「疑似関係」という用語は、統計、特に実験的研究手法で一般的に使用され、どちらも直接的な因果関係を理解および予測しようとします（X→Y）。非因果相関は、両方（W→XおよびW→Y）を引き起こす先行詞によって誤って作成される可能性があります。媒介変数（X→W→Y）が検出されない場合、媒介変数Mを調整せずに直接効果ではなく、総効果を推定します。このため、実験的に特定された相関は、疑似関係を除外できない限り、因果関係を表しません。
ExperimentsEdit
実験では、考えられる交絡因子として理論的に特定されたものを含む他の要因を制御することにより、疑似相関を特定できることがよくあります。たとえば、新薬がバクテリアを殺すかどうかを判断しようとしている研究者を考えてみましょう。研究者が薬を細菌培養に適用すると、細菌は死にます。しかし、交絡変数の存在を排除するのを助けるために、別の文化は、最初に述べた文化が直面している条件と可能な限り同じ条件にさらされますが、2番目の文化は薬物にさらされません。これらの条件に目に見えない交絡因子がある場合、この対照培養も同様に死ぬため、最初の培養の結果から薬の有効性の結論を引き出すことはできません。一方、対照文化が死なない場合、研究者は薬が有効であるという仮説を否定することはできません。
非実験的統計分析編集
データがほとんどである分野経済学などの非実験的なものは、通常、因果関係を確立するために観測データを使用します。経済学で使用される統計手法の本体は、計量経済学と呼ばれます。計量経済学の主な統計手法は、多変数回帰分析です。通常、
y = a 0 + a 1 x 1 + a 2 x 2 +⋯+ akxk + e {\ displaystyle y = a_ {0} + a_ {1} x_ {1} + a_などの線形関係{2} x_ {2} + \ cdots + a_ {k} x_ {k} + e}
が仮定され、y {\ displaystyle y}は従属変数（原因変数であると仮定）、xj {\ displaystyle x_ {j}} for j = 1、…、kはj番目の独立変数（原因変数であると仮定）、e {\ displaystyle e}は誤差項（すべての複合効果を含む）含まれている独立変数と無相関でなければならない他の原因変数）。 x j {\ displaystyle x_ {j}}のいずれもyが原因ではないと考える理由がある場合は、係数a j {\ displaystyle a_ {j}}の推定値が取得されます。 aj = 0 {\ displaystyle a_ {j} = 0}という対立仮説が棄却された場合、aj≠0 {\ displaystyle a_ {j} \ neq 0}という対立仮説、および同等にxj {\ displaystyle x_ {j }}原因yは拒否できません。一方、aj = 0 {\ displaystyle a_ {j} = 0}という帰無仮説を棄却できない場合、同等に、yに対するxj {\ displaystyle x_ {j}}の因果効果がないという仮説を棄却することはできません。 。ここで、因果関係の概念は、寄与因果関係の1つです。真の値aj≠0 {\ displaystyle a_ {j} \ neq 0}の場合、xj {\ displaystyle x_ {j}}を変更するとyが変更されます。回帰に含まれるか、誤差項に暗黙的に含まれる他の原因変数が、その影響を正確に相殺するように変更されない限り、したがって、x j {\ displaystyle x_ {j}}の変更はyを変更するのに十分ではありません。同様に、xj {\ displaystyle x_ {j}}の変更はyを変更する必要はありません。これは、yの変更は、誤差項に暗黙的に含まれる何か（またはモデルに含まれる他の原因となる説明変数）によって引き起こされる可能性があるためです。
回帰分析は、他の関連する変数を回帰変数（説明変数）として含めることにより、それらを制御します。これは、潜在的に原因となる変数と潜在的に引き起こされる変数の両方に影響を与える3番目の基礎となる変数の存在による因果関係の誤った推論を回避するのに役立ちます。潜在的に引き起こされる変数への影響は、回帰に直接含めることによってキャプチャされます。その効果は、対象となる潜在的な原因変数の疑似効果としては取り上げられません。さらに、多変量回帰を使用すると、たとえばx1の間接効果（たとえば、x1→x2→y）が直接効果（x1→y）であると誤って推測することを回避できます。
実験者は、すべての交絡因子を制御する実験計画を使用するように注意する必要があります。したがって、重回帰のユーザーは、すべての交絡因子を回帰分析に含めることによってそれらを制御するように注意する必要があります。交絡因子が回帰から省略されている場合、その効果はデフォルトで誤差項に取り込まれ、結果の誤差項が含まれている回帰子の1つ（または複数）と相関している場合、推定された回帰はバイアスされているか、一貫性がない可能性があります（ 省略された変数バイアスを参照してください。
回帰分析に加えて、データを調べて、グレンジャー因果性が存在するかどうかを判断できます。 グレンジャー因果性の存在は、xがyの前にあることと、xにyに関する一意の情報が含まれていることの両方を示しています。