Counterfactuals and Causal Inference: Methods and Principles for Social Research（反事実と因果推論：社会調査の方法と原理）

引用

Morgan, S. L., & Winship, C. (2015). Counterfactuals and Causal Inference: Methods and Principles for Social Research (2nd ed.). Cambridge University Press.

章の要約

第2版は2007年の初版を改訂・増補したもので、13章を6部に分けている。各部の論理は明快である。まず因果関係の二つの形式言語を導入し、次に関連する変数が観測できる場合の推定量を扱い、さらに観測できない場合の推定量を扱い、最後に、どちらの戦略でも点推定が得られない場合の対処を論じる。

第I部、第1章：Introduction

冒頭の章は、XがYを引き起こすのか、効果はどれほど大きいのかという本書の基本的な問いを、チャータースクール、大卒学歴と収入、2000年フロリダ大統領選挙のバタフライ投票用紙といった例で示す。ポテンシャル・アウトカム・モデルの概要を述べ、観察的社会科学における因果分析の歴史を選択的に振り返り（実験の言語や調査研究の役割を含む）、全編で用いる例を紹介し、最後に因果グラフを導入する。

第II部、第2〜3章：Counterfactuals and the Potential Outcome Model；Causal Graphs

第2章はポテンシャル・アウトカムの枠組みを段階的に構築する。因果状態の定義、個人レベルの効果、処置群と観測された結果、平均処置効果、安定単位処置値仮定（SUTVA）、素朴な推定、時間を通じたポテンシャル・アウトカム、多値の処置を扱う。第3章は第二の言語である因果グラフを導入し、識別、グラフの基本要素、構造方程式との関係、ポテンシャル・アウトカム・モデルとの関係を述べる。どちらの章も付録で終わる。

第III部、第4〜7章：観測変数による条件づけ

第4章 Models of Causal Exposure and Identification Criteria for Conditioning Estimators は、バックドア基準と、バランスのための条件づけと調整のための条件づけの区別を示す。第5章はマッチング推定量（層化、重みづけ、アルゴリズムとしてのマッチング、実務上の問題）を扱う。第6章は回帰推定量を扱い、条件付き分散で重みづけたマッチングとしての回帰も含む。第7章 Weighted Regression Estimators of Causal Effects は、ATE・ATT・ATCの推定量、二重頑健推定量、および拡張された例を扱う。

第IV部、第8〜11章：バックドア条件づけが有効でない場合

第8章 Self-Selection, Heterogeneity, and Causal Graphs は、観測されない要因に基づく選択と、複雑な自己選択のパターンを取り上げる。第9章は、個人レベルの異質性を許す推定量を含む操作変数推定量を扱う。第10章 Mechanisms and Causal Explanation は、フロントドア基準と生成メカニズムへの要請を論じる。第11章 Repeated Observations and the Estimation of Causal Effects は、中断時系列、回帰不連続デザイン、パネルデータを扱い、時間とともに変わる処置レジームの付録がある。

第V部、第12章：Distributional Assumptions, Set Identification, and Sensitivity Analysis

第V部は1章のみで、効果が点識別されない場合の推定を扱う。潜在変数による選択バイアス・モデル、最小限の仮定による集合識別、暫定的な推定値に対する感度分析である。

第VI部、第13章：Counterfactuals and the Future of Empirical Research in Observational Social Science

最終章は、反実仮想アプローチの採用に対する異論に答え、社会科学における因果探究のいくつかの様式を区別する。

主要概念

第1〜3章：二つの枠組み

• ポテンシャル・アウトカム：各個人は各処置状態における結果をもつが、観測できるのは一つだけなので、個人の因果効果は直接計算できない。
• 平均処置効果とSUTVA：第2章は平均効果と、それが依拠する安定単位処置値仮定を定義する。
• 因果グラフ：因果関係を表し、識別の議論を支える有向グラフ。

第4〜7章：条件づけ

• バックドア基準：条件づけによって非因果的な経路を遮断できる変数を選ぶ、グラフに基づく規則。
• マッチングと回帰：条件づけ推定量の二つの系統で、ポテンシャル・アウトカムの観点から扱われる。
• 重みづけ回帰と二重頑健推定量：第7章のATE、ATT、ATCの推定量。

第8〜12章：条件づけを超えて

• 観測されない要因に基づく選択：操作変数、メカニズム、縦断的デザインへと向かう動機となる問題。
• フロントドア基準とメカニズム：中間変数を通じた識別で、より深い説明への要請と結びつけられる。
• 集合識別と感度分析：取りうる範囲を報告する、あるいは仮定を緩めたときに結論がどう変わるかを調べる。

批判的分析

長所

• 二つの言語を並べて提示。 本書は推定量に入る前にポテンシャル・アウトカム（第2章）と因果グラフ（第3章）を導入し、各章の付録が両者を関連づけるので、以後の章ではどちらも使える。
• 識別の問題ごとの構成。 各部は意思決定の論理に沿っている。曝露の決定要因が観測できるなら条件づけ（第III部）、できないなら操作変数・メカニズム・反復観測を探し（第IV部）、何も点識別できないなら範囲を求めるか感度を調べる（第V部）。研究の状況から該当する章を探せる。
• 異質性の重視。 出版社の紹介文は、因果効果の異質性が全編で強調されていると述べており、目次にもそれが表れている。たとえば第8章や、第9章の異質性を許す操作変数の節である。
• 例示的な素材。 第1章に全編で用いる例が示され、第7章には拡張された例がある。

短所

• 要求水準が高い。 約500ページで形式的な記号を用い、各章にグラフと識別に関する技術的な付録もあるため、方法論の入門ではなく大学院レベルの専門書である。
• 観察データへの焦点。 実験は主に観察的デザインを評価する基準として登場し、実験デザインを扱う章はない。
• 統計の素養が前提。 第5〜7章は回帰などの統計的な考え方の上に成り立っており、すでに定量データを扱っている読者を想定している。

コースにおける位置づけ

一般的な入門書が中心の方法論の書目の中で、本書は因果推論に特化した専門書である。BabbieのThe Practice of Social Research、WallimanのResearch Methods: The Basics、BrymanのSocial Research Methodsは研究過程の幅広い入門書であり、CreswellのResearch Designは研究の計画と研究計画書の書き方の手引きである。これらは先に読むのにふさわしい。CharmazのConstructing Grounded Theoryは質的研究の一つの伝統を扱い、本書と競合するのではなく補完する。

同じ主題の政治学の本では、King、Keohane、VerbaのDesigning Social Inquiryが質的研究における推論を論じ、GerringのSocial Science Methodologyは方法論一般の統合的な枠組みである。非実験データから因果効果をどう推定するかが具体的な問題であるときに、MorganとWinshipを手に取るとよい。

本書の使い方

回帰をすでに知っており、因果的主張のための厳密な基礎を求める、社会学・人口学・教育学などの大学院生や上級の学部生に向く。出版社の紹介文が挙げる分野は社会科学・人口科学・健康科学である。

実践的な読み方は次のとおり。

• 中核： 第1〜3章を順に読み、続いて第4〜6章を読む。後の章が応用するので、第4章の識別の扱いは飛ばさない。
• 応用的な推定： 第7章、次いで第9章。重みづけ回帰や操作変数分析を行う人向け。
• 深化とデザイン： 選択・メカニズム・縦断デザインのための第8、10、11章。感度分析のための第12章。
• 初読では任意： 技術的な詳細を補う各章の付録（第2、3、4、11章）と、方法に慣れてから読むのがよい第13章。

まず第1章と2.1〜2.4節を読み、自分の研究課題をポテンシャル・アウトカム間の対比として書き直し、それを因果グラフとして描いてみよう。二つの表現が「何を統制すべきか」について食い違う場合は、先に進む前にその理由を突き止める。