【因果推論】合流バイアスとはなにか

合流バイアスとは

合流バイアス（コライダーバイアス）とは、
複数の独立した原因変数A、Bが共通の結果変数C（合流点）に影響を与えるとき、
その結果Cでデータを絞り込んだり条件付けたりすると、
本来独立なはずのAとBの間に見かけ上の相関が生じる現象です。

この記事の読者

• データ分析やマーケティング施策の効果検証を行う方
• 因果推論の基礎を学びたい研究者・学生
• モデル構築時の選択バイアスに注意したいエンジニア・アナリスト

具体的な例（小売業界）

• 要因A：プロモーション実施月

  • セール月（12～3月）にDMやプッシュ通知で来店を促進

• 要因B：顧客の自発的購買意欲

  • 本当に商品を必要として自ら来店する層

• 合流点C：購入した顧客

  • プロモーションで来店 or 自発来店、いずれかで購入が成立

• 分析結果（フィルタ後）

  • 「セール月に購入した顧客は離脱率が高い」と見えるが、
  • 実際はセール月は“意欲の低い層”を無理に取り込んでいるため
  • 自発層が多い非セール月と比べて離脱率が高くなるだけ

DAGとは

因果関係を整理するための有向非巡回グラフ（Directed Acyclic Graph）。

• ノード：変数（原因・結果）
• 矢印：因果の流れ
• コライダー（合流点）：矢印がぶつかる結果変数

今回の例で書いてみる

    プロモーション実施月 ──▶
                          ＼
                           購入した顧客（C）
                          ／
    自発的購買意欲      ──▶

• 矢印が交わる「購入した顧客」がコライダー
• ここで「購入顧客だけ」を分析対象にすると、
  プロモ月と購買意欲の間に偽の相関（負の相関）が生じる

まとめ

• 合流点バイアスは「結果変数でデータを切る」ことで生じる偽の相関
• 分析モデルにコライダーを入れたり、そこによりデータを絞ったりしない
• 真の原因変数（A, B）を観測・モデル化し、因果構造（DAG）を意識することで回避
• あらゆる業界・領域で注意が必要な落とし穴です。