操作変数法（IV）とは？内生性を克服して因果効果を推定する手法を解説

操作変数法とは

操作変数法（IV: Instrumental Variable）は、説明変数と誤差項が相関する「内生性」の問題を解決し、因果効果を一致推定するための統計手法です。通常の回帰分析（OLS）では内生性があると推定値にバイアスが生じますが、操作変数法はこのバイアスを除去します。

内生性が生じる典型的な原因は、省略変数バイアス、同時性バイアス、測定誤差の3つです。操作変数法はこれらすべてに対処できるため、計量経済学の中核的な手法として広く活用されています。

操作変数法の基本的なアイデアは、1920年代にフィリップ・ライトが需要・供給の同時方程式の識別問題に取り組む中で生まれました。その後、計量経済学の発展とともに精緻化され、現在ではビジネスやマーケティング分析でも応用されています。

構成要素

操作変数の3条件

操作変数として有効であるためには、以下の3条件をすべて満たす必要があります。

条件	内容	検証方法
関連性条件	操作変数が内生的な説明変数と相関する	第一段階回帰のF統計量で検証
排除制約条件	操作変数がアウトカムに直接影響しない	理論的な議論で正当化
独立性条件	操作変数が誤差項と無相関である	理論的な議論で正当化

二段階最小二乗法（2SLS）

操作変数法の最も一般的な実装方法が二段階最小二乗法（2SLS: Two-Stage Least Squares）です。第一段階で内生変数を操作変数に回帰し、第二段階でその予測値を使って本来の回帰を行います。

局所平均処置効果（LATE）

操作変数法で推定されるのは、平均処置効果（ATE）ではなく局所平均処置効果（LATE: Local Average Treatment Effect）です。これは「操作変数によって処置状態が変わる人々（Compliers）」に限定した因果効果です。

実践的な使い方

ステップ1: 内生性の診断

まず、通常のOLS推定値が内生性バイアスを受けている可能性を検討します。Hausman検定やDurbin-Wu-Hausman検定を用いて、説明変数の内生性を統計的に検定します。

ステップ2: 操作変数の選定

関連性条件、排除制約条件、独立性条件を満たす操作変数の候補を理論的に検討します。自然実験や制度的変動が操作変数の有力な候補となります。

ステップ3: 第一段階回帰の検証

操作変数と内生変数の関係を回帰分析で確認します。F統計量が10以上であることが「弱い操作変数」を回避する経験的な目安です。Staiger-Stock基準とも呼ばれます。

ステップ4: 2SLS推定と結果の解釈

第二段階の回帰を実施し、推定された係数を因果効果として解釈します。推定値がOLSと大きく異なる場合は、内生性バイアスの方向と大きさを議論します。

活用場面

• マーケティング施策（広告費、クーポン配布など）の因果効果を推定する場面
• 教育や研修プログラムが生産性に与える効果を、自己選択バイアスを考慮して評価する場面
• 価格弾力性の推定において、需要と供給の同時決定による内生性を解消する場面
• 新制度や規制変更を自然実験として活用し、政策効果を測定する場面

注意点

弱い操作変数の問題

操作変数と内生変数の相関が弱い場合、2SLS推定量のバイアスはOLSと同程度かそれ以上になることがあります。第一段階のF統計量が10を下回る場合は、弱い操作変数の問題を疑うべきです。近年ではAnderson-Rubin検定やより頑健な推定手法が提案されています。

排除制約の検証困難性

排除制約条件は統計的に検証できません。操作変数がアウトカムに直接影響しないことは理論的な議論でしか正当化できないため、分析者の判断に依存します。この前提が崩れると推定結果は無効になるため、ロバストネスチェックを複数実施することが重要です。

LATEの解釈上の限界

操作変数法が推定するのはLATEであり、母集団全体の因果効果ではありません。Compliersの特性が母集団全体と異なる場合、結果の一般化には慎重さが求められます。LATEの対象となるサブグループの特徴を明示的に議論することが推奨されます。

まとめ

操作変数法は、ランダム化実験が不可能な状況で内生性を克服し因果効果を推定する手法です。適切な操作変数を見つけることが最大の課題であり、関連性条件の統計的検証と排除制約の理論的正当化の両方が不可欠です。推定結果はLATEとして解釈する必要がある点を常に意識しましょう。