1. まず結論：「関係がある」だけでは「原因である」とは言えない

ニュース、SNS、広告、健康情報、勉強法の記事では、次のような表現をよく見かけます。

「〇〇をしている人は成績が高い」
「この食品を食べる人は病気が少ない」
「このアプリを使った人は合格率が高い」
「SNSの利用時間が長い人ほど不安が強い」

こうした数字を見ると、つい「〇〇をすれば結果が良くなるのだ」と考えたくなります。しかし、ここで大切なのは、2つの数字に関係があることと、片方がもう片方の原因になっていることは別物だという点です。

たとえば、夏になるとアイスの売上が増え、熱中症の発生も増えることがあります。では、アイスを買うと熱中症になるのでしょうか。もちろん、そうとは言えません。多くの場合、背後には「気温が高い」という別の要因があります。

このように、2つの数字が一緒に動いていても、そこに原因と結果の関係があるとは限りません。

まずは、次の違いを押さえてください。

相関は、原因を考えるための大切な手がかりです。ただし、相関だけで原因を断定すると、健康、勉強、仕事、お金、ニュースの判断を誤ることがあります。

この記事では、相関と因果を混同しないために、例、疑似相関、交絡、逆因果、データの読み方まで、日常で使える形で整理します。

2. 相関関係とは？2つの数字が一緒に動くこと

相関関係とは、2つの変数が連動して変化する関係のことです。

たとえば、次のようなものは相関関係です。

• 気温が高い日ほど、アイスの売上が増える
• 勉強時間が長い人ほど、テストの点数が高い傾向がある
• 運動習慣がある人ほど、健康診断の数値が良い傾向がある
• 広告を見た人ほど、商品を購入する割合が高い
• 睡眠時間が短い人ほど、日中の眠気が強い傾向がある

相関には、大きく分けて「正の相関」と「負の相関」があります。

統計では、相関の強さを「相関係数」で表すことがあります。相関係数は、一般に -1 から +1 の範囲で表されます。

ただし、相関係数が高いからといって、必ず原因があるとは限りません。相関係数は「一緒に動いている度合い」を示すものであり、「なぜ一緒に動いているのか」までは教えてくれないからです。

3. 因果関係とは？片方がもう片方を変えること

因果関係とは、ある要因が結果を引き起こしている関係のことです。

たとえば、次のような言い方は因果を含みます。

• 毎日30分復習したことで、単語テストの正答率が上がった
• 睡眠時間を削ったことで、翌日の集中力が落ちた
• ページ表示速度を改善したことで、サイトの離脱率が下がった
• ワクチン接種によって、ある感染症の発症リスクが下がった

因果関係を考えるときは、次のような矢印で表せます。

原因候補 → 結果

しかし、現実のデータでは、この矢印を確認するのが簡単ではありません。人間の行動や社会現象には、年齢、性別、地域、収入、学歴、生活習慣、体質、性格、もともとの意欲など、さまざまな要因が関わるからです。

たとえば、「オンライン学習サービスを使っている人ほど資格試験に合格しやすい」というデータがあったとします。これは興味深い情報ですが、すぐに「そのサービスを使ったから合格した」とは言えません。

考えられる別の説明は、いくつもあります。

• もともと学習意欲が高い人が使っている
• 基礎学力が高い人ほど学習サービスを活用しやすい
• 合格に近い人が仕上げとして使っている
• 学習時間が長い人ほどサービス利用時間も長い
• 途中でやめた人が集計から外れている

つまり、因果を判断するには、「その要因だけを変えたら、本当に結果も変わるのか」を考える必要があります。

4. 相関があっても因果とは限らない理由

相関と因果が混同されやすいのは、相関がとても説得力のある形で見えるからです。グラフで右肩上がりになっていたり、「〇倍」「〇%改善」と書かれていたりすると、原因があるように感じてしまいます。

しかし、相関だけでは因果を断定できません。主な理由は次の4つです。

特に重要なのが、交絡です。

CDCの疫学マニュアルでは、交絡は、曝露と結果の関連が第三の要因によって歪められることとして説明されています。CDC Field Epi Manual

たとえば、「運動する人ほど健康である」というデータがあったとします。これは自然に見える関係ですが、運動だけが原因とは限りません。

運動する人は、食事に気をつけているかもしれません。睡眠時間が安定しているかもしれません。医療にアクセスしやすい地域に住んでいるかもしれません。あるいは、もともと健康だから運動を続けられている可能性もあります。

もちろん、運動が健康に良い可能性は十分にあります。しかし、データを読むときは、まず「他に説明できる要因はないか」と考えることが大切です。

5. 疑似相関とは？関係がありそうに見えるだけの落とし穴

疑似相関とは、一見すると関係がありそうに見えるものの、実際には直接の因果関係がない相関のことです。

代表的な例が、先ほどの「アイスの売上」と「熱中症」です。

疑似相関の怖いところは、数字だけを見ると説得力があることです。グラフにすると、まるで強い関係があるように見える場合があります。

しかし、よく見ると、第三の要因が両方に影響しているだけかもしれません。

このような誤解を避けるには、次のように考えると役立ちます。

「AとBが一緒に動いている」
だけでなく、
「AがBを変えていると言える理由は何か」
を確認する。

疑似相関を見抜く力は、統計の専門家だけに必要なものではありません。SNS、広告、健康情報、勉強法、ビジネス資料など、日常のあらゆる場面で役立ちます。

6. 見分けるための5つのポイント

相関と因果を判断するときは、次の5つを確認すると、読み間違いを大きく減らせます。

特に因果を考えるうえで重要なのが、比較の公平さです。

たとえば、Aという勉強法を使った人の合格率が高かったとしても、Aを使った人がもともと成績上位層だったなら、勉強法そのものの効果とは言い切れません。

より強い根拠になりやすいのは、条件をできるだけそろえて比較する研究です。医療や心理学では、ランダム化比較試験がよく使われます。

NCIは、ランダム化臨床試験を、参加者を偶然によって複数の群に分け、治療や介入を比較する研究だと説明しています。NCI Dictionary

Cochrane Handbookでも、ランダム化試験は介入効果を評価するうえで、バイアスを減らしやすい重要な研究デザインとして扱われています。Cochrane Handbook

ただし、ランダム化比較試験なら常に完璧というわけではありません。対象者が少ない、期間が短い、脱落者が多い、現実の利用環境と違う、といった限界はあります。

大切なのは、「実験だから正しい」「アンケートだから間違い」と単純に決めることではありません。どのように比較し、どのような限界があるのかを見ることです。

7. 健康情報でよくある誤解

健康情報では、相関と因果の混同が特に起こりやすくなります。

たとえば、次のような主張です。

• この食品を食べる人は病気が少ない
• サプリを飲んでいる人は健康診断の数値が良い
• 朝型の人はメンタルが安定している
• 運動している人は長生きしやすい

これらは、どれも完全に無意味な情報ではありません。しかし、すぐに「その食品を食べれば病気が減る」「サプリを飲めば健康になる」と考えるのは危険です。

なぜなら、健康意識が高い人は、食品選びだけでなく、運動、睡眠、禁煙、飲酒量、医療機関の受診など、他の行動も違っている可能性があるからです。

健康情報を見るときは、次の点を確認しましょう。

健康に関する判断は、生活や医療に関わるため、特に慎重さが必要です。強い主張ほど、「その数字は何を比べたものか」を確認しましょう。

8. 勉強法でよくある誤解

勉強法でも、相関と因果の混同はよく起こります。

たとえば、次のような主張です。

「合格者の90%がこの教材を使っていた」
「毎朝勉強している人は成績が高い」
「ノートをきれいにまとめる人はテストで高得点を取る」
「アプリを使った人は平均点が20点高い」

こうした数字を見ると、その教材や方法が成果の原因のように見えます。しかし、別の説明も考えられます。

もちろん、教材やアプリに意味がないという話ではありません。大切なのは、効果があるように見える数字を、原因としてすぐに受け取らないことです。

勉強法を選ぶときは、次のように考えると実用的です。

• 自分と似たレベルの人に効果があるか
• どのくらいの期間で変化を見ているか
• 途中でやめた人も含めているか
• 成績以外に、継続率や復習回数も見ているか
• 自分の弱点に合っているか

学習では、一般的な成功例よりも、自分の学習データを見て改善することが重要です。学習時間、正答率、復習回数、間違えた問題の種類を記録すると、「何が成果につながっていそうか」を考えやすくなります。

DailyDropsは、英会話、TOEIC、資格、受験勉強などを完全無料で学べる学習サービスです。学習行動がユーザーに還元される共益型プラットフォームとして設計されているため、学習を続けながら自分の行動を振り返る選択肢の一つになります。

どの学習サービスを使う場合でも、「使ったから伸びた」とすぐに決めつけるのではなく、学習量、復習の質、継続日数、正答率の変化を合わせて見ることが大切です。

9. 広告・マーケティングでよくある誤解

広告では、「広告を見た人の購入率が高い」というデータがよく使われます。

一見すると、広告が購入を増やしたように見えます。しかし、ここにも相関と因果の問題があります。

たとえば、広告配信では、すでに商品に興味を持っている人、過去にサイトを訪れた人、似た商品を調べた人に広告が表示されることがあります。すると、広告を見た人の購入率が高くても、それは広告の効果ではなく、もともと買う可能性が高い人に広告が届いていただけかもしれません。

広告効果を見るときは、次のような比較が重要です。

「広告を見た人は購入率が2倍」という数字は、強く見えます。しかし、何と比べた2倍なのか、もともとの購入率は何%だったのか、比較対象は公平かを確認しなければ、実際の効果はわかりません。

これは、ビジネスだけでなく、日常の買い物にも関係します。広告や口コミで数字が出てきたときは、「この数字は何を比較しているのか」を一度確認する習慣を持つと、判断の精度が上がります。

10. SNSの情報を読むときの注意点

SNSでは、数字付きの投稿が強い説得力を持ちます。

• 「〇〇をする人は年収が高い」
• 「この習慣がある人は幸福度が高い」
• 「この勉強法で合格率が上がった」
• 「この食品をやめたら体調が改善した」
• 「調査では〇%の人が効果を実感」

こうした投稿は、短く、わかりやすく、拡散されやすい形になっています。しかし、短い投稿では、調査方法、対象者、比較対象、限界が省略されがちです。

MITの研究紹介によると、2018年にScienceで発表された研究では、Twitter上の虚偽情報は真実の情報よりも遠く、速く、深く、広く拡散したと報告されています。MIT News

また、総務省情報通信政策研究所は、インターネット、SNS、テレビなどの利用時間や信頼度を継続的に調査しています。令和6年度の調査も2025年に公表され、メディア利用と情報行動の実態が整理されています。国立国会図書館カレントアウェアネス・ポータル

SNSの数字を見るときは、次の5点を確認しましょう。

特に注意したいのは、「一部の体験談」を「一般的な効果」のように見せる表現です。体験談は参考になりますが、因果を示す証拠としては弱い場合があります。

11. データリテラシーを身につける3つの質問

相関と因果を見分けるために、難しい統計用語をすべて覚える必要はありません。まずは、次の3つの質問を習慣にするだけで十分です。

1. 何と何を比べているのか？
比較対象が不明な数字は、印象操作になりやすいです。

2. どちらが先に起きたのか？
原因は結果より先に起きている必要があります。

3. 他の説明はないか？
年齢、地域、収入、意欲、健康状態、もともとの関心などを考えます。

たとえば、「この学習アプリの利用者は平均点が20点高い」という主張があったら、次のように考えます。

さらに、数字を見るときは次の表現にも注意しましょう。

データリテラシーとは、何でも疑うことではありません。数字を見たときに、「この数字は何を示していて、何を示していないのか」を分ける力です。

12. FAQ：よくある疑問

Q. 相関があるデータは信用できないのですか？
信用できないわけではありません。相関は、関係を見つけるための重要な情報です。ただし、相関だけで原因を断定してはいけません。相関は仮説の出発点、因果は追加検証が必要な結論と考えるとよいでしょう。

Q. 相関係数が高ければ、因果の可能性も高いですか？
可能性を考える手がかりにはなりますが、相関係数が高いだけでは不十分です。第三の要因、逆因果、データの偏り、偶然の一致を確認する必要があります。

Q. 疑似相関とは何ですか？
一見すると関係がありそうに見えるものの、直接の原因と結果ではない相関のことです。アイスの売上と熱中症のように、背後に気温という別の要因がある場合が典型例です。

Q. ランダム化比較試験があれば、因果は確定ですか？
強い根拠にはなりますが、絶対ではありません。対象者の数、期間、脱落率、測定方法、現実への当てはまりなどを確認する必要があります。

Q. 観察研究から因果は言えないのですか？
観察研究でも、設計や分析が丁寧であれば因果を推定できる場合があります。ただし、実験よりも交絡の影響を受けやすいため、どの要因を調整したか、どんな限界があるかを見ることが重要です。

Q. SNSで数字付きの投稿を見たら、まず何を確認すべきですか？
まず、出典、調査対象、サンプル数、比較対象、調査時期を確認しましょう。次に、「この数字から本当にその結論まで言えるのか」を考えます。

Q. 勉強法の記事で「効果あり」と書かれていたら信じてよいですか？
すぐに信じるのではなく、何と比較した結果なのかを見ましょう。利用前後の比較なのか、非利用者との比較なのか、もともとの学力差を考慮しているのかで、意味は大きく変わります。

13. まとめ：数字に強い人は、すぐに原因を決めつけない

数字は、判断を助けてくれる強力な道具です。しかし、数字があるから正しいとは限りません。

特に、「関係がある」というデータを「原因である」と読み替えてしまうと、健康情報、勉強法、広告、SNS、ニュースの判断を誤ることがあります。

最後に、重要ポイントを整理します。

相関を見つけることは、悪いことではありません。むしろ、良い問いを立てる第一歩です。

ただし、そこで止まらずに、「本当に原因と言えるのか」「別の説明はないのか」「どう比較したのか」と考えることが、データリテラシーの中心です。

SNSや広告の数字に振り回されないためにも、勉強法を自分に合わせて改善するためにも、まずは今日から、数字を見たら一呼吸置いて考えてみましょう。

一緒に動いていることと、原因になっていることは違う。

この視点を持つだけで、情報の見え方は大きく変わります。