はじめに 千葉大学・株式会社Nospareの川久保です． 今回は，回帰モデルのうち，目的変数が連続変数ではなく，カウントだったり二値変数だったりする場合のモデルを含んだ一般化線形モデル（Generalized Linear Model, GLM）について解説します．また，GLMに変量効果を導入した一般化線形混合モデル（Generalize Linear Mixed Model, GLMM）も解説します． 一般化線形モデル（GLM） 線形モデル（LM）のおさらい 目的変数 $y_i \ (i=1,\dots,n)$ を説明変数 $x_i = (x_{i1},\dots,x_{ip})^\top$の線形結合で説明することを目的とした， $$ y_i = x_i^\top \beta + \varepsilon_i, \quad \varepsilon_i \overset{\mathrm{ii

自動化に関するNBER論文を何本も上げてきたアセモグルとPascual Restrepoのコンビ（cf. ここ［とそのリンク先］、ここ、ここ）が、表題のNBER論文（原題は「Tasks, Automation, and the Rise in US Wage Inequality」）を新たに上げている（ungated版）。 以下はその要旨。 We document that between 50% and 70% of changes in the US wage structure over the last four decades are accounted for by the relative wage declines of worker groups specialized in routine tasks in industries experiencing rapid a

先日、こちらのポストをお見かけしました。 AI技術開発部の高橋が社内勉強会の資料「時系列予測にTransformerを使うのは有効か？」を公開しました。 論文Are Transformers Effective for Time Series Forecastingの紹介を中心に、時系列予測について解説しています。ぜひご覧ください。https://t.co/LplxTT8b1d pic.twitter.com/nUXb4bGiQ3— GO Inc. AI Tech (@goinc_ai_tech) 2023年9月28日 なるほど、NN全盛というかNN一択の時代にあっては時系列予測もNNでやるのが当たり前になったのだなという感想でした。大昔「沖本本」で古典的な計量時系列分析を一通り学んだ身としては隔世の感がありますが、これもまたNN時代の趨勢なのでしょう。 なお、元論文2点は上記リンクから辿

というNBER論文をロバート・ホールらが上げている（ungated版へのリンクがある著者の一人のページ*1）。原題は「The Active Role of the Natural Rate of Unemployment during Cyclical Recoveries」で、著者はRobert E. Hall（スタンフォード大）、Marianna Kudlyak（SF連銀）。 以下はその要旨。 We propose that the natural rate of unemployment has an active role in the business cycle, in contrast to the prevailing view that the rate is essentially constant. We demonstrate that this tendency

１１月２５日（土） 医学部医学科受験に特有の面接試験対策について。 前回は、対策した時期の問題を書きました。 今回は、「面接試験と言っても様々ある」ということを書きます。 私は、自分自身が医学科受験を経験していないので、面接試験がどのようなものなのか？企業の採用面接と同じようなものなのか？というところから調べました。また、あくまでも学科試験の成績が優先で、倫理観等の問題のある人物をチェックする程度だという噂も聞いていました。 ところが、実際に調べたり説明会で話を聞いたりすると、様々なパターンがあることもわかりました。予備校の助言もありましたが、事前に多少の対策をしておいた方がいいということを悟りました。 まず、パターンの分け方にもいくつかのモノサシがあります。 私は、①得点化されるかどうか、②日程（面接試験日から発表までの期間）、③実施内容の３つのモノサシがあると考えていました。 今日は、

今回も、基本的には、ぼくの新著『素数ほどステキな数はない』技術評論社の販促のエントリーなんだけど、「深リーマン予想とラマヌジャン」にまつわる話を紹介しようと思う。「深リーマン予想」は、数学者の黒川信重さんの命名らしいけど、ぼくは庵野秀明監督にあやかって、「シン・リーマン予想」と改名したいと思う。笑 庵野監督は、最近、「シン・ゴジラ」「シン・エヴァンゲリオン」「シン・ウルトラマン」と「シン」を連発しているんだけど、ご本人によれば、「シン」の解釈は「新」でも「真」でも「神」でもなんでもいいとのこと。だからもちろん、「深」でも良いはず。そこで「深リーマン予想」も「シン・リーマン予想」と呼ぶ。 素数ほどステキな数はない 　～素数定理のからくりからゼータ関数まで～ 知の扉 作者:小島 寛之 技術評論社 Amazon 「シン・リーマン予想」とは、リーマン予想よりも強い予想のこと。つまり、「シン・リーマ

今年は、夏からあまりに忙しくて、このブログを更新する時間が取れなかった。 忙しさの最も大きな要因は、新書を書いていたことだ。しかも、普通の新書とはわけが違う。ぼくの勤務する帝京大学が、このたび、帝京大学出版会を立ち上げる運びとなった。そして、帝京新書というブランドを新設し、新書市場に参入することとなった。その第一弾の1冊をぼくが書くことになったのだ。その新書は、『シン・経済学ー貧困、格差および孤立の一般理論』である。 シン・経済学 ー貧困、格差および孤立の一般理論ー (帝京新書) 作者:小島寛之 帝京大学出版会 Amazon タイトルは編集者がつけた。ぼくには恥ずかしくてこんなタイトルはつけられない。まあ、ぼくも庵野監督のファンだから、拒否まではしなかった。 この本については、刊行時期が近づいたら販促しようと思う。 もうひとつ、忙しさをちょっとだけ担ったのが、NHKの番組への出演だ。それは

ECM (wiki簡易翻訳) 誤差修正モデル（ECM）は、基になる複数の変数が共和分と呼ばれる長期的な確率的トレンドを持つデータに使用される多重時系列モデルである。ECMは、ある時系列が別の時系列に及ぼす短期的および長期的影響の推定に役立ち、理論的に裏付けされている。誤差修正は、長期の均衡からの前期の誤差が、短期のダイナミクスに影響を与えるという事実を捉えている。したがって、ECMでは、他の変数の変化後に従属変数が均衡に戻る速度を直接推定できる。 歴史 Yule（1936）とGranger and Newbold（1974）は、見せかけの相関の問題点に最初に着目し、時系列分析における解決策を見出した。2つの完全に無関係な和分（非定常）過程では、一方が他方に関し回帰分析により統計的に有意な関係を示す傾向がある。そのため、これらの変数間に真の関係があると誤る可能性がある。通常の最小二乗法では一

という本（原題は「Long-Term Care around the World」）をNBERがシカゴ大学出版局から出版する予定のようで、関連論文が上がっている。以下はJonathan Gruber（MIT）、Kathleen McGarry（UCLA）、Charles Hanzel（NBER）による序章からの引用。 Based upon our analyses, we propose categorizing long-term care systems on four dimensions: eligibility (need versus means based), setting (institutional versus home), cost burden (public versus private), and provision (formal versus inform

【第1回】ベイズ統計の仮説検定〜頻度論との違い〜 【第2回】ベイズ統計の仮説検定〜基本的な検定〜 【第3回】ベイズ統計の仮説検定〜頻度論の考え方に基づく検定〜 【第4回】ベイズ統計の仮説検定〜ベイズファクター〜 　　　←イマココ！ 【第5回】ベイズ統計の仮説検定〜点帰無仮説の場合〜 【第6回】ベイズ統計の仮説検定〜問題点とまとめ〜 ベイズ統計における仮説検定の問題点 今まで説明してきたベイズ統計における仮説検定ですが、実は大きな問題があります。 事後分布は事前分布によって与えられることは、ベイズの定理からすでに証明済みです。つまり、事後オッズ比も事前分布の設定によって左右されるのです。 例えば、 \(H_0:\theta\leq\theta_0\) \(H_1:\theta>\theta_0\) という検定を考えるとし、事前分布を次のように設定したとします。 この分布だと、すでに帰無仮説が

概要　生産関数を特定化した場合の1つとして、トランスログ型生産関数（Translog production function）があります。 産出量を $ Y$ 、資本を $ K$ 、労働力を $ L$ としたとき、次のようなものです。 $ \ln Y = a_0 + a_1 \, \ln K + a_2 \, \ln L + \dfrac{1}{2} \, a_{11} \, (\ln K)^2 + \dfrac{1}{2} \, a_{22} \, (\ln L)^2 + a_{12} \, \ln K \,\, \ln L $ いくつかある生産関数の1つであり、実証で推計などに利用されることが多い生産関数です。 対数化したコブダグラス型生産関数と似ていますが、$ 1/2 \, a_{11} \, (\ln K)^2 + 1/2 \, a_{22} \, (\ln L)^2 + a_{1

というNBER論文が上がっている（2月時点のWP）。原題は「Economic Growth under Transformative AI」で、著者はPhilip Trammell（オックスフォード大）、Anton Korinek（バージニア大）。 以下はその要旨。 Industrialized countries have long seen relatively stable growth in output per capita and a stable labor share. AI may be transformative, in the sense that it may break one or both of these stylized facts. This review outlines the ways this may happen by placing sev

というNBER論文が上がっている（ungated版へのリンクがある著者の一人のページ）。原題は「Using Macro Counterfactuals to Assess Plausibility: An Illustration using the 2001 Rebate MPCs」で、著者はJacob Orchard（FRB）、Valerie A. Ramey（スタンフォード大）、Johannes Wieland（UCサンディエゴ）。 以下はその要旨。 Macroeconomics has increasingly adopted tools from the applied micro “credibility revolution” to estimate micro parameters that can inform macro questions. In this paper

2023年11月02日16:43 カテゴリ本 厚労省の家父長主義は満州国で始まった 社会保険料の歴史を調べると、岸信介の存在の大きさに気づく。彼は私有財産を否定する国家社会主義者であり、戦後も右派社会党に入党しようとした。計画経済と社会政策を重視する岸の家父長主義は、自由党より社会党に近かった。国民年金と国民健康保険による国民皆保険の制度は、岸内閣がつくったのだ。 岸の原点が満州国である。ここでは関東軍と満鉄が中心になって計画経済の実験をおこなった。「国防国家」の建設と、労働者を「正社員」として総力戦に動員する社会政策は一体だった。その中心になったのが関東軍の石原莞爾と満鉄の宮崎正義で、それを実行したのが総務庁の岸だった。 彼らが1936年につくった5ヶ年計画は、ソ連をモデルにして満州の重化学工業化を進める計画だったが、関東軍が南下して戦線が拡大したため物資と人員が不足し、失敗に終わった。

というNBER論文が上がっている（ungated版）。原題は「The Shifting Reasons for Beveridge-Curve Shifts」で、著者はGadi Barlevy（シカゴ連銀）、R. Jason Faberman（同）、Bart Hobijn（同）、Ayşegül Şahin（テキサス大オースティン校）。 以下はその要旨。 We discuss how the relative importance of factors that contribute to movements of the U.S. Beveridge curve has changed from 1960 to 2023. We review these factors in the context of a simple flow analogy used to capture the