🔖 キーワード索引

本ページは 対照群（Control Group）を多角的に解説します。 上のチップは、 検索・関連語の手がかりです。

📍 文脈 — どこで使う概念か

対照群（Control Group）は、 因果推論の根本概念。 医療臨床試験、 教育介入評価、 政策評価、 A/B テストなど、 「効果はあったか？」を問うあらゆる場面で使われます。 ランダム化比較試験（RCT, Randomized Controlled Trial）は対照群を使う研究デザインの黄金基準です。

🎨 直感で掴む — 具体例で理解する

因果効果の定義（反事実モデル）：

因果効果 = 処置を受けた結果 − 処置を受けなかった結果

同一個人で「両方の結果」を観察することは不可能（fundamental problem of causal inference）。 そこで、 対照群を「処置を受けなかった世界」の代理として使います。

📐 定義・数式

🔬 記号・要素の読み解き

🧮 数値例・実値計算

例：新薬の効果を見る RCT（n=100 ずつ）：

「新薬で回復率 +17 ポイント」と因果的に主張できる（ランダム化が成功している前提）。

🐍 Python 実装例

最小コードで動かしてみる例：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13

import pandas as pd
import numpy as np
from scipy import stats

# RCT データ：処置群 vs 対照群
df = pd.read_csv('data/raw/trial_data.csv')

treat = df[df['群'] == '処置']['結果']
ctrl = df[df['群'] == '対照']['結果']

ate = treat.mean() - ctrl.mean()
t, p = stats.ttest_ind(treat, ctrl)
print(f'ATE = {ate:.3f}, p = {p:.4f}')

⚠️ よくある落とし穴

🌐 関連手法・派生

• RCT：ランダム化比較試験（黄金基準）
• マッチング：類似サンプルでの比較
• 傾向スコア：処置確率を制御
• DiD（差の差分法）：時系列での因果推論
• 操作変数法：内生性への対処
• 断回帰デザイン (RDD)：閾値前後で比較

🔗 関連用語

📚 関連グループ教材

この用語の全体像を学ぶには、 まず横断的な教材で文脈を掴むのが効率的です：

• 📚 因果推論 — 対照群は因果の出発点