---
title: "相関があっても因果とは限らない理由を例で理解する【DS検定】"
description: "アイス売上や広告費の例を使い、相関だけでは因果を断定できない理由を確認します。代表ページで整理した相関と因果の違いを、初学者向けの具体例で復習します。"
last_modified_at: "2026-06-24"
canonical_url: "https://stemtazoo.github.io/ds/correlation-and-causation/"
section: "ds"
---
DS検定トップ
＞ 相関があっても因果とは限らない理由を例で理解する【DS検定】
## まず結論
**相関とは「一緒に変化する関係」、因果とは「原因と結果の関係」です。**
このページでは、相関と因果の網羅的な整理ではなく、アイス売上や広告費のような具体例から「相関があっても因果とは限らない」理由を理解します。
DS検定では、「相関がある＝原因である」と早合点していないかを問われることが多いです。
## 直感的な説明
例えば、
- 気温が上がるとアイスクリームの売上が増える
これはよくある例です。
確かにデータを見ると、両者は一緒に増えています。
これが「相関」です。
しかし、
- 気温が上がることが直接の原因なのか？
- それとも「夏休み」「人出の増加」など別の要因があるのか？
ここまではデータだけでは分かりません。
ビジネスの現場でも、
「売上と広告費に相関がある」からといって、
必ずしも広告が原因とは限らないのです。
## 定義・仕組み
### 相関（correlation）
2つの変数がどれくらい「一緒に変化しているか」を表す関係です。
- 正の相関：一方が増えると、もう一方も増える
- 負の相関：一方が増えると、もう一方は減る
重要なのは、
> 相関は「同時変化」を示すだけで、原因までは示さない
という点です。
### 因果（causation）
ある出来事が「原因」となり、
別の出来事が「結果」として起こる関係です。
因果を主張するには、
- 他の要因（交絡因子）を排除する
- 実験やランダム化で検証する
といった設計が必要になります。
DS検定では、
「観察データから相関が確認された」と書かれているだけなら、
因果を断定するのは危険です。
## どんな場面で使う？
### 使うべき場面
- データ分析結果を解釈するとき
- ビジネス施策の効果を議論するとき
- AIやモデルの説明を行うとき
特にビジネス文脈では、
> 「相関を因果と誤解していないか」
が非常に重要です。
### 誤解しやすい場面
- 回帰分析を行った
- 交絡因子を調整した
と書いてあると、因果と勘違いしやすいです。
しかし、
- 観察データのみ
- ランダム化なし
であれば、基本は「因果の可能性」にとどまります。
## よくある誤解・混同
### ① 相関が高い＝原因である
→ これは誤りです。
DS検定では、
> 「強い相関があるため、AはBの原因である」
と書かれていたら要注意です。
### ② 交絡因子を入れた＝因果と断定できる
→ これも基本は誤りです。
交絡を調整しても、
- 未知の交絡が残っている可能性
- サンプル数が十分でない可能性
があります。
### ③ ランダム化すれば何でも断定できる
→ これも言い過ぎです。
ランダム化は因果を議論する「設計」ですが、
- サンプル数
- 統計的有意性
によって結論の強さは変わります。
## まとめ（試験直前用）
- 相関＝一緒に変化する関係
- 因果＝原因と結果の関係
- 観察データのみなら因果断定は危険
- 「強い相関があるから原因」と書かれていたら切る
DS検定では、
「言い過ぎている選択肢」を見抜けるかが勝負です。
## 対応スキル項目（データサイエンス力シート）
- データ理解
- 統計的思考
- ★ 相関と因果の違いを理解している