データ分析の力 因果関係に迫る思考法 伊藤 公一朗(光文社新書)
1.因果関係である事の確認方法（相関関係との違い）
(1)例：広告を打つと売上が伸びる（相関関係があるが、因果関係となっているかどうか確認が必要）
(2)３つの確認ポイント
①X（広告を打ったこと）がY（売上）にどんな影響を与えたか
②Y（売上が伸びたこと）がX（広告）にどんな影響を与えたか
③V(他の要因）がX（広告）とY（売上）にどんな影響を与えたか
(3)相関関係であるが因果関係とはなっていない事の確認方法
例：電気をつけたまま子供を寝かせる(X)と近視(Y)になる
①X（電気をつけたまま子供を寝かせること）はY（近視）に影響与えていない
②Y（近視になること）がX（電気をつけたまま子供を寝かせること）にも影響を与えていない
③実は、V（親が近視であること）がX（親が近視なので電気をつけたまま子供を寝かせがち）とY（親からの遺伝で子供も近視が多い）共に影響を与えていた
→今回の例では見つかったが、V（他の要因）を全て確認する事は、実際は難しい
2.RCT(Randomized Controlled Trial：ランダム化比較試験）
(1)因果関係を明らかにするデータ分析
例：電力価格を上げると節電につながるか？
(2)介入効果
例：2012年夏に電力価格を上げなかった時のAさんの消費量ー電力価格を上げた時の消費量（この差が介入効果）
①問題は、データを同時観測できないこと（2012年夏に価格を上げる/上げない何れかしかAさんは決定できない）
②医療分野（薬を投与する/しない）、広告（広告を打つ/打たない）も同じ
(3)介入グループと比較グループ
①介入したグループと介入しないグループ（＝比較グループ）で統計を取り因果関係を見つける
1個人では介入した時しか確認できないため
②介入グループと比較グループ何れも介入する前の平均消費量が同じである事がポイント
ランダムに数多く振り分けること
2.RDデザイン(Regression Discontinuity Design：回帰不連続設計）
(1)境界線（での変化）をうまく使うデータ分析
例：医療サービス自己負担が3割から1割に減少する70歳を境界として、外来患者が約10％上昇
(2)境界（70歳）を超えたとたん、傾向が不連続（外来患者が急に10％上昇）となっている
(3)対象主体(年齢)の詐称はできない事、かつ他の条件（就業率、収入など）で70歳を境に不連続な影響を与えていないかどうかの確認が必要
3.集積分析(Bunching Analysis)
(1)階段状の変化をうまく利用するデータ分析
例：所得税率など、ある幅（年収300万まで10％、700万まで20％など）を持ってインセンティブが決まるもの
(2)RDデザインと違い、インセンティブにより対象主体(収入)自体がどう不連続に変化するかを分析する事が目的
例：年収300〜700万未満までを税率10％とすると、700万を越えないギリギリの地点での対象者の集積が発生
4.実践編
(1)消費税の税込価格を表示させると、税抜価格だけの場合より売上が平均8％下がる＜スタンフォード大学と大手スーパーマーケットとのRCT＞
ちなみにこの時の消費税率もほぼ8％
(2)価格据え置き(1.0倍）で利用量がほぼ1億円だったものを価格1.5倍にすると、利用量が0.8億円となる＜シカゴ大学とウーバーとのRCT＞
