就會變多？

第二章　接受代謝症候群相關的健康檢查，就會長壽嗎？　
最理想的因果推論型態：「隨機對照試驗」
進行「實驗」，就能證明因果關係
為何非要隨機分配不可呢？
「特定健檢」與「長壽」之間，是否具因果關係？
什麼是「統計上具顯著差異」？
接受健檢也不會因此長命百歲
投入1千2百億日圓稅金的特定健檢
「醫療支出的自費比例」與「健康」之間，是否具有因果關係？
蘭德健康保險實驗的結果
就算提高自費比例，貧困階層以外的健康狀況也沒有改變
COLUMN 2  整合多項研究的「後設分析」

第三章　男性醫師是否比女性醫師更優秀？　
利用類似實驗中偶發狀況的「自然實驗」
使用手邊的數據，重現類似實驗的狀況
「醫師的性別」與「病患的死亡率」之間具有因果關係嗎？
由女性醫師主治的病患死亡率較低
「出生體重」與「健康」之間具有因果關係嗎？
出生體重較重的嬰兒的健康狀態較佳
COLUMN 3  二手菸是否會提高罹患心臟病的風險？

第四章  增設合法保育所，母親就能去上班嗎？　
去除「趨勢」的「差異中之差異法」
模擬實驗的「準實驗」
前後比較並不具意義
事前事後比較研究無效的兩個理由
若是去年營業額為「反事實」，那麼，前後比較就會有效
改良事前事後比較研究的「差異中之差異法」
差異中之差異法成立的兩項先決條件
「合法保育所的數量」與「職場媽媽」之間具有因果關係嗎？
就算合法保育所的數量增加，母親的就業率也沒有上升
基本工資」與「僱傭」之間具有因果關係嗎？
調漲基本工資不會讓僱傭減少
COLUMN4　「不睡覺的孩子會被鬼抓走喔」是正確的教育方式嗎？

第五章   看電視會降低孩子的學習力嗎？    
利用第三變數的「工具變數法」
利用報紙的廣告費優惠
工具變數法成立的兩項先決條件
「看電視」與「學習力」之間具有因果關係嗎？
看電視會提升偏差值
「母親的學歷」與「孩子的健康」之間具有因果關係嗎？
大學畢業的母親，會生下健康狀態良好的孩子
COLUMN5 增加女性管理階層，企業就能有所成長嗎？

第六章　和會讀書的朋友來往，學習力就能提升嗎？　
關注「斷點」的「斷點回歸設計」
「四十九名員工店舖」與「五十名員工店舖」的差異
斷點回歸設計成立的先決條件
「朋友的學習力」與「自己的學習力」之間具有因果關係嗎？
就算周遭圍繞著學習力佳的朋友，自己的學習力也不會提升
「高齡者的醫療支出自費比例」與「死亡率」之間具有因果關係嗎？
就算提高高齡者的醫療自費比例，死亡率也沒有改變
COLUMN 6 「荷爾蒙補充療法」的陷阱

第七章    就讀偏差值高的大學，收入就會提升嗎？　
透過「配對法」創造出兩兩相似的組合
尋找類似的店舖
一舉整合多項共變量的「傾向分數配對」
傾向分數配對成立的先決條件
「大學的偏差值」與「收入」之間具有因果關係嗎？
就算進入偏差值高的大學，收入也不會上升
COLUMN 7 「A/B測試」，商業界的隨機對照試驗

第八章    便於分析現有數據的「回歸分析」
當手邊的數據不適用於評價因果關係時
畫出「理想線」來表達數據
能去除混淆因素影響的「複回歸分析」
COLUMN 8  因果推論如何發展至今？

補論①　分析的「效度」與「極限」
內部效度與外部效度
隨機對照試驗也有其極限
補論②　因果推論的五步驟

結語
參考文獻
 

前言

在本書的一開始，想先對各位讀者提出下列問題。

　　‧接受代謝症候群相關的健康檢查，就會長壽嗎？
　　‧讓孩子看電視，會降低他們的學習力嗎？
　　‧進入偏差值高的大學，未來的收入就會提升嗎？

　　應該很多人的答案為「是」。

　　但是，具公信力的經濟學研究，卻完全否定上述所有說法。

　　多數回答「是」的人，誤將「因果關係」與「相關關係」混為一談。如果你是毫不懷疑地點頭稱是的人，請務必要閱讀本書。想必一定能找到讓你目瞪口呆的大發現。

　　請試用下面的例子思考看看。

　　體力充沛的孩子，通常學習能力也很好。請參考圖表1，這是顯示日本各地體力測驗與學力測驗平均值的圖表。從這份圖表中可以看出，孩子的體力測驗分數高的地方，學力測驗的正確率也較高。

　　那麼，我們是否能因此做出「因(、)為(、)體力好，所以學習力好」的判斷呢？也就是說，想提升孩子的學習力，就必須養孩子的體力嗎？

　　當然沒有這回事。在經濟學的領域裡，「在兩件事項之中，一件事為原因，另一件是結果」的狀態，稱為因果關係。也就是說，如果體力充沛這項「原因」，會帶來學習力提高這項「結果」，那它們的關係便是因果關係。相對的，「兩件事之間雖然有關係，但是並不是原因與結果的關係」則稱為相關關係。若發生的是相關關係，即便「乍看之下很像原因的事情」再度出現，也無法得到預期的「結果」。明確區分因果關係與相關關係是非常重要的。

　　「因(、)為(、)體力好，所以學習力好」的意思，相當於「只要培養體力，（完全不念書）就能提升學習力。」再怎麼想，都很不對勁。因此，與其說體力與學習力的關係是因果關係，倒不如將它認定為相關關係要來得妥當。換句話說，就算孩子努力培養體力，學習力也不會因此上升。

　　從這裡我們可以得知一項極為重要的教訓：若將因果關係與相關關係混為一談，就會依照錯誤的訊息進行判斷。

　　從孩子的體力與學習能力這個例子來看，應該不太會有人搞混因果關係與相關關係。但很遺憾地，在充斥生活的眾多資訊之中，舉出一些「好像是怎麼樣」的例子，就會有很多人深信不疑，將兩者搞混。讓我們回到本書一開始所舉出的三個問題，重新思考一下。

　　‧接受代謝症候群相關的健康檢查，就會長壽。
　　‧讓孩子看電視，會降低他們的學習力。
　　‧進入偏差值高的大學，未來的收入就會提升。

　　若要說這三項普遍觀點正確無誤，那「健康檢查」與「長壽」之間、「看電視」與「孩子的學習力」之間、以及「大學的偏差值」與「收入」之間所存在的就不是相關關係，而必須是因果關係。究竟兩件事的關係是因果關係，或是僅止於相關關係呢？讓我們依序看下去。

　　接受代謝症候群相關的健康檢查，就會長壽嗎？

　　在公司或學校，都會定期舉辦健康檢查。在日本，最為人熟知的應該就屬「代謝症候群相關的健康檢查」。大概有很多人堅信，只要透過進行特定的健康檢查，便能得知自己的健康狀態、預防生活習慣病，若能因此發現潛伏的疾病，甚至可能因此長壽吧。

　　請見圖表2。接受了與代謝症候群相關的健康檢查、並調整生活習慣的人，隔年似乎腰圍縮減、體重下降，血糖值與血壓也跟著降低。

　　乍看之下，只要接受相關健康健查，就會變得健康，也能夠長命百歲。

　　但是希望各位能停下來好好思考：我們是否真的能以這份數據為依據，宣稱「因(、)為(、)接受相關健康檢查而長壽」呢？重要的是，我們必須釐清健康檢查與健康之間所存在的，究竟是因果關係、還是相關關係？同樣的數據，其實也能這樣解釋：也許這並非代表「因(、)為(、)接受相關健康檢查而長壽」（因果關係），而只是「本身注重身體健康進而接受相關健康檢查的人，自然能長壽」（相關關係）而已。

　　在這裡先提早公布結論。根據具公信力的經濟學研究顯示，代謝症候群相關的健康檢查與長壽之間並沒有因果關係。

　　因此，只因為「每年都接受健康檢查」就認為自己沒問題的想法是很危險的。詳細會在本書第二章進行說明。

　　讓孩子看電視，會降低他們的學習能力嗎？    

　　一定有很多家長抱持著「孩子老是在看電視」的煩惱。根據日本厚生勞動省的統計，小學六年級的學生平日約2‧2小時、假日約2‧4小時的時間，是在電視機前度過。

　　從圖表3看來，一天花費三小時以上看電視的孩子，學力測驗的成績比只看一小時電視的孩子來得差。光從這份資料判斷，看電視似乎會對學習造成不良的影響。

　　但是，我們必須好好思考看電視與孩子的學習力之間，究竟是因果關係還是相關關係？是「因(、)為(、)看電視，使得學習力下降」（因果關係）；或者不過是「學習力越低下的孩子，越常看電視」（相關關係）而已呢？

　　我也先公布這個問題的答案。根據具公信力的經濟學研究，看電視的時間與學習力之間，確實存在著因果關係，但研究卻指出看電視的時間較長，學習力並不會下降，反而會提升。我會在第五章進行更詳細的說明。

　　***

　　理解「因果關係」，從成見之中解放

　　因果關係是否真正存在？近來的經濟學研究為了回答這個問題，投入了龐大的資源。正確分辨因果關係與相關關係的方法學，被稱為「因果推論」。

　　「因果」指的是字面上的「原因與結果」，「推論」則是指「以某件事實為基礎，藉此推測其他的事項。透過反覆的推理與推斷導出結論。」換句話說，就是判斷兩件事是否互為因果，並推導出結論。

　　即使是在日常生活之中，只要能理解因果關係與相關關係的差異，好好磨練「是否真的存在因果關係」的思考能力，就不會被成見或毫無根據的一般觀點所侷限，進而做出正確的判斷。有鑑於此，本書使用了淺顯易懂的語言，從頭到尾仔細說明奠基於因果推論的思考模式，不妨將本書視為介紹因果推論的「基礎中的基礎」。因為講的是基礎中的基礎，自然不需要任何經濟學的預備知識，也完全不會用到數學公式。

　　此外，本書將介紹利用因果推論與數據所進行的經濟學研究成果，並以相當的篇幅說明它們該如何解讀。在「大數據」一詞廣為風行的現代，任何人都能輕易進行數據分析。但是，這並不代表我們能正確地解釋數據分析的結果。若想在大數據時代之中生存，我們不只要學習數據分析，也需要培養解釋數據分析結果的能力。

　　***

　　在美國，因果推論已被納入大學課程之中，不僅用於商務決策與政策制定，許多人在日常對話中也時常意識到因果關係的存在。相對來說，在日本幾乎沒有機會能有系統地學習因果推論。或許就是因為這樣，我們才會不時在電視或報紙上，見到將單純的相關關係誤述為因果關係的報導。就連企業經營者或決策者，也常會發生將因果關係與相關關係混為一談的情況。

　　事實上並非因果關係而且毫無根據的普遍觀點，在教育與醫療的領域中可說比比皆是。本書將援引與我們生活息息相關的教育與醫療事例，竭盡全力讓各位讀者培養出因果推論的基本思維。

　　十九世紀的美國思想家兼作家愛默生(Ralph Emerson)曾這麼說過：「膚淺的人相信運氣，強者則相信因果關係。」

　　「因果推論」是數據氾濫的時代中，人人不可或缺的教養。