SlideShare a Scribd company logo
1 of 39
哲学から見た
「因果」概念のレビュー
大塚 淳(jotsuka@lit.kobe-u.ac.jp)
神戸大学人文学研究科
「数ある統計学の問題のなかでも、因果推論は
最も重要で、最も捉えがたく、そして最も無視
されてきたものの一つである」
ー P. Dawid (1979)
科学的主張、その要件
1. 有意味
o その主張が真(ないし偽)になるのはどのような状況であるのか
が明確でなければならない
o ☓ 「天秤座の今日のラッキーカラーは紫色です」
2. 検証可能
o 実際に上の状況を経験的データによって確証できるのでなければ
ならない
o ☓ 「この宇宙のどこかにIQ100以上のカタツムリがいる」
因果的主張、その要件
1. 有意味
o 「XはYの原因である」:この主張はいつ・いかなる条件下において
真(ないし偽)とされるのか?
o 因果命題の真理条件 (truth condition)の策定
2. 検証可能
o 上述の条件は、実際にどのようなデータ・経験によって評価・検証
されるのか?
因果の 意味論
因果の 認識論
因果概念はこの両局面
において問題視されてきた
アウトライン
1. 因果の形而上学
2. 因果の規則説
3. 反事実条件説
4. 介入主義と因果グラフ
5. 因果性:新しいパラダイム?
因果の形而上学
• アリストテレスの四原因
o 質料因 / 形相因 / 目的因 / 作用因
• 近世(デカルト):作用因の強調
o 「物質のあらゆる変化、すなわち物質の形のあらゆる相違は、運動
に依存する」
o それゆえ「被造物については、目的因でなしに、作用因を検討すべ
きである」 (『哲学原理』, 1644)
作用因とは何か
• 因果力を持つ
o 転がるボールAが静止しているボールBにぶつかりそれを動かす
のは、前者がなんらかの力(power / force)を持つから
• 必然性を持つ
o 他の原因が働かない限り、ボールBは運動を開始せざるを得ない。
つまり因果的決定は必然的である。
ヒュームと規則説
David Hume (1711-1776)
因果力の批判
「我々が見出しうるのはある出来事がもう一つの出来事に続いて
起こる、ということだけである。原因が行使する作用や力といっ
た類のもの、あるいは原因とその結果と目されるものの間の繋が
りなどを把握することはできない。」
– ヒューム、『人間悟性論』
「因果力」や「因果的連関」といったもの自体は
決して観察されない(認識論的懐疑)
因果 = 恒常的連接
「我々は原因を、何らかの出来事がそれに続くもの、
と定義することができる。そこではおよそ前者に類似
するものが生じると、続いて後者に類似するものが生
じる。」
– ibid.
我々の経験に与えられるのは
こうした「恒常的連接」だけ(経験主義)
ピアソンと規則説
Karl Pearson (1857-1936)
因果概念の批判
「原因が知覚のシーケンスの一部を引き起こしたり強制したりす
る、というような考えは、科学的には無意味である」
「(正しく理解された限りでの)原因とは、経験の流れの中の
一つの段階にすぎないのであって、何かその内部に存する必然的
連関の一段階を指すのではない。」
– Grammar of Science (1892)
因果性という概念は無意味なので
科学から追放すべき!
因果から確率へ
• じゃあ何が有意味で科学的なのか?
o Pearsonの答え: 相関係数
o Associationという概念に明確な意味を与える
(因果性と違って、「恒常的連接」にはちゃんとした
意味論がある!)
規則説:まとめ
• 「因果力」概念の否定
o 認識論的に:そんなものは見つからない (Hume)
o 意味論的に:そんなものは無意味 (Pearson)
• 因果性 = 恒常的連接
o 認識論的に:それが観察できることの全て (Hume)
o 意味論的に:相関だけが明確な意味を持つ (Pearson)
Humeの二つ目の定義
全然「言い換え」じゃない・・・
「我々は原因を、ある出来事がそれに続くもの、と定
義することができる。そこではおよそ前者に類似する
ものが生じると、続いて後者に類似するものが生じる。
言い換えれば、もし前者が生じなかったとしたら、後
者も決して生じなかっただろう。」
相関
反実仮想
(counter-
factual)
反事実条件文の問題
• 「何について」の言明なのか?
o この現実世界のありようについての言明ではない(反事実)
o 「そうであり得たかもしれない」世界について
• 可能世界意味論 (S. Kripke)
o この世界の他に複数の世界を考える
o 各世界において命題の真偽値を評価する
反事実条件文の評価
「仮にCならば、Eだっただろう(C ☐→ E )」が真
↓↑
いかなるCかつ~Eの世界に対しても、
より現実世界に似ているCかつEの世界が存在する
• 可能世界の「類似性」の想定
o 任意の可能世界のペアにつき、どちらがより現実世界に
似ているかを決められる
Lewisの反事実条件説
C が E に因果的に依存する iff
• C ☐→ E かつ ~C ☐→ ~E
• (つまり「 仮にCだったらEで、仮に~Cだったら~E」 )
これによって因果命題に明確な意味を与える
(つまり因果命題とは可能世界についての命題)
Lewis (1973)
Lewis理論の問題
• 実際問題、どのようにして
1. 世界間の類似性を測る?
2. 各世界での命題の真偽値を定める?
o これらが解決されない限り、与えられた因果命題を実際に
評価/検証することはできない
• Lewisは因果の意味論を提供するのみ。
我々はさらにその認識論も知る必要がある。
介入主義因果と
因果グラフ理論
問題と対策
• 反事実条件アプローチの問題:
o 「仮にC (~C)だったらE (~E)だっただろう」
o どのようにして実現されていない可能世界のことを知るのか?
• 提案
o 実際にそうした可能世界を作り上げてしまえば良い
o → Cに介入して、それに応じてEがどう変わるかを調べる
介入主義因果:定義
Pearl (2000), Woodward (2003)
C が E の原因である if
Cに対するなんらかの介入によって、
Eの確率分布を変化させることができる
C E
P(E)
I
do(C = c’) ≠ P(E|do(C=c’))
?
因果モデル意味論
• 因果モデル: M = < G, P >
o G = <V, E> は変数 V 上の有向グラフ
o P は V 上の確率分布
• 介入 = 因果グラフGの改変
o 介入後の分布は改変グラフ G’ ともともとの確率分布 P
から計算可能。 (Spirtes et alの操作定理, Pearlのdo計算)
介入計算
喫煙を禁止すると発ガン率はどう変わる?
1. Sへの介入により P(S) = 0 と設定
2. 介入後分布 P(Cancer | do(~S)) をマルコフ条件から計算:
P(結果) = P(結果 | 原因) P(原因)
Drinking
Smoking Cancer
介入計算
Drinking
Smoking Cancer
グラフ改変:
介入によりSをD
から切り離す
P(S) = 0,
P(~S) = 1に設定
P(結果)
= P(結果 | 原因)
P(原因)
観察可能
因果効果の推定
• XのYに対する因果効果
o これは一般に とは異なる(交絡)
• 因果効果の推定
o do 計算 (Pearl), 操作定理 (Spirtes et al.)
o 傾向スコア分析 (Rosenbaum & Rubin)
因果構造の推論
• 条件付独立性を使用するもの
o PC, IC*アルゴリズムなど
o (マルコフ条件 +) 忠実性(faithfulness/stability )を仮定
o 欠点:特殊な三つ組構造(unshielded-collider)のもとでしか
因果の向きを決定できない
• 二変数間の因果の向きの推論
o 午後のお話
まとめ:因果グラフ理論
• 因果の意味論だけでなく、認識論も提供
o 因果効果の量的推定 (do calculus, Rubin’s framework)
o 因果構造の質的推論 (因果探索アルゴリズム、その他)
o → 因果的主張をデータに基づき検証する枠組みを与える
というわけでめでたく
因果が「科学化」された
わけですが
なんでこんなに時間
かかったの?
仮説:パラダイムの違い
経験論 vs 合理論
• 経験論(Empiricism)
o 我々の知識はすべからく経験に由来しなければならない
o 17世紀イギリス経験論:Locke, Berkeley, Hume
• 合理論(Rationalism)
o 経験に由来しない知識も、世界の理解のためには必要
o 17世紀〜大陸哲学:デカルトの神、カントのカテゴリー
実証主義 (Positivism. 19世紀後半. Mach, Duhem, Pearson)
o 「科学理論は最終的にはすべて感覚データに還元される」
経験主義の歴史
経験主義 (17世紀. Locke, Berkeley, Hume)
o 「我々の知識はすべからく経験に由来しなければならない」
論理実証主義 (Logical positivism. 20世紀初頭. Carnap etc.)
o 実証主義のアイデアを論理学&確率論を用いて遂行
o 科学と形而上学の線引き
経験主義の枠組み
• 基本概念
o 知覚、感覚データ、出来事、標本(の集合)
• 科学の目的
o 予測ないし「思考の経済」
• 方法/道具立て
o 述語論理(Frege, Russell)
o 確率論(Kolmogorov)
経験主義
「パラダイム」
クーンのパラダイム論
基本概念
価値方法論
何を目指す
べきか
世界をどう
記述するか
どのように
研究するか
ここに収まらないもの
= 非科学 or 形而上学
経験主義パラダイム
基本概念
価値方法論
予測
出来事、
標本空間
相関、回帰
ここに反実仮想や
因果性が入る余地はない
それらは科学でなく、
形而上学に属する!
因果分析のパラダイム
基本概念
価値方法論
介入評価、
説明
可能世界、
有向グラフ
do計算、
傾向スコア
パラダイムの違い=世界観の違い
だから・・・
1. 同じ道具/データを扱っているようでも、その理論
的意味合いは全く異なりうる。
2. パラダイム間の対話は没交渉に終わりがち。
3. パラダイムシフトの時代は科学者がやたら哲学づく。
あるいは哲学者が跋扈する。
結論
1. 因果性の体系的研究のためには、その意味論・
認識論の双方が必要。
2. 経験主義のパラダイムからは、因果性は「見え
ない」。
3. 因果分析の興隆は、統計学の非経験主義的(合
理主義的・実在論的)潮流を示す?
参考文献
• 規則説
o Hume, D. (1748). An Enquiry Concerning Human Understanding.
o Pearson, K. (1892). The grammar of science. W. Scott.
• 反事実条件説
o Lewis, D. (1973). Causation. The Journal of Philosophy, 70(17), 556–567.
• 介入主義
o Pearl, J. (2000). Causality: Models, Reasoning, and Inference. CUP,
o Spirtes, P., Glymour, C., & Scheines, R. (2000). Causation, Prediction, and Search. The MIT
Press.
o Woodward, J. B. (2003). Making Things Happen: A Theory of Causal Explanation. OUP.
• パラダイム論
o Kuhn, T. S. (1962). The Structure of Scientific Revolutions. U. Chicago Press

More Related Content

What's hot

一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門Yu Tamura
 
因果探索: 基本から最近の発展までを概説
因果探索: 基本から最近の発展までを概説因果探索: 基本から最近の発展までを概説
因果探索: 基本から最近の発展までを概説Shiga University, RIKEN
 
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定2 4.devianceと尤度比検定
2 4.devianceと尤度比検定logics-of-blue
 
非ガウス性を利用した 因果構造探索
非ガウス性を利用した因果構造探索非ガウス性を利用した因果構造探索
非ガウス性を利用した 因果構造探索Shiga University, RIKEN
 
因果関係を時系列変化で分析
因果関係を時系列変化で分析因果関係を時系列変化で分析
因果関係を時系列変化で分析DaikiNagamine
 
マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編Hiroshi Shimizu
 
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をするMasaru Tokuoka
 
相互情報量を用いた独立性の検定
相互情報量を用いた独立性の検定相互情報量を用いた独立性の検定
相互情報量を用いた独立性の検定Joe Suzuki
 
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)Kota Matsui
 
負の二項分布について
負の二項分布について負の二項分布について
負の二項分布についてHiroshi Shimizu
 
第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)Masaru Tokuoka
 
ベイズファクターとモデル選択
ベイズファクターとモデル選択ベイズファクターとモデル選択
ベイズファクターとモデル選択kazutantan
 
ぞくパタ最終回: 13章「共クラスタリング」
ぞくパタ最終回: 13章「共クラスタリング」ぞくパタ最終回: 13章「共クラスタリング」
ぞくパタ最終回: 13章「共クラスタリング」Akifumi Eguchi
 
グラフィカルモデル入門
グラフィカルモデル入門グラフィカルモデル入門
グラフィカルモデル入門Kawamoto_Kazuhiko
 
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル2 7.一般化線形混合モデル
2 7.一般化線形混合モデルlogics-of-blue
 
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介Naoki Hayashi
 
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)Hiroshi Shimizu
 
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理するHiroshi Shimizu
 
重回帰分析で交互作用効果
重回帰分析で交互作用効果重回帰分析で交互作用効果
重回帰分析で交互作用効果Makoto Hirakawa
 
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)Yoshitake Takebayashi
 

What's hot (20)

一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
 
因果探索: 基本から最近の発展までを概説
因果探索: 基本から最近の発展までを概説因果探索: 基本から最近の発展までを概説
因果探索: 基本から最近の発展までを概説
 
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
 
非ガウス性を利用した 因果構造探索
非ガウス性を利用した因果構造探索非ガウス性を利用した因果構造探索
非ガウス性を利用した 因果構造探索
 
因果関係を時系列変化で分析
因果関係を時系列変化で分析因果関係を時系列変化で分析
因果関係を時系列変化で分析
 
マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編
 
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
 
相互情報量を用いた独立性の検定
相互情報量を用いた独立性の検定相互情報量を用いた独立性の検定
相互情報量を用いた独立性の検定
 
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
 
負の二項分布について
負の二項分布について負の二項分布について
負の二項分布について
 
第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)
 
ベイズファクターとモデル選択
ベイズファクターとモデル選択ベイズファクターとモデル選択
ベイズファクターとモデル選択
 
ぞくパタ最終回: 13章「共クラスタリング」
ぞくパタ最終回: 13章「共クラスタリング」ぞくパタ最終回: 13章「共クラスタリング」
ぞくパタ最終回: 13章「共クラスタリング」
 
グラフィカルモデル入門
グラフィカルモデル入門グラフィカルモデル入門
グラフィカルモデル入門
 
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル2 7.一般化線形混合モデル
2 7.一般化線形混合モデル
 
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
 
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
 
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
 
重回帰分析で交互作用効果
重回帰分析で交互作用効果重回帰分析で交互作用効果
重回帰分析で交互作用効果
 
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
 

Viewers also liked

20150303ぞくパタLT-ゆるふわ構造学習
20150303ぞくパタLT-ゆるふわ構造学習20150303ぞくパタLT-ゆるふわ構造学習
20150303ぞくパタLT-ゆるふわ構造学習Toru Imai
 
21世紀の手法対決 (MIC vs HSIC)
21世紀の手法対決 (MIC vs HSIC)21世紀の手法対決 (MIC vs HSIC)
21世紀の手法対決 (MIC vs HSIC)Toru Imai
 
Design Sprint Process / デザインスプリントの実際のプロセスについて
Design Sprint Process / デザインスプリントの実際のプロセスについてDesign Sprint Process / デザインスプリントの実際のプロセスについて
Design Sprint Process / デザインスプリントの実際のプロセスについてTakaaki Umada
 
Design Sprint 概要 / デザインスプリント概要
Design Sprint 概要 / デザインスプリント概要Design Sprint 概要 / デザインスプリント概要
Design Sprint 概要 / デザインスプリント概要Takaaki Umada
 
GoによるWebアプリ開発のキホン
GoによるWebアプリ開発のキホンGoによるWebアプリ開発のキホン
GoによるWebアプリ開発のキホンAkihiko Horiuchi
 

Viewers also liked (8)

Agile in 2016
Agile in 2016Agile in 2016
Agile in 2016
 
20150303ぞくパタLT-ゆるふわ構造学習
20150303ぞくパタLT-ゆるふわ構造学習20150303ぞくパタLT-ゆるふわ構造学習
20150303ぞくパタLT-ゆるふわ構造学習
 
MICの解説
MICの解説MICの解説
MICの解説
 
因果推論の基礎
因果推論の基礎因果推論の基礎
因果推論の基礎
 
21世紀の手法対決 (MIC vs HSIC)
21世紀の手法対決 (MIC vs HSIC)21世紀の手法対決 (MIC vs HSIC)
21世紀の手法対決 (MIC vs HSIC)
 
Design Sprint Process / デザインスプリントの実際のプロセスについて
Design Sprint Process / デザインスプリントの実際のプロセスについてDesign Sprint Process / デザインスプリントの実際のプロセスについて
Design Sprint Process / デザインスプリントの実際のプロセスについて
 
Design Sprint 概要 / デザインスプリント概要
Design Sprint 概要 / デザインスプリント概要Design Sprint 概要 / デザインスプリント概要
Design Sprint 概要 / デザインスプリント概要
 
GoによるWebアプリ開発のキホン
GoによるWebアプリ開発のキホンGoによるWebアプリ開発のキホン
GoによるWebアプリ開発のキホン
 

2015年因果フェススライド