Establishing a Caus-Effect Relationship

どのようにして、因果関係を確立するのでしょうか。 どのような基準を満たせばよいのでしょうか？

時間的優先順位

まず、原因が結果の前に起こったことを示すことができなければなりません。 簡単に聞こえますよね。 もちろん、自分の原因が結果の前に起こっていなければなりません。 原因の前に結果があるということを聞いたことがありますか？ 理屈をこねる前に、経済学の典型的な例を考えてみましょう。 インフレになると、コスト削減のために従業員を解雇しなければならない企業が増えるというのは、確かにもっともな話だと思います。 つまり、インフレは少なくとも部分的には失業の原因となりうると考えられるのです。 しかし、インフレ率と雇用率はともに継続的に発生しています。 雇用の変動がインフレに影響を与えるということはあるのでしょうか？ もし労働力が増えれば（つまり失業率が下がれば）、商品に対する需要が増え、少なくとも供給が追いつくまでは価格が上昇する（つまりインフレになる）傾向があるでしょう。 では、インフレと失業、どちらが原因でどちらが結果なのでしょうか？ 継続的なプロセスが相互に影響し合うこのような循環的な状況では、どちらも原因となる可能性があり、また逆に影響を受ける可能性もあることがわかりました。

原因と結果の共分散

これは何を意味するのでしょうか。 因果関係があることを示す前に、ある種の関係があることを示さなければなりません。 例えば、次のようなシラバスを考えてみましょう：

if X then Y
if not X then not Y

Xが存在するときはYも存在し、Xが存在しないときはYも存在することを観察すれば、XとYの間に関係があることを証明できます。

if program then outcome
if not program then not outcome

あるいは、口語的に言えば、「プログラムを与えれば結果が観察されるが、プログラムを与えなければ結果は観察されない」ということになります。 これは、プログラムと結果が関連していることを示す証拠です。 しかし、この五十音順は、プログラムが結果を引き起こしたという証拠にはならないことに注意してください。おそらく、プログラムではなく、結果を引き起こした他の要因がプログラムと一緒に存在したのでしょう。 これまで説明してきた関係は、どちらかというと単純な二項関係です。

プログラムの量が多ければ結果も多くなる
プログラムの量が少なければ結果も少なくなる

もっともらしい代替案がない

関係があることを示したからといって、それが因果関係であるとは限りません。 何か他の変数や要因が結果を引き起こしている可能性があります。 これは、「第3の変数」や「行方不明の変数」の問題と呼ばれることがあり、内部妥当性の問題の核心となっています。 もっともらしい代替説明にはどのようなものがあるでしょうか。

内部妥当性を実証したと主張するために、つまり因果関係があることを示したと主張するために、もっともらしい代替説明を「排除」しなければなりません。 そのためにはどうすればよいのでしょうか。 主な方法の1つは、研究デザインです。 ここでは、内部妥当性に対する単純な単一グループの脅威、つまり履歴の脅威について考えてみましょう。 プログラムグループがプログラムを開始する前に測定し（ベースラインを確立するため）、プログラムを提供し、その後、ポストテストで彼らのパフォーマンスを測定したとします。 その結果、彼らのパフォーマンスが著しく向上していることがわかり、あなたはその原因がプログラムにあると推論したいとします。 もっともらしい別の説明の1つは、あなたには歴史的な脅威があるということです。つまり、向上の原因はあなたのプログラムではなく、他の特定の歴史的な出来事なのです。 例えば、喫煙の減少を引き起こしたのは禁煙キャンペーンではなく、事前テストと事後テストの間にたまたま発表された外科医総監の最新の報告書であるということです。 これを研究デザインで除外するにはどうしたらいいでしょうか？ 最も簡単な方法の1つは、コントロールグループを使用することです。コントロールグループとは、プログラムグループと同等のグループで、唯一の違いはプログラムを受けていないことです。 しかし、彼らは軍医総監の最新の報告書を経験しています。

プログラムの評価を含むほとんどの応用社会研究では、効果を測定する前にプログラムを実施するため、時間的な先行性を満たすことは難しい基準ではありません。 また、共分散の確立は、プログラムをある程度コントロールでき、プログラムを受ける人と受けない人がいるように設定することができるので、比較的簡単です (If X and if not X)。 一般的に最も難しい基準は、3番目の「観察された効果に対する別の説明を排除すること」です。 これが、研究デザインが非常に重要な問題であり、内部妥当性の考え方と密接に関連している理由です。