タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。
こんにちは。エムスリーデータ分析グループの中島です。 本記事ではマーケティングやデータサイエンスの文脈で重要度が高まっている統計的因果推論への足掛かりをデータ分析グループの業務と結び付けながらご紹介したいと思います。 1. はじめに「A→Bの因果関係がある」とは、Aへ介入する（Aを変化させる）ことよって、要因Bを変化させることができることを意味します。 具体例で考えると、投薬（A）の有無によって病気の治癒率（B）が変化する場合、投薬→治癒率の因果関係があるといえるわけです。 このような因果関係をデータを活用して解き明かそうとするのが統計的因果推論の目的ですが、大別するとさらに次の２つに分類されます。 (1) 因果の方向を既知のものとして因果の大きさを評価(因果推論) (2) 因果の方向の決定・探索(因果探索) これらの基本的な考え方と手法について紹介をしたいと思いますが、その前に重要な概念
『効果検証入門』はマーケティング実験＆分析に関わる全ての人にお薦めの統計的因果推論の入門書 - 渋谷駅前で働くデータサイエンティストのブログ
このブログを普段からお読みになっている皆さんはご存知かと思いますが、僕は割と口を酸っぱくして「マーケティングに携わるならきちんと実験して効果検証せよ、その介入がピュアな施策だろうと機械学習システムによるものだろうと変わらない」ということを折々に触れ言い続けています。 一方で、その効果検証の方法については純粋なRCT（ランダム化比較対照試験）でない限りは往々にして統計的因果推論が必要とされることが多く、その辺のマーケティングの現場で行われている「実験」と称するものを見ていると「それどう見ても交絡まみれやん」と言いたくなるケースが珍しくない、というのが現状のように見受けられます。しかし実務を意識した統計的因果推論の解説書はほぼ皆無に近い状態で、今年の恒例推薦書籍リスト記事を書きながら「相変わらず良い本がないなぁ」と思っていたのでした。 効果検証入門〜正しい比較のための因果推論/計量経済学の基礎
統計的因果推論とデータ解析 / causal-inference-and-data-analysis
統計的因果推論の解釈と、実際の運用における注意点をまとめた資料です。 先日、closedな勉強会で発表したものを一部改変したものです。 twitter : @tomoshige_n mail : tomoshige.nakamura@gmail.com �注）一部、わかりやすさを厳密性よりも優先した部分があります。厳密性などを求める方は、文献等をあたってください。
「学術的に理解する」ってどういうこと? ：統計的因果推論のフレームワークから見た 「量的×質的」に関する眺望の (いささかとっちらかった)スケッチを共有する
統計的因果推論のフレームワークとはいかなるものかを理解することで、統計的因果推論がいかに質的な知見を（しばしば暗黙に）その基盤としているか、統計的因果推論のスコープがしばしば いかに”狭い&薄い”のかを議論しました。前半はDAG-潜在結果モデル-構造的因果モデルの統一的な解説です。後半はSUTVAと質的研究の話、固有性-法則性と斎藤清二先生のナラエビの話、筒井淳也(2019)と"キャンセルアウト"の是非の話、です。
去年末に日本に帰国した際、ありがたいことに多くの方から因果推論に関するレクチャーの依頼をいただきました。 本当はこの春にも帰国してトーク予定だったのですが、コロナ渦でタイミングを逸したので思い切って講義資料を公開することにしました。 ツイッター上でのこんな話題もきっかけで・・・ これを意識するだけで（少なくとも医学・公衆衛生領域における）回帰分析ユーザーの大部分の結果の解釈やモデルに対する向き合い方が変わると思っています。日本で修士までとったけど、自分は留学するまで知らんかった。 去年末、一時帰国中にやった因果推論ワークショップ中でも触れました。 https://t.co/jEsu5WDPLx pic.twitter.com/LmidBTMQlw — KRSK (@koro485) May 27, 2020 内容はこんな感じです なんとなく回帰分析を使って「調整」をしてました、くらいの統計
因果推論駅の奥へ：諸統計的因果推論理論の繋がりの講演資料のアプ - Take a Risk：林岳彦の研究メモ
部屋とYシャツと構造と力と私、こと林岳彦です。こんにちは。本ブログではお久しぶりです。 先週末に、社会学系の研究会からの依頼で、(1)因果推論の諸理論が奥の方でどう繋がっているか、(2)その"奥の方"で「質的理解」と「量的分析」がどう繋がっているか、をテーマに講演いたしました。その資料をアップロードしましたのでご報告いたします。 因果推論の奥へ: "What works" meets "why it works" from takehikoihayashi ついでに6月に佐賀大で行った、「生態学者における統計的因果推論の導入」についての講演資料も（以前に）アップしておりましたのでご報告いたします。 「生態学における統計的因果推論」という大ネタへの挑戦：その理論的背景と適用事例 from takehikoihayashi 現在わたくしは「筆頭著者論文を書かない」という非行の更生のため同僚の保
統計的因果推論の勉強会@2022
高橋将宜（2022）「統計的因果推論の理論と実装」共立出版. を読んで統計的因果推論について勉強する会の資料です。
運用型ゲームの分析における統計的因果推論の活用
はじめにこんにちは。DeNAゲーム事業部・分析部の中川です。 本稿では運用型ゲームにおけるデータ分析に関して、データの特徴とそれに対する統計的因果推論の活用をテーマとしてお話をさせていただきます¹。本稿は大きく分けて5つのパートからなります。 第1のパートでは本題に入る前に、運用型ゲームの特徴である「ルールの公平性」についてお話をさせていただきます。 次に、第2のパートではその「ルールの公平性」と不可分の関係にある「観察データ」について触れた上で、統計的因果推論を用いた分析の重要性を述べさせていただきます。 踏まえて、第3のパートでは統計的因果推論について簡単に説明をさせていただいた後、続く第4のパートでは実例を交えながらどういったケースにおいて統計的因果推論のアプローチが有効かについてご紹介をさせていただきます。 最後に、第5のパートでは統計的因果推論を用いた分析をサービス運営の意思決定
Lecture on Tokyo Medical University titled "theory of generalized random forest and its application to causal inference."
社内勉強会の発表資料です。高橋先生の「統計的因果推論の理論と実装」のChapter1と2の内容についてまとめています。 参考リンク（マイメディア） - 相関関係と因果関係と疑似相関 https://zenn.dev/s1ok69oo/articles/3d748c399da774 - 反実仮想と因果効果 https://zenn.dev/s1ok69oo/articles/c3404a184d2203
ローゼンバウム 統計的因果推論入門 - 共立出版
「傾向スコア」の提案者Paul R. Rosenbaumによる統計的因果推論の入門書。 数式による説明は最低限に、多くの例とやさしい文章で丁寧に解説！ ローゼンバウムによる本書は、そのテーマである統計的因果推論について丁寧に、かつ正確に説明されたものとなっている。それはまさに期待通りのものであり、著者の卓越した知識に基づく熟練の技というべきであろう。 ――スティーブン・スティグラー（統計学者、『統計学の7原則』著者） 観察研究と実験から因果関係を推論するための考察と戦略の宝庫。この本は読むのが楽しく、因果推論について学ぶあらゆるレベルの読者にとって興味深い内容が詰め込まれている。 ――ディラン・S・スモール（ペンシルベニア大学ウォートン校教授） 本書のこの分野に対する貢献はきわめて大きい。。。 一読を強く薦める。 ――キャロル・ジョイス・ブルムバーグ（アメリカ統計学会フェロー） 因果
はじめに 継続に関する分析は簡単ではない 統計的因果推論 x 継続分析 IPWsurvival パッケージを用いた生存分析 IPW 推定量を用いずにそのまま生存分析を行う IPW 推定量を用いて生存分析を行う log-rank検定を実施 統計的因果推論の関連記事 はじめに スマホゲームのようなアプリの運営において「ユーザーの継続率」はKPIの中でも特に重要な指標として上げられます。特に近年のゲームアプリはリリース直後に大型のプロモーションを行って大量のユーザーを一気に獲得してしまうことも多く、そこでゲームを始めたユーザーにゲームを中長期的に継続してもらうことがアプリの命運を握ると言っても過言ではない状況も生まれています。そのため、ユーザーの継続率の分析、ならびにその向上は非常に価値のある取り組みと言えるのです。 継続に関する分析は簡単ではない 一方、ユーザーの継続を分析するのはそうそう簡単
統計的因果推論の理論と実装 - 共立出版
本書は、統計的因果推論の理論（数理的メカニズム）と実装（Rによる数値解析）の両方を統一的にカバーしたものである。具体的には、ハーバード大学統計学科のDonald B. Rubinの提唱した潜在的結果変数の枠組みによる統計的因果推論を扱う。また、データの一部が観測されない場合の因果推論も扱っており、これは類書にはほとんどみられない本書の特徴である。 本書の数理的な理論解説は、できるだけ高校数学の範囲内で理解できるように工夫した。微積分や線形代数も、ほぼ登場しない。さらに、必要な数学的知識は、登場する箇所で解説を加えた。また、Rを使った数値計算により、数学が苦手な人にも統計的因果推論のメカニズムを理解してもらえるように工夫している。そして、数式とRコードとの対応関係をRの初心者も理解できるように、できるだけ1行ごとに完結するコードを書くよう心がけた。 さらに、Rを使って統計的因果推論の実証研究
読んだ本 1. 序論：統計モデルと因果モデル 因果グラフのノードは変数である 因果グラフが成立している場合の条件付き確率を比較 モンティホール問題を因果モデルで解釈する 2. グラフィカルモデルとその応用 因果グラフ上で従属関係を可視化する 因果グラフを構築する際の恣意性 3. 介入効果 4. 反事実とその応用 全体の感想 構造方程式と回帰式の違いをもっと早く書け まあ良著でした ちょうど一ヶ月前くらいに，昨年から延期に延期を重ねていたデータサイエンスエキスパート試験が遂に配信開始となった． www.toukei-kentei.jp とりあえず受けるのは確定として，いい機会なので今までなあなあに誤魔化してきた因果推論と時系列解析をちゃんとやることにした．まず因果推論の方から本を読むことにして，誰かに解説する体でやるのが一番理解が深まるので読みながら取ったメモを軽く清書して投稿している． 内
統計的因果推論 ｜朝倉書店
原著者：Judea Pearl, Madelyn Glymour and Nicholas P. Jewell 原著名：Causal Inference in Statistics: A Primer. 原著出版社：Wiley, 2016 1. 序論：統計モデルと因果モデル なぜ因果を学ぶのか Simpsonのパラドックス 確率と統計 グラフ 構造的因果モデル 2. グラフィカルモデルとその応用 モデルとデータの関係 連鎖経路と分岐経路 合流点 d 分離性 モデル検定と因果探索 3. 介入効果 介入 調整 バックドア基準 フロントドア基準 条件付き介入と特定共変量効果 逆確率重み付け法 媒介 線形システムにおける因果推論 4. 反事実とその応用 反事実 反事実の定義と計算 確率論的反事実 反事実の実践的応用 介入と寄与の分析に関する数学的ツール
統計的因果推論、構造から見るか? 差分から見るか?：非巡回有向グラフ(DAG)、潜在反応モデル、そして構造的 (関数)因果モデルによる両者の統合的理解
応用数理学会ものづくり研究会（2020/12/18）で発表機会をいただいた、「因果推論の諸理論の統合的理解」をテーマとした発表です。Rubinの潜在反応モデルとPearlの構造的因果モデルの統合的理解がテーマです。（大きなテーマを60分枠に詰め込んだので、ややギチギチした作りになっています。大部分は過去の発表のマッシュアップですが、統合的理解のところの説明はちょっとアップデートされています）
統計的因果推論、統計的因果探索の勉強で読んだ本まとめ(2023/1版) - まったり勉強ノート
あけましておめでとうございます。年末年始の休みを利用して今年もまとめて本を読んでいたのですが、統計的因果推論に関する本を読んだらすごく面白くて今年はそれ関係の本をまとめて読みました。 今回の記事では私が読んだ本の軽い解説とどういう人向けかのまとめです。今後同じように統計的因果推論関係の勉強をしたいという人の参考になれば幸いです。 まずは私が統計的因果推論おもしろい！と感じさせてくれた「因果推論の科学 「なぜ?」の問いにどう答えるか」です。本の内容としては、因果に関する研究が如何に難しいかやどれほど役立つのかはもちろん、因果に関する研究の歴史にも言及し、他の分野、とりわけ統計学とどういう関わりがあってどのように発展してきたか？について書かれています。個人的にはPearsonやFisherなど手法名で名前をしっている人たちがどういうことをしていた人なのかも少ししれて面白かったです。 こちらの本
概要 『インベンス・ルービン 統計的因果推論（上）』はランダム割り付けの場合の因果効果推定を扱っています。ランダム割り付けの場合だけで約300ページ！この本の特徴として「DAGがいっさい登場しない」「潜在的結果変数の欠測値補完の問題を通して因果効果を推定する」「割り付けメカニズムを確率変数と見なす」などがあります。この記事では、8章「完全無作為化実験に対するモデルベースの推論」の問題をStanで実装します。表記は一部改変しています。 データの説明 具体的なデータの説明をします。ここでは職業訓練プログラム (Natinal Supported Workプログラム, NSWプログラム) によって、どれほど収入が上がったかの効果を推定します。プログラムへの割り付けはランダムです(完全無作為化)。データはRのMatchingパッケージの中に含まれていますし、Web上 (直接リンク注意)から入手する
統計的因果推論の視点による重回帰分析
重回帰分析は疑いなく統計的データ解析手法の中で最も多く応用されるきわめて有用な手法である．しかしそれ故に誤用も多く見られることも事実である．本論文では，重回帰分析につき，その教科書的な記述に対し，実際問題への応用を意識した場合に重要と思われるいくつかの論点を統計的因果推論の観点から吟味し，それらに関する筆者の考えを述べる．また，重回帰分析の教育において，受講者の興味を引くであろういくつかのパラドクス的な例を紹介する．
グラフカルモデルによる統計的因果推論入門
統計的因果推論を理解するためにグラフィカルモデルの使い方を学び、因果探索の世界に足を踏み入れる
はじめての統計的因果推論 - 岩波書店
因果推論の基本的な考え方を図とことばで平易に説明し、シンプルな事例によりポイントを直感的なイメージで示す。推定結果の解釈・利用における注意点や質的研究との関連も丁寧に解説。数式はあまり得意でないが統計的因果推論の原理を理解したい初学者、分析対象のありようを深く研究したいと望む人に最適。（カバーイラスト＝渡辺ペコ） はじめに BOX 0.1 そもそもなぜ「ちがい」と「しくみ」の両面から見ていくのか 第Ⅰ部 因果推論の基本的な考え方 1 因果と相関と「特性の分布の(アン)バランス」 1.1 まず、「対象のありよう」を丁寧に考えよう 1.2 相関と因果と、特性の分布のバランス 1.3 基本的なゴールとしての「特性の分布のバランシング」 BOX 1.1 「共変量のバランシング／処置Tと特性Cが独立」のイメージをつかむ 1.4 そもそも何が揃うと「因果関係」といえるのか? BOX 1.2 因果概念を
理研和光地区一般公開2023
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
統計的因果推論と因果探索について｜M3 Data Science Blog
統計的因果推論入門の講義資料を公開しました - Unboundedly
一般化ランダムフォレストの理論と統計的因果推論への応用
統計的因果推論の理論と実装「潜在的結果変数の枠組み」
IPWsurvival パッケージを用いた統計的因果推論 x 生存分析 - YuRAN-HIKO
23/6/10 『入門 統計的因果推論（Judea Pearl）』メモ - LWのサイゼリヤ
Amazon.co.jp: 入門 統計的因果推論: Judea Pearl (著), Madelyn Glymour (著), Nicholas P. Jewell (著), 落海浩 (翻訳): 本
『インベンス・ルービン 統計的因果推論（上）』の8.10節をStanで再現する
データで課題を解決する -因果関係を調べる統計的因果推論-
Amazon.co.jp: ローゼンバウム 統計的因果推論入門: 観察研究とランダム化実験: Paul R. Rosenbaum (著), 阿部貴行 (翻訳), 岩崎学 (翻訳): 本
www.gizmodo.jp
p2ptk.org
daiksy.hatenablog.jp
bambitoblog.com
rika1.px.ebb.jp
techblog.recruit.co.jp