因果推論における回帰分析の重要性を再確認した後，説明変数においても因果構造を設定できる (SEMによる)パス解析の有用性を指摘した．パス解析では，第三変数の役割，すなわち，交絡変数， 中間変数，合流点に応じて，それらを具体的にモデリングすることができる． 続いて，Rubinによる因果モデルを紹介した．割付けと欠測は表裏の関係であること，すなわち，欠測 のありようを示す諸概念(MCAR, MAR, Ignorable missing)とそこでの統計的推測における役割は，実 験における割付けのありようと推測に同等であることを注意した．具体的には，MCARは無作為割付 けに，そして，MARは割付けが第三変数に依存する状況に対応する．SEMは，MARにおいてシンプルで有効なモデルを与えていることを示した． 最後に，Rubinの因果モデルの考えを，心理学で有名なLordのパラドックスへ応用した．同パラドックス は，pre-test とpost-testとの変化におけるグループ間の差異を調べる研究において，pre-testと post-testの差を特性値としてanovaを行った分析とpre-testを共変量としてancovaを行った分析が矛 盾した結論を導くことがあるというものである．従前から，両分析はコントロール群の設定において差 異があることは知られていたが，講演者は，ancovaにおける回帰効果の妥当性が鍵であることを指摘 した．