観察データでの効果推定（傾向スコア、IPW、DR） - データサイエンティスト上がりのDX参謀・起業家
まずは教科書を紹介します。 Observational Studies (Springer Series in Statistics) 作者: Paul R. Rosenbaum出版社/メーカー: Springer発売日: 2010/12/03メディア: ペーパーバック購入: 1人 クリック: 26回この商品を含むブログ (1件) を見る Rosenbaum先生は傾向スコア（propensity score）を提案した方です。 この教科書に書いていあるのは傾向スコアについてだけで、IPWやDRは書いてありません。 日本語はこちらの星野先生の本。 調査観察データの統計科学―因果推論・選択バイアス・データ融合 (シリーズ確率と情報の科学) 作者: 星野崇宏出版社/メーカー: 岩波書店発売日: 2009/07/29メディア: 単行本購入: 29人 クリック: 285回この商品を含むブログ (26
Rライブラリの探索6（欠測データ） - データサイエンティスト上がりのDX参謀・起業家
欠測データに対しては取り除くか補完するかで対処するけど、補完はMultiple Imputation（MI）で行うことが多い。 Task ViewではMultivariateのグループにMissing Dataの項目があった。 ちなみにRubin先生は欠測メカニズムを次のように分類している。 Missing Completely at Random (MCAR) Missing at Random (MAR) Missing not at Random (MNAR) MCARとMARの場合はMIしても大丈夫だけど、MNARのときはバイアスが入る。 MNARの場合はそもそもデータにバイアスが入っているので、事前知識が重要になってきます。 Rの場合はライブラリmiceでimputationができる。 mice関数で欠測値を推定→complete関数で欠測部分に埋め込むという流れです。 Chai
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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
