競馬データの相関を因果と呼ばない

相関と因果は答えようとする問いが違う

NISTの実験設計の解説は、二つの変数が関連して動くことと、一方の変化が他方へ変化を起こすことを区別しています。相関だけでは因果を示せず、第三の要因によって関連が生じる可能性があるという説明です。

競馬である調整法を使った馬の勝率が高かった場合、まず観測できるのはその記録での関連です。その調整法へ変えれば同じ馬がどれだけ勝ちやすくなるか、という効果は別の問いになります。

一緒に見られた差を、その条件の効果と呼ばないことが出発点です。因果を確認していない関連が無意味という意味ではありません。何を答えられる資料かを明確にすれば、予測に使う場合も説明の範囲を保てます。

第三の要因が両方へ関わる交絡を考える

例えば能力や状態の評価が高い馬ほど、特定の騎手や調整の選択を受け、その評価自体も結果に関わる可能性があります。この時、選択と勝敗だけを比べると、元の構成の違いを選択の効果へ混ぜるおそれがあります。

選ばれ方を結果から切り離して確認する

実際の選択理由は公表されない場合もあります。強い馬だから必ず特定の選択を受けたと断定するのではなく、両方に関わり得る要因として検討します。原因の候補と確認した事実を別々に残してください。

人気、過去の成績、クラス、距離、厩舎、開催時期などは比較の構成を見る材料です。ただし全てを一律に調整すれば正しいという意味ではありません。何が選択より前の情報で、どんな関係を想定したかを先に書くことが必要です。

馬体重と勝敗の関連を調べる場合も、性齢や距離、競走条件が違う群を合算していないかを確認できます。重い群の率が高かったという観測から、同じ馬の体重を増やせば勝てるという提案は導けません。記録上の特徴と、その値を変える行為の効果は同じ問いではないからです。特徴の集計を診断へ広げないようにします。

架空例一：調整法AとBの合計の率を見る

第一の架空例では、調整法Aを使った百出走が二十六勝、Bを使った百出走が二十四勝とします。合計の勝率はAが二十六パーセント、Bが二十四パーセントです。これだけでAへ変えると勝率が二ポイント上がるとはいえません。

比較する二群には、事前の能力区分の構成が違うという設定を加えます。Aの百出走には能力上位区分が八十、下位区分が二十、Bには上位二十、下位八十を含むものとします。元から同じ構成を比べていません。

能力区分は計算学習用の架空のラベルです。実在の馬を正確に二分類できるという主張でも、実際の調整法の成績でもありません。合計の率を原因の効果と読む前に、比較の中身を確認するための設定です。

同じ架空例を能力区分に分けて検算する

Aの上位区分を八十出走二十四勝、下位を二十出走二勝とします。率はそれぞれ三十パーセントと十パーセントです。Bの上位は二十出走八勝で四十パーセント、下位は八十出走十六勝で二十パーセントとします。

合計ではAが二十六、Bが二十四パーセントでしたが、各能力区分ではBの方が高い設定です。上位区分が多いAと、下位区分が多いBの合計を比べると、群の構成が結論の向きを変えています。

合計の率と条件をそろえた率の向きは一致しない場合があると分かります。これは架空の算数の例で、層別したBの差がそのまま因果効果と証明されたわけではありません。区分内にも他の違いや測定の誤りが残る可能性があります。

表は左右にスクロールできます。

計算学習用の仮想データ。実際の調整法や馬の成績、因果効果を測定した表ではない。

同じ重みで平均しても因果の証明ではない

前の架空例で上位と下位を半分ずつとする共通の重みを置けば、Aは三十と十の平均で二十パーセント、Bは四十と二十の平均で三十パーセントです。実際の各群の構成とは別の、標準化した比較になります。

この計算は群の構成の違いが合計へどう関わるかを見る道具です。平均した結果だけで、AからBへ変更した同じ馬が十ポイント改善すると断定しないようにします。観測していない調整理由や相手などが残るからです。

層別する項目と重みも、結果を見て都合のよいものへ変更しません。対象とする集団が何かを先に示し、元の件数と率、共通の重みを一緒に保存します。見かけの差を消せば全てが解決したという説明は避けてください。

架空例二：馬具を替えた前後の成績

第二の架空例は、ある馬の馬具変更前が十走一勝、変更後が十走三勝という設定です。勝率は十から三十パーセントへ変わりますが、二十ポイントをそのまま馬具の効果として報告することはできません。

前後で相手のクラス、距離、馬場、成長の時期、調整や出走間隔が変わった可能性があります。また前の不振をきっかけに変更した設定なら、変更の選択そのものが過去の結果と関係しています。

一頭の前後比較は別の馬同士より個体差を抑える面があっても、時間とともに変わる条件は残ります。馬具の目的を知ることと、その馬で効果が出たと測定することは別です。実在の馬具や馬の成績を示す例ではありません。

原因と結果の向きが逆ではないか確認する

ある条件を持つ馬が好走したとして、好走しそうと評価されたためその条件を選ばれた可能性も考えます。騎手や出走先、調整の選択を、結果と無関係に割り当てられた条件として扱わないようにします。

成績の悪化後に施された変更を集める場合、変更前の不振とその後の自然な変動も関係します。前後の差があれば全て変更による改善という読み方では、選択が起きた時点の事情を落とします。

公表されたコメントを参照しても、全ての選択理由を観測できたとは限りません。結果より前に何が分かっていたか、どの時点で条件が選ばれたかを整理し、時系列の情報と因果についての仮説を区別してください。

散布図と相関係数だけでは原因は決まらない

NISTの散布図の解説は、二つの項目の線形や非線形の関連、外れ値などを見る道具として説明しています。一方、散布図に関係が見えたことだけで因果を証明することはできないと明記しています。

点がきれいに並んでも説明の範囲を保つ

競馬で調教時計と着順を並べるなら、同じ施設や計測条件か、時計の向きと結果の意味が何かを先に確認します。違う条件の時計をそのまま一列へ集めた図では、数値の比較自体が適切とは限りません。

強い相関という表現を使う場合も、対象、件数、期間、外れ値、繰り返し出走した同じ馬の影響を示します。図の傾きが急だから効果が大きい、相関が小さいから一切の関係がないという単純な説明にはしません。

回帰で調整した後にも前提が残る

複数の項目を入れた回帰などの方法で、観測した条件の違いを考慮することはできます。しかし必要な要因を全て測定できたか、モデルの形が妥当か、比較できる条件の範囲が重なるかという問いは残ります。

調整後の係数という名称だけで因果効果と呼ばないようにします。結果に近い競走中の順位などを入れる場合も、予想前の情報だけの比較と同じではありません。何をいつ知り得たかを明示する必要があります。

測っていない要因が残るなら、その限界を結論へ添えます。統計処理の数を増やせば観測できない選択理由も消えるという説明はできません。比較の条件と仮定を追える形にして初めて、調整後の関連として評価できます。

予測に使える関連と介入の効果を区別する

将来の候補を比較する予測では、過去の関連が別の期間でも再現するかを調べられます。原因が証明されていなくても予測の材料となる場合はありますが、その条件を変えれば結果を改善できるという主張とは別です。

例えば条件Xを持つ馬が次の期間にも好走したとして、Xそのものを変更する運用の効果が確認されたわけではありません。Xが能力など別の要因を反映して予測に役立った可能性も残ります。

予測の成績と条件を変える効果を別に検証することが重要です。予測を評価する場合も、未来の情報が混ざらない時系列の分け方が必要です。因果の説明へ飛ばず、実際にどの用途で確かめた資料かを明示してください。

条件を細かく分けるほど件数も確認する

交絡の可能性を考えて細かい層へ分けると、各層の件数が小さくなります。少数で一度勝っただけの高い率を、その条件での真の能力の確定値としないようにします。元の勝ち数と出走数を必ず並べます。

同じ馬が多数の記録を占める場合、出走件数が多くても独立な馬の比較が十分とは限りません。個体の繰り返しや、同じ競走内の他馬が同時に関係する点も考慮が必要です。行の数だけを情報量とみなさないようにします。

調整で条件をそろえた結果、比較する相手がほとんど残らない場合はその事実を示します。細かく分ければ必ず正確という方向へ進まず、何を比べられる範囲が残ったかを確認してください。

因果という見出しを使う前の確認事項

まず条件と結果を定義し、記録の単位と対象期間、選ばれ方、条件を知った時点を書きます。次に両方へ関わり得る要因を挙げ、どこまで資料で確認し、どこから仮説かを区別します。

比較を調整した場合は、使った項目と理由、除いた記録、残った件数を示します。結論は調整した関連なのか、特定の仮定の下での効果なのかを明確にしてください。効果という語だけが先に見出しへ出ないようにします。

今回の記事の架空例を実際の調整法や馬具の推奨に使うことはできません。算数は確認できますが、競馬の実データで効果を測定したものではないからです。例の数値と観測した成績を混ぜないことが必要です。

関連を正しく使うために結論の範囲を保つ

データに差が見えたら、すぐに原因と決めるのでも、原因でないなら無意味と捨てるのでもなく、何が関連し、何がまだ確認できないかを具体化します。群の構成と時系列を調べるだけでも、過大な説明を減らせます。

結果の公表では、相関、条件別の率、調整後の関連、予測の検証をそれぞれの名称で示します。読者が再計算できる件数と式を添え、測っていない健康や能力の内部状態まで診断した表現にしないようにしてください。

競馬データの相関と因果の違いは、説明の強さを根拠へ合わせるためにあります。交絡を考え、比較できる範囲と残る限界を残せば、見かけの数字を買い目の確信へ変える前に、予想の材料を適切に見直せます。