⑥ AIの社会実装と数理・統計 ／ 37. 数理・統計
疑似相関とは
疑似相関とは、直接的な因果関係が存在しないにもかかわらず、第三の要因などによって相関があるように見えてしまう現象です。機械学習では無意味な特徴量に依存した誤学習を引き起こす原因になります。
この用語はG検定シラバスの「37. 数理・統計」に含まれます。 章全体の用語は用語解説⑥（全52語）にまとまっています。
一言でいうと
本当は関係ないのに、別の要因のせいで関係があるように見えてしまう現象です。
典型的な例
「アイスクリームの売上」と「水難事故の件数」には強い相関が現れます。
しかしアイスが事故を起こすわけではありません。実際の原因は気温の上昇という共通要因です。暑いとアイスが売れ、水辺にも人が集まります。両者に直接の因果関係はありません。
機械学習での危険性
モデルは相関があれば学習してしまいます。因果かどうかは判断しません。
画像認識で「背景の芝生」から「牛」と判定していた、という例は有名です。たまたま相関していた特徴に依存すると、条件が変わった途端に性能が落ちます。
対策として偏相関係数による確認や、Grad-CAMなどで何を見て判断しているかを可視化するアプローチが有効です。
どう対処するか
- 共通要因を疑う：両方に影響しそうな第三の変数を洗い出す
- 偏相関係数で確認する：影響を除いても関係が残るか見る
- ドメイン知識で吟味する：因果として説明できる筋道があるか検討する
統計だけで因果は決められません。その分野の知識と組み合わせて判断することが不可欠です。
🎯 G検定での押さえどころ
- 第三の要因によって相関して見える
- 例：アイス売上と水難事故（共通要因は気温）
- 機械学習では誤学習の原因になる
⚠️ よくある誤りの選択肢
- 「強い相関があれば因果関係があるといえる」→ 誤り。疑似相関の可能性があります
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「一般的な確率分布」（E資格向け）
この用語を覚えたら
チェックは章ページと「試験内容解説」TOPの進捗にも反映されます
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。