數據分析的力量：Google、Uber都在用的因果關係思考法

第1章　從資料導出因果關係為什麼並不容易？

從資料導出因果關係為什麼那麼困難呢？

本章將使用3個具體例子說明這一點。

第1個例子，是以在企業任職者的觀點來看行銷策略。第2個例子，是以在公家機關任職者的觀點來看政策制定。第3個具體例子，則是從在教育機構任職者的觀點來思考。

例1：廣告使冰淇淋的業績增加了？

假設你在販售冰淇淋的企業任職，隸屬行銷部。目前公司正在研究，在網站上打廣告能否提升今年夏季的業績。上司想知道打廣告能增加多少業績，於是請你分析資料。

看了過去的資料後，你得知以下資訊：

你的公司曾在2010年，針對某項冰淇淋商品推出網路廣告。跟沒打廣告的2009年相比，2010年的業績增加40％。圖表1-1為資料走勢。從這張圖來看，業績似乎因廣告的影響而增加。於是，你向上司報告：

「如這張圖所示，分析之後可知，受到廣告的影響，2010年的業績比2009年多了40％。」

現在請想一想，為什麼你的結論有可能是錯的？原因可能是什麼呢？

這裡的問題是，能否從你的資料分析結果導出：

「推出廣告↓業績因廣告的影響而增加40％」

也就是廣告與業績的因果關係（英文稱為Causal Relationship或Causality）。

那麼，假如2010年的夏季比2009年的夏季還熱呢？

實際上，2009年日本的夏季較為涼爽，2010年的夏季則十分炎熱。如果業績在這種情況下增加了4成，就有可能不是受到廣告的影響，單純是因為氣溫變高，促使消費者想吃冰吧？

除此之外還有其他可能的原因。

舉例來說，自從2008年爆發全球金融危機以後，日本就面臨消費低迷的情況，但從2010年起消費便逐漸回溫。如果業績在這種情況下增加了4成，就有可能不是廣告的成效，單純是因為整體經濟好轉，消費者終於願意打開荷包吧？

從資料來看，廣告量在2010年變多，與此同時冰淇淋的業績也增加了。我們究竟能不能根據這項分析結果，主張「廣告帶動了冰淇淋的業績」之因果關係呢？

例2：調漲電價能促進節電嗎？

第2個例子，我們來看實施政策的政策負責人所抱持的課題。

假設你是經濟產業省的職員，正在研擬明年夏季的節電對策。本次的專案目的，是向上司報告調漲電價能帶來多少節電效果。於是，你蒐集過去的電價與用電量資料。

看過資料後，你得知以下資訊：

日本某地區於2012年調漲電價。假設2008年電價每單位20日圓，到了2012年調漲為25日圓。再看用電量資料，跟2008年相比，2012年的電力使用量每小時下降5kWh（註：kWh即「度」，為電力使用量之單位。日本夏季的家庭平均用電量，每小時約20kWh）。於是，你向上司報告：

「從圖表1-2就能看出，電價增加5日圓後，用電量下降了5kWh。因此，只要調漲電價，應該就能收到不小的節電效果。」

現在請想一想，為什麼你的結論有可能是錯的？原因可能是什麼呢？

前述的分析認為電價對用電量造成影響，不過除了電價之外，應該還能想到其他因素吧？

舉例來說，有可能因為2012年的夏季較為涼爽，減少了使用冷氣的機會。又或者，可能是因為2011年發生東日本大地震，促使消費者的節電意識高漲。所以，這裡的問題跟廣告與冰淇淋的例子一樣，我們無法根據這項分析結果，判定「調整電價，就能改變電力使用量」之因果關係。

從資料來看，電價在2012年調漲，與此同時用電量卻下滑。我們究竟能不能根據這項分析結果，主張「調漲電價能促進節電」之因果關係呢？

例3：出國留學比較容易找到工作？

接下來用教育的例子，討論相同的資料分析問題吧！

前幾天，筆者在報紙上看到以下的報導：

「根據致力推廣留學的某大學調查，曾經出國留學的學生，就職率比不曾留學的學生高。該大學指出，從這項分析結果來看，留學經驗可提升就職率。」

這篇報導的前半段提到，曾經出國留學的學生，就職率比不曾留學的學生高，這應該是資料呈現的事實。不過，我們可以從這個結果，導出以下的因果關係嗎？

「出國留學↓就職率增加」

假設A學生曾出國留學，B學生不曾留學。這裡的問題是，除了「有無留學經驗」這點外，A和B很可能還有其他差異。

舉例來說，A很有可能生於財力足以讓他留學的家庭。或者，A可能成績本來就好到能領留學獎學金。除此之外，A也可能原本就很想留學，或是富有好奇心。

如同上述，假如A和B除了留學這點以外，還有其他的相異之處，影響雙方就職率的有可能是留學，也可能是其他因素。

難以證明因果關係的原因1：有可能是其他因素造成影響

前面3個例子的共同點是：主張「某因素（X）對結果（Y）造成影響」，亦即X↓Y的因果關係。第1個例子主張「廣告（X）影響冰淇淋的業績（Y）」之因果關係，最後的例子則主張「留學經驗（X）影響就職率（Y）」之因果關係。

難以證明「X對Y造成影響」之因果關係的最大原因，就是無法排除「Y之所以產生變化，或許是受到X以外的其他因素影響」這個可能性。

資料分析者主張「X影響了Y」。然而，社會其實不如實驗室那般單純。發生X的同時，有可能也發生了其他狀況（我們就稱X與Y以外的因素為V吧）。

以廣告的例子來說，發生X亦即廣告的同時，有可能也發生了氣溫上升或經濟狀況改變之類的V。以留學政策的例子來說，除了「曾經留學」這個X外，留學以前的成績、父母的財力、邁向國際的志向等V也有可能影響了Y。

在這種情況下，即使X與Y的資料如圖表1-1與圖表1-2那樣，看上去是同時變動，仍有可能不是X對Y造成直接影響，而是V同時影響了X與Y。

第1章　從資料導出因果關係為什麼並不容易？

從資料導出因果關係為什麼那麼困難呢？

本章將使用3個具體例子說明這一點。

第1個例子，是以在企業任職者的觀點來看行銷策略。第2個例子，是以在公家機關任職者的觀點來看政策制定。第3個具體例子，則是從在教育機構任職者的觀點來思考。

例1：廣告使冰淇淋的業績增加了？

假設你在販售冰淇淋的企業任職，隸屬行銷部。目前公司正在研究，在網站上打廣告能否提升今年夏季的業績。上司想知道打廣告能增加多少業績，於是請你分析資料。

看了過去的資料後，你得知以下資訊：

你的公司曾在20...

【前言】

處處講求資料分析的時代

隨著以大數據（Big Data）為代表的資訊科技持續發展，各種有關生活及商業的資料皆記錄保存下來，人們變得更容易取得大量資料。這種現象對我們的生活帶來什麼改變呢？

資訊傳播革命帶來的其中一個大變化就是，以往只有特定的專業人士必須具備資料分析能力，如今各行各業都開始要求這項能力。

舉民間企業為例。

業務部或行銷部經常能聽到這樣的對話：

「我想知道下一期該採用何種廣告策略才能提升業績，你可以幫我調查打過廣告的商品業績資料，分析廣告對業績的影響嗎？」

人事部也不時能聽到這樣的對話：

「我想知道該用什麼方法才能提升員工的工作效率。只要觀察員工的內勤工作時間、外勤工作時間及銷售成績等資料，就能明白勞動時間對銷售成績有何影響吧？」

其實，不只民間企業產生這種變化。在行政機關或學校這類非營利組織任職的人，接觸到的資料同樣比過去還多，而且更常需要分析資料，或是利用別人的資料分析結果。

舉例來說，自從日本導入事業分類（譯註：針對國家與地方政府的事業進行公開討論，判斷該事業是否有其必要、該由誰負責、預算有無浪費之手法）後，行政機關就經常進行這樣的討論：

「我們需要分析去年實施的補助金政策成效，並向財務省報告。領取補助金的企業資料應該都有蒐集起來。只要經過分析，就能得知補助金的成效吧？」

同樣的，學校之類的教育現場，近來也開始注重教學評鑑或教育成效評鑑，因此經常進行這樣的討論：

「為了得知之前使用的教材何者較具成效，我們就蒐集學生的理解程度資料進行分析吧？」

文科與理科都必須具備的分析力

從前大家都認為，資料分析屬於對數字敏感的理科專業領域。不過，在今後的時代，無論你從事理科或文科方面的工作、處於何種立場，都必須具備資料分析能力。

光看前面的例子就知道，運用資料分析的人不只技術員及科學家而已。文科人今後也會越來越常遇到必須分析資料的狀況。

此外，如同前述，在職場上即便你不是負責分析資料的那個人，依據「某人的資料分析」做出重要決策的機會同樣越來越多。因此，就算你不是分析負責人，一樣需要鑑別資料分析結果的能力「以免被某人的資料分析欺騙」。

大數據時代下不可或缺的分析力

儘管社會出現這樣的變化，仍有許多人不熟悉「資料分析」這個概念。日本的小學至高中都有數理科目，但我們的學校教育卻鮮少教導「資料分析」之概念。

近年來出現一種論調，認為大數據提供許多資料，可解決一切問題。其實，人的判斷對資料的處理、分析、解釋具有非常重要的作用，這點從本書的內容就能窺知一二。

最近商業界――特別是IT業――越來越重視分析力（Analytics），並且認為光有大數據依舊很難進行實務改善，剖析大數據使之可用於商場決策才重要。

尤其在本書聚焦的「釐清因果關係」這點上，就算增加資料量也無法根本解決問題，因此我們必須具備解析資料的能力。

資料分析的原則與壽司師傅的工作有共通之處

資料分析的重要原則，與壽司師傅的工作有共通之處。據說要做出好吃的壽司，至少必須注意3個重點。

第1個重點是，採購優質食材。第2個重點是，具備能發揮食材美味的刀工。即便有了優質食材，如果料理者缺乏技能，不知道該從哪個角度切下食材，品嘗時就吃不出食材的美味。第3個重點則是，能否提供眼前顧客所要求的味道或餐點。

題外話，筆者目前住在美國，當地雖然找得到選用優質食材的壽司店，但要找到「刀工好到能發揮食材美味的師傅」，或是「餐點符合日本人口味的師傅」就不容易了。

資料分析也可說是一樣的情況。

在資訊傳播革命的影響下，大多數的人都能更容易取得好資料（食材）。這是一件很棒的事。可是，如果沒學習思考方法，或缺乏「該從何種角度剖析資料」之判斷力，分析時就無法發揮好不容易取得的資料之價值。

此外，就算完美地分析資料，假如分析結果無法回答待解決的課題，便會面臨「分析結果明明很精彩，卻完全派不上用場」這種本末倒置的情況。

那麼具體而言，分析資料時，需要哪些觀念與技能呢？

如果能有一本專門解說這方面新知的入門書，應該能幫助許多人吧？這就是筆者撰寫本書的動機。

在經商與施策的各種場面上，釐清因果關係是決定成敗的關鍵

本書為資料分析入門書，聚焦於「廣告對業績有影響嗎？」、「實施某政策真能對社會帶來良好影響嗎？」這類因果關係的探究方法。為什麼要聚焦於因果關係呢？這是因為，在有關生意或政策的各種場面上，釐清因果關係對實務家而言非常重要。

舉例來說，前美國總統歐巴馬（Barack Obama）2012年競選總統時，就是因為確切釐清競選廣告策略的因果關係，才能再募到約6000萬美元（72億日圓）的政治獻金。IT企業Google則分析網站文字顏色與瀏覽人數的因果關係，藉此提升利潤。計程車業的生力軍Uber，也是藉由釐清價格與消費者行為的因果關係，找出可平衡司機人數與使用者人數的方法。

近來許多企業都懂得利用因果關係分析，找出最佳的商業策略，這種情況逐漸成為常態。

除此之外，認真分析因果關係，也可發現立意良善的政策反而造成意料之外的結果，抑或原本以為沒什麼效果的政策其實產生不小的成效。

舉例來說，日本政府為改善汽車燃油效率而實施的環保政策，其實反而促使汽車重量增加。美國政府為刺激景氣而實施的環保車政策，其實只是撒錢政策，無助於刺激景氣。另外，對青少年實施的犯罪預防教育，不但抑制犯罪的成效超乎預期，更令人意外的是，這對學業也有良好影響。

以上這些有關生意或政策的具體事例，只是本書介紹的資料分析運用事例的一部分。只要閱讀本書，便可透過各種有關生意或政策的具體事例，了解因果關係分析為何重要、為什麼不易分析，以及有什麼解決方法。

本書的目的與結構

本書不使用數學表達式，而是運用具體事例及視覺化的描寫，解說資料分析概念中最基本的「釐清因果關係的方法」。

當然，要成為資料分析專家，必須具備靈活運用深入的統計學知識與統計軟體的能力。不過，從事資料分析的實務工作與教育工作的筆者認為，學習入門知識，亦即「分析眼前的資料時必須注意什麼」時，不透過數學表達式理解，而是採「直覺式學習」也很重要。

因此，希望「學了統計學或計量經濟學，卻無法喜歡上這門學問」的人，也可以將本書當成課外讀物來閱讀。不如說，筆者撰寫本書的目的，就是希望你在看完之後，能夠覺得「原來資料分析這麼有趣呀。既然可以做到這些事，我就再多學一點更深入的知識吧」。

第1章要解說的是，從資料導出因果關係為什麼並不容易。前面所舉的業務部與行銷部的例子、人事部的例子、行政機關的例子與學校的例子，四者的共同點是：資料分析的最終目的，大多為釐清「某個行為（X）對結果（Y）造成何種影響？」之因果關係。

以行銷的例子來說，問題就是「廣告（X）對業績（Y）造成何種影響？」；以學校的例子來說，問題就是「教材（X）對學生的理解程度（Y）造成何種影響？」。第1章將針對「為何這個乍看之下十分簡單的問題，難以透過資料分析得到答案」，進行直覺式的解說。

第2章介紹的是，可百分之百解決「難以導出因果關係」之問題的最佳方法。在醫學與經濟學等學術領域，這個方法稱為RCT（Randomized Controlled Trial，隨機對照試驗），在商業領域則稱為A／B測試。這在醫學領域是運用已久、很常見的手法，但在經濟學與商業領域則是直到最近才常被使用，可說是最新的手法。這個章節同樣採直覺式說明，不使用數學表達式。

倘若每次都能運用最佳方法RCT當然是最理想的，只可惜因為某些緣故，能夠運用RCT的機會很有限。

假如不能使用RCT，我們該如何導出因果關係、解決問題呢？

近年來，經濟學領域十分盛行這項研究。「自然實驗（Natural Experiment）」便是其中一種「善加利用猶如做過實驗的狀況」，可運用在各種場合上的手法。第3章至第5章便是解說，當我們無法使用RCT時，可以改用何種「自然實驗法」。

第3章介紹的方法是RD設計（Regression Discontinuity Design，不連續迴歸設計）。

這是一種只要善加利用世上的「界線」，即使無人進行實驗，依然能製造出「猶如做過實驗的狀態」之方法。這裡說的界線十分廣義，像地理上的界線、企業調整定價的分界點、可領政府補助金的年齡……等等，全都包含在內。因此，能夠運用這個方法分析資料的機會比想像中多。

第4章介紹的是，最近在經濟學研究的推廣下開始運用的手法「堆集分析（Bunching Analysis）」。

報酬或支款大多呈「階梯狀變化」，例如採累進稅率的所得稅、薪資結構、政府設置的規定值之變動、企業制定價格的方式……等等。只要善加利用這類階梯狀變化，同樣能製造出「猶如做過實驗的狀態」。

第5章介紹的是「縱橫資料分析（Panel Data Method）」，這種手法用於可取得數個期間的資料之情況。

我們的身邊有許多可每月或每年蒐集的資料，例如廣告支出、業績、職員的勞動時間、學生的成績……等等。此外，我們不只能蒐集個人或單一企業的這類資料，也能蒐集數人或數家企業的資料。第5章即是解說，如何利用「數個期間、數個對象的資料」分析因果關係。

那麼，實際在企業或公共機構任職的實務家，該如何將第2章至第5章介紹的資料分析手法，應用在實務決策上呢？

第6章即介紹許多國外的具體事例，並探討如何將資料分析，應用在商業策略或政策制定上。

本書畢竟是入門書，前6章省略了適合高階者閱讀的內容。本書介紹的方法論都是學術上最新的方法，在實務上也非常有用。不過，任何方法論都有弱點或缺點，了解這些弱點與缺點十分重要。因此，筆者將第7章訂為進階篇，解說資料分析的不完全性與極限。

假如第2章至第5章介紹的方法全都無法使用，我們該如何分析資料呢？目前經濟學領域仍持續研發，可用於這種狀況的分析手法（工具變數法、匹配法、合成對照群法、離散選擇法、結構估計法等）。可惜，這些手法必須借助數學表達式才能解釋清楚，本書就省略不談了。不過，筆者會在第8章介紹推薦書籍給想進一步學習的人。

本書是以2014年10月，筆者於波士頓日籍研究者交流會上演講的資料為基礎，添加筆者在芝加哥大學任職時的授課內容與研究內容而成。內容以方法論及具體應用事例為主，針對一般民眾解說「經濟學的實證分析」領域的其中一部分。說到經濟學，大多數的人應該會想到「利用數學表達式進行理論式分析的經濟理論」。不過近年來，經濟學領域除了研究經濟理論外，也很盛行研究「經濟學的實證分析」，也就是「使用資料，分析理論預測是否真在現實社會中發生」。如果你在看完本書介紹的資料分析具體事例後，能夠覺得「原來經濟學與經濟理論結合資料分析後這麼有意思」，筆者會很開心的。

2016年秋季　寫於芝加哥

伊藤公一朗

【前言】

處處講求資料分析的時代

隨著以大數據（Big Data）為代表的資訊科技持續發展，各種有關生活及商業的資料皆記錄保存下來，人們變得更容易取得大量資料。這種現象對我們的生活帶來什麼改變呢？

資訊傳播革命帶來的其中一個大變化就是，以往只有特定的專業人士必須具備資料分析能力，如今各行各業都開始要求這項能力。

舉民間企業為例。

業務部或行銷部經常能聽到這樣的對話：

「我想知道下一期該採用何種廣告策略才能提升業績，你可以幫我調查打過廣告的商品業績資料，分析廣告對業績的影響嗎？」

人事部也不時能聽到這樣的...

前言

第1章　從資料導出因果關係為什麼並不容易？
例1：廣告使冰淇淋的業績增加了？
例2：調漲電價能促進節電嗎？
例3：出國留學比較容易找到工作？
難以證明因果關係的原因1：有可能是其他因素造成影響
難以證明因果關係的原因2：有可能為反向因果關係
因果關係不同於相關關係
社會上充斥著啟人疑竇的資料分析結果
為什麼誤判因果關係會出問題？
讓小孩開著燈睡覺就會近視？
只要蒐集資料，就能排除所有的其他因素嗎？
即使增加資料觀察數也無法解決偏誤問題

第2章　在現實世界「實際進行實驗」――隨機對照試驗（RCT）
因果關係可用「介入效果」定義
難以導出因果關係是因為「如果」的資料並不存在
解決辦法就是介入組與比較組之概念
分組方式的壞例子：應要求予以介入（自行選擇）
最好的解決辦法就是「隨機對照試驗（RCT）」
為什麼隨機分組是關鍵？
RCT的具體事例1：北九州市的電價實地實驗
若採隨機分組，兩者的各項因素實際上是相等的
實驗結果：調漲電價真能促進節電嗎？
RCT的優點之一就是分析與結果具透明性
RCT的具體事例2：前美國總統歐巴馬競選活動的行銷策略
RCT的鐵則1：妥善建立群組
RCT的鐵則2：一定要隨機分組
RCT的鐵則3：各組的樣本數必須充足
歐巴馬陣營的實驗結果如何？
RCT的具體事例3：電力不足能靠道德解決嗎？價格政策有效嗎？
短期來看，道德政策與價格政策皆有效果
效果的持續性如何？
實際上該如何進行「隨機分組」？
RCT的優點與弱點

第3章　善加利用「界線」的RD設計
如果無法使用RCT該怎麼辦？介紹「自然實驗」手法
RD設計入門：以日本的醫療支出問題為例
著眼於醫療費用自負額變動之「界線」的分析手法
為什麼患者人數在70歲之「界線」上不連續地增加？
自負額從3成減少為1成後，門診患者人數增加10％左右
RD設計需要的假設
從醫療費用自負額的分析來看，RD設計的假設有可能成立嗎？
運用RD設計時分析者該做的事：檢驗其他因素是否在界線上發生不連續的跳躍
什麼情況會使RD設計的假設不成立？
RD設計是在界線附近製造近似RCT的狀況
RD設計有什麼弱點？
RD設計有什麼優點？
只因隔著1條界線，南北電價就大不相同？利用地理界線的RD設計
在「地理界線上」RD設計的假設成立嗎？
運用RD設計時，檢驗能否主張「針對某對象的因果關係」十分重要

第4章　善加利用「階梯狀變化」的堆集分析
汽車越大臺，油耗規定越寬鬆？
著眼於誘因呈階梯狀變化的日本油耗政策
只要繪製直方圖就能釐清企業行為
堆集分析與RD設計的差異
堆集分析的基本概念
堆集分析的假設
堆集分析的結果：油耗規定導致重量平均增加了110kg
堆集分析的優點和弱點是什麼？
堆集分析的事例：所得稅的稅率會影響工作方式嗎？

第5章　運用「數個期間的資料」的縱橫資料分析
要不要移居到所得稅較低的國家？所得稅與移民行動的因果關係分析
運用丹麥個人納稅資料的研究
縱橫資料分析的概念
縱橫資料分析需要的「平行趨勢假設」
關於平行趨勢假設，資料分析者可提供的2種資訊
何種情況會推翻平行趨勢假設？
縱橫資料分析的優點和弱點
縱橫資料分析的事例：撒錢實施景氣刺激政策只會增加搶購需求嗎？

第6章　實踐篇：如何將資料分析應用在經商或政策制定上？
矽谷平常都會運用RCT進行商業策略分析
美國聯邦政府內部推動的「循證政策制定」
評議會的使命
若要將資料分析應用在商業策略或政策制定上，關鍵是什麼？
成功關鍵1：與資料分析專家建立合作關係
成功關鍵2：開放資料
企業與資料分析者的夥伴關係事例1：加州大學、史丹佛大學與大型超市的合作
企業與資料分析者的夥伴關係事例2：加州大學與電力公司的合作
企業與資料分析者的夥伴關係事例3：芝加哥大學與Uber的合作
政府與資料分析者的夥伴關係事例1：芝加哥大學與芝加哥市的合作
政府與資料分析者的夥伴關係事例2：由經濟產業省資源能源廳主導的社會系統實證實驗

第7章　進階篇：了解資料分析的不完全性與極限
1　假如資料本身有問題，分析手法再出色也難以解決問題
2　分析結果的「外在效度」問題
3　「出版偏誤」與「夥伴關係偏誤」問題
4　介入存在「外溢效果」時的注意要點
5　存在一般均衡效果時的注意要點

第8章　給想進一步學習的人：參考書籍介紹
聚焦於計量經濟學實踐層面的日文入門書
讀完入門書後的中階書（經濟學院大學生程度）與高階書（研究所程度）

後記
引用文獻
數學附錄

前言

第1章　從資料導出因果關係為什麼並不容易？
例1：廣告使冰淇淋的業績增加了？
例2：調漲電價能促進節電嗎？
例3：出國留學比較容易找到工作？
難以證明因果關係的原因1：有可能是其他因素造成影響
難以證明因果關係的原因2：有可能為反向因果關係
因果關係不同於相關關係
社會上充斥著啟人疑竇的資料分析結果
為什麼誤判因果關係會出問題？
讓小孩開著燈睡覺就會近視？
只要蒐集資料，就能排除所有的其他因素嗎？
即使增加資料觀察數也無法解決偏誤問題

第2章　在現實世界「實際進行實驗」――隨機對照試驗（RCT）
...