慶應義塾大学・株式会社Nospareの菅澤です． 今回は異質性のある因果効果とその推定方法について紹介します． 異質処置効果 (Heterogeneous Treatment Effect) 標準的な潜在アウトカム（potential outcome）の設定下での因果効果の推定を考えます．そのため，以下の変数を用意しておきます． $X$: 説明変数 $T$: 処置変数 ($T=1$: 処置群, $T=0$: 対照群) $Y^{(T)}$: 処置$T$のもとでの潜在アウトカム $Y=TY^{(1)} + (1-T)Y^{(0)}$: 観測できるアウトカム 観測データとしては$(Y,X,T)$の三つ組です． 処置$T$の因果効果を測る指標として広く用いられているのは平均処置効果（ATE; average treatment effect）でして，以下のように与えられます． 集団内には異なる特徴

ブラウザを更新してください ご使用のブラウザが古いかサポート対象外の可能性があります。Canvaで引き続き続行するには、次のいずれかの最新バージョンのブラウザに更新してください：

テレビゲーム・周辺機器 ゲーム機本体、プレイステーション4(PS4)ソフト、プレイステーション3(PS3)ソフト

ようこそ、サル先生のGit入門へ。 Gitをつかってバージョン管理ができるようになるために一緒に勉強していきましょう！ コースは4つ。Git初心者の方は「入門編」からどうぞ。Gitを使った事がある方は「発展編」がおすすめです。さらに「プルリクエスト編」では、コードレビューする文化をチームに根付かせましょう。 「あれ？何だっけ…？」という時は「逆引きGit」で調べて見てくださいね。

ビジネスの現場ではデータを読み取って「なぜそうなるのか？」を考えたり、話し合ったりする場面は多くあります。知りたいのは「広告を出せば売上が伸びる」とか「この薬を飲めば風邪が治る」といった単純なことです。でも、これまでの統計学ではなかなかそこまで踏み込んだことは言えませんでした。 また、データを理解することは人工知能やそれを実現する機械学習にとっても重要です。データの相関関係だけでなく、「なぜ？」を理解する人工知能は実現するのでしょうか。相関関係だけでなく、因果関係がわかることで、人工知能にどのような影響があるのでしょうか？ 今回紹介するジューディア・パールの"The Book of Why"は「なぜ？」の学問である因果推論（Causal Inference）を紹介する本です。 The Book of Why: The New Science of Cause and Effect 作者:

毎年恒例、Pythonの本と学び方のまとめ・2019年バージョンとなります. ※2021/1/11更新：2021年版あります ※2020/1/9更新：2020年版もあります, こちらもよろしくおねがいします！ ※ちなみに昨年版はこちら 改めましてこんにちは、Pythonと野球を仕事にしています、@shinyorke（Python歴おおよそ8年）ともうします. なお、Python その2 Advent Calendar 2018 12/24記事でもあります. このエントリーはそこそこ長いので、「最初の方をサクッと読んで、残りはつまみ読み」してもらえると良いかもです！*1 ※もちろん全部読んでも構いません！（それはそれで嬉しい） サクッとまとめると 入り口としての「独学プログラマー」は万人が読んだほうが良い名著 データ分析・解析やりたい人も、Webからやっておくと良いかも（特に前処理） Web

前回、前編・後編と2回に傾向スコアの考え方について学びました。 www.randpy.tokyo www.randpy.tokyo 今回は傾向スコアを使って実際に分析をしていきます。 これまでの実践編記事では、主にスクレイピングを使ってデータを集めていました。 今回は趣向を変えて、公開されているオープンソースデータを使って傾向スコアの実践をしていきます。 なお、こちらの記事のPython編も公開しました。 Pythonの方が興味あるぜ！って方はこちらご覧ください。 www.randpy.tokyo 扱うデータの説明 Rにはもともと傾向スコアを計算する用のlalondeというデータセットがあるのですが、それを使った記事が多く見られたので別のデータを使ってみることにしました。 http://biostat.mc.vanderbilt.edu/wiki/Main/DataSets こちらのサイト

前回の続き． 今回は深入りするとしんどいのでさらっと． ほとんど星野先生本のサマリになってしまいました... 準備： 統計学的因果推論の基礎 Propensity Scoreを用いる目的は何か なぜPropensity Scoreは目的を達成できるのか Propensity Scoreの強み・弱み pythonによる実装 参考図書 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 星野崇宏 著 統計的因果推論―回帰分析の新しい枠組み 宮川雅巳 著 岩波データサイエンス Vol.3 Propensity Scoreを用いる目的は何か 共変量調整による因果効果の推定 Propensity Scoreをしようする目的は，大きな意味では前項の通り，割り当ての偏りを調整し，真の因果効果を偏りなく推定することにある．本項ではこれをもう一歩掘り下げ， 他の手法（回帰モデル，層別解析 etc.

さて、統計的因果推論についてだらだらと独習していくこのシリーズですが、今回はDonald Rubinが考案したRubinの因果モデルで用いられる、傾向スコア(Propensity Score)を取り上げてみようと思います。「お前岩波DS3で事前に原稿読んで中身は知っているはずじゃないのか」とかいうツッコミはご勘弁ください（笑）。 元々は観察データ（つまりRCTを含む実験データではない）から因果関係を推定するための手法ということで、いかにして観察データに隠れた影響を与える共変量を突き止め、その共変量から及んでくる影響をバランスさせ、真の因果効果を推定するか、というのが主眼でした。つまり、RCTを実践できないような疫学データや社会科学的データに対する適用がメインだったようです。 しかしながら、最近は例えば広告やマーケティングといった「ある程度の介入（処置）*1はできても事実上RCTを徹底するこ

資料 こちらの資料は定義が書かれていて助かります。 2016/01/23 (Sat) 第 3 回因果推論を学ぶ会 こちらは論文や教科書の紹介もしています。 プロペンシティスコア（Propensity score; PS）（１）－PSの正しい使い方 カーネギーメロン大学の機械学習における因果推論に関しての講義資料です。 Lecture Notes 17 Causal Inference Googleのハル・バリアンがまとめたペーパーも良いです。 Causal Inference in Economics and Marketing 用語整理 ATE（Average Treatment Effect：平均処置効果（因果効果）） 例で述べるとするならば、母集団全てのユーザーにバナーを見せた場合のブランド名検索による訪問数の平均と、全てのユーザーにバナーを見せなかった場合のブランド名検索による�訪

本連載は、株式会社船井総合研究所スマートエネルギーグループの編著書『図解 はじめての電力自由化ビジネス』（エネルギーフォーラム）の中から一部を抜粋し、中小企業が新電力ビジネスに参入する際の基礎知識をご紹介します。 インフラビジネス＝顧客接点ビジネス 本連載では、新電力への参入をご検討されている方に向けて、成功のポイントをかいつまんでご紹介させて頂きます。 新電力参入にあたって、まずおさえておかなければならないのは、 ①「電力事業は薄利多売であること」そして、 ②「電力はインフラビジネス＝顧客接点創出ビジネスであること」です。 新電力ビジネスで成功するためには、実はその電力小売りでの収益額は、全く重要ではありません。 なぜならば、新電力は「顧客」ストックビジネスだからです。新電力は集客のための商品であって、そこで接点を持った顧客に収益商品を販売するというのが、新電力で成功するビジネスモデルな

Diffchecker will compare text to find the difference between two text files. Just paste your files and click Find Difference!

表計算ソフトウェアの定番中の定番である「Microsoft Excel」がアップデートされ、4つの新機能が追加されました。4つの新機能は人工知能(AI)を駆使したものとなっており、これらを活用することで従来よりも簡単に優れたスプレッドシートが作成可能となります。 Bringing AI to Excel—4 new features announced today at Ignite - Microsoft 365 Blog https://www.microsoft.com/en-us/microsoft-365/blog/2018/09/24/bringing-ai-to-excel-4-new-features-announced-today-at-ignite/ ◆Ideas 新機能のひとつである「Ideas」は、ユーザーがMicrosoftのOfficeツールをフル活用できるよう