【因果推論】 重回帰分析で交絡因子を調整する

1. はじめに

データ分析において、ある要因が結果に与える影響を正しく評価したい場合、交絡因子の調整は避けて通れない重要なテーマです。この記事では、重回帰分析を使って交絡因子を調整する方法について、具体例を交えながら解説します。

この記事で学べること

• 交絡因子とは何か、なぜ問題になるのか
• 単回帰分析と重回帰分析の違い
• 偏回帰係数の解釈方法
• 信頼区間を使った推定の精度評価

想定読者

• 統計学の基礎知識がある方
• 回帰分析を使ったことがあるが、交絡調整の詳細を理解したい方
• 因果推論に興味がある方

それでは、具体例を使いながら見ていきましょう。

2. 交絡因子とは何か

交絡の定義

交絡因子とは、原因と結果の両方に影響を与える第三の変数のことです。この交絡因子が存在すると、原因と結果の真の関係を正しく推定できなくなります。

なぜ交絡が問題になるのか

例えば「コーヒーを飲むと心臓病のリスクが上がる」という分析結果があったとします。しかし、この関係には喫煙という交絡因子が隠れているかもしれません。

• コーヒーを飲む人は喫煙者が多い
• 喫煙は心臓病のリスクを上げる

この場合、コーヒーではなく喫煙が真の原因である可能性があります。交絡因子を調整しないと、コーヒーの効果を誤って評価してしまいますね。

交絡の構造

交絡が起こる構造を図で表すと以下のようになります。

交絡因子が原因変数と結果変数の両方に影響を与えるため、原因変数と結果変数の間に見かけ上の関連が生じます。この見かけの関連には、交絡因子による影響が混入しているのです。

3. 具体例：運動時間と体重減少の関係

ここからは具体的な例を使って、交絡調整の方法を見ていきます。

研究の設定

ある研究で「運動時間が体重減少に与える効果」を調べたいとします。100人を対象に、週あたりの運動時間と3ヶ月後の体重減少量を測定しました。

変数の定義：

• 結果変数：体重減少量（kg）- 減った体重の量
• 原因変数：週あたりの運動時間（時間）
• 交絡因子：年齢（歳）

交絡因子としての年齢

この研究では、年齢が交絡因子として働く可能性があります。なぜなら：

1. 年齢と運動時間の関係

   • 高齢者ほど運動時間が短い傾向がある
   • 体力の低下や時間的制約が影響

2. 年齢と体重減少の関係

   • 高齢者ほど基礎代謝が低く、体重が減りにくい
   • 若年者の方が同じ運動量でも効果が大きい

交絡構造の可視化

この例における交絡の構造を図で表します。

年齢を調整しないと、運動時間の効果に年齢による影響が混入してしまい、真の効果を正しく推定できません。

4. 単回帰分析と重回帰分析の比較

交絡因子を調整する前と後で、どのように推定結果が変わるのかを比較してみましょう。

4.1 調整なし（単回帰分析）の問題点

まず、年齢を考慮せずに単回帰分析を行った場合を考えます。

モデル式：

体重減少 = β₀ + β₁ × 運動時間 + ε

この場合、β₁には年齢の影響が混入しています。

仮に以下のようなデータがあったとします：

対象者	年齢	運動時間	体重減少
A	30歳	10時間/週	3kg
B	50歳	5時間/週	1kg
C	40歳	8時間/週	2.5kg

単回帰分析では、運動時間が多い人ほど体重が減っているように見えます。しかし、よく見ると運動時間が多い人は年齢も若く、若い人は代謝も高いため、運動時間の効果なのか年齢の効果なのか区別できません。

4.2 交絡因子を調整する（重回帰分析）

次に、年齢を調整した重回帰分析を行います。

モデル式：

体重減少 = β₀ + β₁ × 運動時間 + β₂ × 年齢 + ε

このモデルでは、年齢を固定した条件下での運動時間の効果を推定できます。

4.3 偏回帰係数の意味

重回帰分析で得られるβ₁は偏回帰係数と呼ばれ、以下のように解釈します。

「年齢を一定に保った条件下で、運動時間が1時間増えたときの体重減少量の変化」

これは統計的に偏効果（partial effect）と呼ばれるもので、交絡因子の影響を取り除いた後の純粋な効果を表します。

具体的には：

• 同じ年齢の人たちの中で比較
• 運動時間だけが異なる場合の効果

例えば、β₁ = 0.5 という結果が得られた場合：

「40歳の人たちの中で、運動時間が1時間増えると体重が0.5kg減る。同様に、50歳の人たちの中でも、運動時間が1時間増えると体重が0.5kg減る」

このように、年齢に関係なく運動時間の効果を統一的に評価できるのです。

調整前後での推定値の変化（仮想例）

調整前（単回帰）：β₁ = 0.3

• 運動時間が1時間増えると体重が0.3kg減る
• ただし、年齢の影響が混入している

調整後（重回帰）：β₁ = 0.5

• 同じ年齢の人で比較すると、運動時間が1時間増えると体重が0.5kg減る
• 年齢の影響を除いた真の効果

調整前の推定値0.3kgには、「若い人ほど運動時間が多く、かつ代謝も高い」という年齢による交絡が含まれていたため、運動時間の真の効果を過小評価していたことがわかります。

5. 回帰係数の解釈

偏回帰係数の符号と大きさが何を意味するのか、詳しく見ていきましょう。

5.1 係数の符号が持つ意味

モデル式を再確認します。

体重減少 = β₀ + β₁ × 運動時間 + β₂ × 年齢 + ε

ここで「体重減少」は減った体重の量（kg）を表すため、値が大きいほど多く減ったことを意味します。

5.2 正の係数と負の係数

β₁の符号によって、運動時間と体重減少の関係が変わります。

β₁が正の場合

β₁ = 0.5（正の値）

解釈：

• 運動時間が1時間増えると、体重減少量が0.5kg増える
• つまり「運動するほど体重が減る」という期待される方向

これは理論的に予想される結果ですね。

β₁が負の場合

β₁ = -0.3（負の値）

解釈：

• 運動時間が1時間増えると、体重減少量が0.3kg減る
• つまり「運動するほど体重が減らない（または増える）」という逆の関係

この結果は理論と矛盾するため、もし実際に負の係数が得られた場合は以下を確認する必要があります：

1. データの入力ミスがないか
2. 変数の定義が正しいか（減少量 vs 増加量）
3. 重要な交絡因子が欠落していないか
4. 非線形関係や交互作用効果がないか

5.3 「相関」と「偏効果」の違い

ここで重要な概念の違いを整理しておきます。

単純相関

交絡因子を考慮せずに、2変数間の関係を見たもの。

偏効果（偏回帰係数）

交絡因子を調整した後の関係。重回帰分析で得られます。

重回帰分析のβ₁は厳密には「偏回帰係数」であり、単純な相関係数とは異なる概念です。より正確には以下のように表現します：

• 単純相関：「運動時間と体重減少に関連がある」
• 偏回帰係数：「年齢を調整した後でも、運動時間と体重減少に関連がある」

偏回帰係数は条件付き関連や偏効果と呼ばれ、交絡因子の影響を取り除いた後の純粋な効果を表します。

統計的有意性との関係

係数の符号と統計的有意性は別の概念です。

• β₁ ≠ 0（統計的に有意）：運動時間と体重減少に関連がある

  • β₁が正でも負でも、0でなければ関連は存在する

• β₁の符号（正/負）：関連の方向性を示す

  • 正：運動時間が増えると体重減少量が増える
  • 負：運動時間が増えると体重減少量が減る

例えば、β₁ = -0.3 で統計的に有意であれば、「運動時間と体重減少に負の関連がある」ことを示します。つまり、運動時間が増えると体重が減りにくくなるという、理論的には予想外の結果です。

6. 信頼区間による推定の精度評価

係数の点推定値だけでは、推定の不確実性がわかりません。ここでは、信頼区間を使った評価方法を解説します。

6.1 なぜ点推定値だけでは不十分なのか

例えば、β₁ = 0.5 という結果が得られたとします。しかし、これはサンプルデータから得られた推定値であり、真の値には幅があります。

点推定値だけではわからないこと：

• この推定値はどれくらい正確なのか
• 真の値が取りうる範囲はどこからどこまでか
• 統計的に意味のある効果と言えるのか

これらの疑問に答えるために、95%信頼区間を使います。

6.2 95%信頼区間の読み方

95%信頼区間は、真の値が95%の確率で含まれる範囲を示します（厳密には、同じ方法で100回推定を繰り返した場合、95回はこの区間に真の値が含まれるという意味）。

具体的な例で見てみましょう。

ケース1：統計的に有意（正の効果）

β₁ = 0.5（点推定値）
95%信頼区間：[0.2, 0.8]

この結果から読み取れること：

• 真の効果は0.2kg〜0.8kgの範囲にある可能性が高い
• 信頼区間が0を含まない → 統計的に有意
• 信頼区間がすべて正 → 運動時間の増加が体重減少を促進すると結論できる

ケース2：統計的に有意でない

β₁ = 0.3（点推定値）
95%信頼区間：[-0.1, 0.7]

この結果から読み取れること：

• 真の効果は-0.1kg〜0.7kgの範囲
• 信頼区間が0を含む → 統計的に有意ではない
• 運動時間の効果があるとは言えない
• サンプルサイズ不足やデータのばらつきが大きい可能性

点推定値は0.3と正の値ですが、信頼区間が0を含むため、真の効果が0（つまり効果なし）である可能性も否定できません。

ケース3：統計的に有意（負の効果）

β₁ = -0.4（点推定値）
95%信頼区間：[-0.7, -0.1]

この結果から読み取れること：

• 真の効果は-0.7kg〜-0.1kgの範囲
• 信頼区間が0を含まない → 統計的に有意
• 信頼区間がすべて負 → 運動時間が増えると体重が減りにくい

この結果は理論と矛盾するため、データや分析方法の見直しが必要です。

6.3 統計的有意性の判定

信頼区間を使った統計的有意性の判定は、p値による判定と対応しています。

ただし、信頼区間の方が以下の点で優れています：

1. 効果の大きさの範囲がわかる
2. 推定の精度が視覚的に理解できる
3. 実質的意義を評価しやすい

そのため、近年の統計学では信頼区間を重視する傾向があります。

6.4 実質的有意性の考え方

統計的に有意であっても、実質的な意味がない場合があります。

例1：統計的には有意だが実質的な効果は小さい

β₁ = 0.05（点推定値）
95%信頼区間：[0.02, 0.08]
p < 0.05

この場合：

• 統計的には有意（信頼区間が0を含まない）
• しかし運動1時間で0.05kgしか減らない
• 実質的な効果は非常に小さく、臨床的・実用的には意味がない可能性

例2：統計的には非有意だが実質的には意味がある可能性

β₁ = 0.8（点推定値）
95%信頼区間：[-0.1, 1.7]
p = 0.08（非有意）

この場合：

• 統計的には有意でない（信頼区間が0を含む）
• しかし点推定値は0.8kgと大きい
• サンプルサイズを増やせば有意になる可能性
• 実質的には重要な効果かもしれない

信頼区間を見ることで、単なる統計的有意性だけでなく、効果の大きさも含めた総合的な判断ができます。

実務での報告例

論文や分析報告では、以下のように記載します。

「年齢を調整した重回帰分析の結果、運動時間の偏回帰係数は0.5（95%CI: 0.2-0.8, p = 0.002）であった。これは、年齢が同じ人たちの中で運動時間が1時間増加すると、体重が0.5kg減少することを示している」

この記載から読み取れる情報：

• 点推定値：0.5kg/時間
• 効果の範囲：最小でも0.2kg、最大で0.8kg
• 統計的有意性：p = 0.002（信頼区間が0を含まない）
• 実質的意義：1時間あたり0.5kgの減少は実用的に意味がある効果

信頼区間を併記することで、読者は推定の精度と効果の大きさを総合的に評価できるのです。

---

以上、重回帰分析を使った交絡因子の調整方法について、基本的な考え方から信頼区間による評価まで解説しました。実際のデータ分析では、ここで説明した概念を理解した上で、適切にモデルを構築し、結果を解釈することが重要です。