疫学の「因果関係ダイアグラム（Causal diagram）」
Judea Pearl 前回までのブログで「統計学におけるルービンの因果モデル」と「心理学におけるキャンベルの因果推論」のお話をしたので、今回は疫学（Epidemiology）における因果推論の話をしたいと思います。ここでご説明する「因果関係ダイアグラム（Causal diagram）」とは、元々はコンピューター・サイエンティストであるジューデア・パール（Judea Pearl）が1995年に発表したコンセプトですが、その後、疫学の世界で広く受け入れられ、用いられるようになったため、ここでは「疫学における因果推論」とさせて頂きます。因果関係ダイアグラムはDAG（Directed Acyclic Graph＝非巡回有向グラフ）とも呼ばれるので、ここではDAGという略称を使います。ハーバード公衆衛生大学院のジェームス・ロビンス（James Robins）とその弟子であるミゲル・ハーナン（Mig
回帰分析②：線形回帰が使えないときに用いる高度な回帰分析方法
生物統計を学んでいる人の中には、「結果変数が連続変数の時には線形回帰、二項変数（0と1など2つの値しか取らないもの）のときにはロジスティック回帰分析を使うべき」のように1対1対応のお作法のような形で教わった人も多いと思います。一方で、計量経済学で回帰分析を習った人の中には、「最小二乗法（Ordinary Least Square; OLS, 線形回帰）はありとあらゆる場合に使えるベストな方法であるので、結果となる変数の分布に拘わらずOLSを使える」（ちなみに結果変数が二項変数のときにOLSを用いることをLinear probability modelと呼びます）と教わった人もいるでしょう。初心者向けの統計学や計量経済学の本を読むとこのような説明がされているものが多い印象があります。このような教え方をすれば確かに手っ取り早く手が動かせるようになる（統計解析ソフトウェアを使って解析がはじめられ
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
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
