因果DAGは、変数間の因果関係を有向非巡回グラフで視覚化し、因果推論や機械学習において交絡因子の特定やバイアスを正しく調整するために不可欠なフレームワークです。
因果DAGとは
因果DAG（有向非巡回グラフ）とは、変数同士の原因と結果の関係を矢印を用いてループなしで表現した図であり、データの背後にある因果構造を明らかにします。
詳しく解説
因果DAGはDirected Acyclic Graphの略であり、変数間の直接的な因果関係を視覚化します。ここで有向とは矢印に向きがあること、非巡回とは一方向に進んだときに自分の元に戻るループが存在しないことを意味します。機械学習や統計学において、単なる相関関係ではなく、介入や反事実を扱う因果推論を行う際、どの変数を制御し、どの変数を制御してはならないかを決定するための強力な理論的土台となります。
具体例・使われ方
例えば、「マーケティング施策」「顧客の年齢」「商品購入」という3つの変数がある場合、年齢がマーケティング施策と商品購入の両方に影響を与えている状況を因果DAGで表現することで、交絡因子である年齢をどのようにモデルに組み込むべきかを判断できます。
似た用語との違い
通常の相関関係を示すネットワークグラフが「データ間に関連があるか」を示すのに対し、因果DAGは「介入によって結果がどう変わるか」という原因と結果の方向性を厳密に定義する点が異なります。
注意点
因果DAGの最大の注意点は、現実の正しい因果関係を反映しているかどうかの保証が人間（研究者や実務者）の事前知識に依存している点であり、誤った因果関係を描くと誤った推論結果を導く恐れがあります。
この解説は役に立ちましたか？誤りが含まれる場合はご報告いただけますと幸いです。
更新日時: 2026年9月12日 07:31