【因果推論】逆確率重み付け（IPW）ってなんやねん

1. はじめに

この記事で学べること

この記事では、逆確率重み付け（Inverse Probability Weighting: IPW）という統計手法を、実務のどのような場面で活用できるのかを解説します。

• IPWが解決できる実務上の課題
• 具体的な業務シーンでの使い方
• IPWを使うべき状況と避けるべき状況の判断基準
• 他の手法との使い分け方

統計の専門家でなくても、自分の業務で使えそうかどうかを判断できる内容を目指しています。

IPWが活躍する場面とは

IPWは、施策や介入の効果を正しく測定したいけれど、ランダムに割り当てることができない状況で力を発揮します。

例えば、以下のような場面です。

• マーケティング施策を一部の顧客にだけ実施した後で効果を測りたい
• 医療現場で治療法の選択が患者の状態に依存している
• サンプル数が限られていて、データを捨てたくない

このような「完璧な実験はできないけど、できるだけ正確に効果を知りたい」というニーズに応えるのがIPWです。

2. IPWの基本的な考え方（シンプルに）

サンプルの偏りを補正する仕組み

実務のデータには偏りがあります。例えば、新しいサービスプランを提案する際、営業担当者は「成約しそうな顧客」を優先的に訪問するかもしれません。

この場合、プランを提案された顧客と提案されなかった顧客では、もともとの特性が異なります。単純に成約率を比較しても、プランの真の効果はわかりません。

IPWは、この偏りを「重み」をつけることで補正します。

「重み」が持つ意味

IPWの重みは、「このサンプルがデータに現れる確率の逆数」です。

具体例で考えてみましょう。ある顧客が新プランを提案される確率が80%だとします。この顧客は、データに現れやすい（選ばれやすい）わけですね。そこで、重みを1/0.8 = 1.25とすることで、この「現れやすさ」を調整します。

逆に、提案される確率が20%の顧客は、データに現れにくいので、重みを1/0.2 = 5.0として、影響力を大きくします。

顧客タイプ	提案される確率	重み	意味
優良顧客	80%	1.25	選ばれやすいので重みを小さく
一般顧客	50%	2.0	標準的な重み
新規顧客	20%	5.0	選ばれにくいので重みを大きく

なぜ「逆確率」なのか

確率の「逆数」を使うことで、偏ったサンプリングを補正できます。

選ばれやすいサンプル（確率が高い）は重みを小さくし、選ばれにくいサンプル（確率が低い）は重みを大きくする。これにより、すべてのタイプの顧客が均等に代表される擬似的なデータセットを作れるわけですね。

3. IPWが役立つ具体的なシーン

シーン1：A/Bテストができない施策評価

状況
ECサイトで新しいクーポン配信施策を開始したいと考えています。しかし、システムの制約でランダム配信ができず、過去の購買実績に基づいて配信対象を決めています。

課題
購買実績の高い顧客にクーポンが集中するため、単純比較では施策の効果を過大評価してしまいます。

IPWの活用方法
各顧客の「クーポンを受け取る確率」を、購買実績・閲覧履歴・会員ランクなどから推定します。そして、この確率に基づいて重みを計算し、効果を推定します。

メリット

• 過去データをそのまま活用できる
• ランダム化実験を待たずに効果検証できる
• 顧客体験を損なわない

シーン2：サンプルサイズが限られている分析

状況
希少疾患の新しい治療法の効果を分析したいケースです。患者数が少なく、データは貴重です。

課題
傾向スコアマッチング（PSM）を使うと、マッチできない患者を除外することになり、ただでさえ少ないデータがさらに減ってしまいます。

IPWの活用方法
すべての患者データを活用しながら、治療選択の偏り（重症患者ほど新治療を受けるなど）を重み付けで補正します。

比較：PSMとIPW

手法	元のサンプル数	分析に使うサンプル数	情報損失
PSM	100人	60人（マッチング後）	40人分のデータを捨てる
IPW	100人	100人（全員）	データ損失なし

メリット

• 貴重なデータをすべて活用できる
• 統計的検出力を維持できる
• 希少なケースの情報も反映される

シーン3：複数のセグメントで同時に効果を知りたい

状況
新しいロイヤリティプログラムを導入しました。全顧客での効果と、既存のロイヤル顧客での効果の両方を知りたいというニーズがあります。

課題
PSMでマッチングすると、マッチした集団での効果しかわかりません。別のセグメントを分析するには、再度マッチングが必要です。

IPWの活用方法
重みの計算方法を変えることで、異なる推定目的に柔軟に対応できます。

• 全顧客での効果（ATE）：標準的なIPW重み
• ロイヤル顧客での効果（ATT）：処置群の分布に合わせた重み
• 新規顧客での効果（ATC）：対照群の分布に合わせた重み

メリット

• 一度の分析で複数の推定目的に対応
• セグメント別の効果を効率的に把握
• 意思決定に必要な情報を包括的に提供

シーン4：時系列データでの施策評価

状況
新機能を段階的にリリースしており、早期ユーザーと後期ユーザーで特性が異なります。早期ユーザーはテクノロジーに敏感なアーリーアダプターが多い傾向があります。

課題
リリース時期による選択バイアスがあり、時間経過とともにユーザー層が変化しています。

IPWの活用方法
各時点でのユーザー特性を考慮して傾向スコアを計算し、時期による偏りを補正します。これにより、異なる時期のユーザーを公平に比較できます。

メリット

• 段階的ロールアウトのデータを有効活用
• 時期による選択バイアスを補正
• 長期的な効果のトレンドを正確に把握

4. IPWを使うべき状況・避けるべき状況

IPWが適している3つの条件

条件1：サンプルサイズを維持したい

データが限られている場合や、すべてのサンプルに価値がある場合、IPWは理想的です。マッチングのようにデータを捨てることなく、全体を活用できます。

条件2：複数の推定目的がある

全体の効果、特定グループの効果、異なるセグメントでの効果など、複数の角度から分析したい場合、IPWは効率的に対応できます。

条件3：傾向スコアモデルの精度に自信がある

豊富な共変量データがあり、施策選択のメカニズムをよく理解している場合、IPWは高い精度で効果を推定できます。

IPWを避けるべき3つのケース

ケース1：傾向スコアが極端な値になる

一部のサンプルの傾向スコアが0に近い、または1に近い場合、重みが極端に大きくなります。これは推定の不安定さにつながるため注意が必要です。

目安：傾向スコアの分布を確認し、0.05未満や0.95超のサンプルが10%以上ある場合は要注意です。

ケース2：重要な交絡因子が測定できていない

IPWは観察された変数しか調整できません。重要な要因が測定されていない場合、バイアスが残ります。

例：オンライン広告の効果分析で、ユーザーの「購買意欲」が測定できていない場合、IPWでも正確な効果は推定できません。

ケース3：サンプル数が十分にある場合

数千〜数万のサンプルがあり、PSMでマッチングしても十分なデータが残る場合、PSMの方がシンプルで解釈しやすいかもしれません。

5. 他の手法との使い分け

傾向スコアマッチング（PSM）との比較

PSMとIPWは、同じ傾向スコアを使いますが、アプローチが異なります。

PSMが向いている場合

• サンプル数が十分にある（マッチング後も十分なサンプルが残る）
• 直感的な説明が必要（「同じような人同士を比較しました」と説明しやすい）
• 極端な傾向スコアを持つサンプルが多い

IPWが向いている場合

• サンプル数が限られている
• 複数の効果指標を一度に推定したい
• 統計的効率性を重視する

併用する選択肢
両方の手法で分析し、結果が一致することを確認すると、推定の頑健性が高まります。

単純な比較分析との違い

単純比較は、処置群と対照群を直接比較する方法です。

観点	単純比較	IPW
バイアス補正	なし	あり
必要な仮定	ランダム割り当て	条件付き独立性
実装の容易さ	簡単	やや複雑
結果の信頼性	偏りが大きい可能性	偏りを補正済み

単純比較で効果がないように見えても、IPWで分析すると効果が見つかることがあります。逆に、単純比較で効果があるように見えても、実は選択バイアスだったということもあります。

回帰分析との組み合わせ

IPWと回帰分析を組み合わせる「ダブルロバスト推定」という手法もあります。

この手法の優れた点は、傾向スコアモデルか結果モデルのいずれかが正しければ、正確な推定ができることです。どちらかのモデルが間違っていても、もう一方が正しければカバーできるわけですね。

使い所

• モデルの仮定に不安がある場合
• より頑健な推定を求める場合
• 学術的な厳密さが求められる場合

6. 実務で使う際の注意点

データの準備で気をつけること

必要な変数を確実に収集する

IPWの精度は、どの変数を含めるかに大きく依存します。以下の変数は必ず含めましょう。

• 施策選択に影響する変数（なぜその人が選ばれたのか）
• 結果に影響する変数（何が結果を左右するのか）
• 両方に影響する変数（交絡因子）

チェックリスト

• ドメイン知識を活用して変数を選定したか
• 過去の類似分析で重要だった変数を含めたか
• ステークホルダーに変数の妥当性を確認したか

欠損値への対処

欠損値がある場合、以下の対応を検討します。

• 欠損が少ない（5%未満）：その行を除外
• 欠損が多い（5%以上）：補完手法を検討（平均値補完、多重補完など）
• 欠損自体に意味がある：欠損フラグを作成

よくある失敗パターンと対処法

失敗1：重要な交絡因子を見落とす

症状：IPWの結果が直感と大きく異なる、または単純比較とほぼ同じ

対処法：

• ドメイン専門家に相談する
• 先行研究や類似ケースを調査する
• 感度分析で未測定交絡の影響を評価する

失敗2：極端な重みを放置する

症状：推定値の標準誤差が異常に大きい、わずかなデータ変更で結果が大きく変わる

対処法：

• 重みの分布を可視化する
• 極端な重みを持つサンプルの特性を確認する
• 重みの打ち切りや安定化を検討する

失敗3：バランスチェックを怠る

症状：IPW適用後も処置群と対照群で共変量の分布が異なる

対処法：

• 重み付き後の共変量分布を確認する
• 標準化差分（SMD）を計算する（0.1以下が目安）
• バランスが悪い場合は傾向スコアモデルを見直す

7. まとめ

IPW活用の判断基準まとめ

IPWは以下のような状況で特に有効です。

データの制約がある場合

• サンプル数が限られている
• すべてのデータに価値がある
• データを捨てたくない

分析の柔軟性が必要な場合

• 複数の効果指標を推定したい
• 異なるセグメントでの効果を知りたい
• 段階的に展開された施策を評価したい

適切な条件が整っている場合

• 重要な交絡因子が測定されている
• 傾向スコアが極端な値にならない
• 因果推論の仮定が満たされる

参考資料・ツール紹介

学習リソース

• 『統計的因果推論の理論と実装』：因果推論の基礎から応用まで
• 『岩波データサイエンス』：実務での活用事例が豊富