日本社会心理学会
今、ベイズが熱い ここ1〜2年の間、ベイジアン・モデリングに関する和書が相次いで出版された。大御所による教科書（豊田 2015, 2017）から気鋭のデータサイエンティストによる実践的なテキスト（松浦 2016）まで、どれも分かりやすいと評判が良い。ネット上でも、Stan, MCMCを使った実践的な分析を紹介するスライドが数多く公開され、学習環境が急激に整ってきた。今、ベイズが熱い。 だが、自習できる環境が整備されたとは言っても、そもそもベイズを学ぶ必要があるのか？自分にとって役立つのか？良く分からない人も多いはずである。本セミナーの目的は、ベイジアン・モデリングの意義とその位置づけを、理解していただくことにある。 結論から述べておこう。心理学者にとってのベイジアン・モデリングとは、心理学者を縛り続けてきた「実験操作や介入の効果を検証する」という科学観から我々を解き放つ、新しい方法論上のパ
【点と矢印で因果関係を考える】因果関係がないときにデータから関連が生じるパターンとその対策まとめ：因果ダイアグラム（DAG）によるバイアスの視覚的整理 - Unboundedly
DAGシリーズの（とりあえず）最終回です。よく「因果関係と相関関係は違う」*1といいますが、具体的にどのような場合に両者が一致しない（バイアスが生じる）のかをDAGをつかって整理します（簡単にそれぞれのバイアスへの対応策にも言及しますが、各手法の詳細は別の機会に譲ります）。 シリーズ第一回と第二回では、DAGを使う意義やその書き方・読み方のルールについて書いてきましたが、実はこれらはすべて今回の第三回につなげるための伏線でした。本記事はDAGに関する基礎知識を前提として書き進めていくので、不安な方は過去記事を参照してみてください。基本的な内容ではありますが、介入効果の評価などデータを扱って因果関係を考えていくうえで避けては通れない非常に重要な内容だと思うので、気合いをいれてまとめてみます。 まずは用語の定義 ニセの関連が生じるパターン１：交絡 古典的な交絡の定義 DAGによる交絡の整理と交
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
処理を実行中です
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
