因果推論研究者と考える、広告効果の本質 | ウェブ電通報
近年、広告施策における効果検証のニーズが高まっています。「本当にこの広告は効果があるのか？」とシビアに問われるようになり、データサイエンスのアプローチを用いた分析を導入する企業も増えています。 その際に問われるのは、データサイエンスの「質」です。より緻密で高度な効果検証を実現するために、どのようなアプローチが必要なのか。本連載では、社内のデータサイエンティストや研究者と共に統計や機械学習を用いた分析・ソリューション開発に注力してきた電通データ・テクノロジーセンターが、広告効果検証におけるデータサイエンスの活用法を紹介します。 初回は電通が長年研究を重ねてきた「因果推論（※1）を用いた広告効果検証」について、アドバイザーを務める慶應義塾大学の中村知繁研究員と、電通クロスブレインの永田大貴氏が語り合います。 ※1 因果推論：統計的なアプローチを用いて施策などの効果を推定する手法のこと。 因果推
WebサービスのA/Bテスト代替手段としての観察データからの平均処置効果推定 - LIVESENSE Data Analytics Blog
こんにちは、リブセンスでデータサイエンティストをしている北原です。今回は平均処置効果の推定方法について紹介します。より具体的にはマッチングや重み付けといった共変量のバランシングを利用してバイアスの小さい推定をする方法を使い、複数得られた推定結果を絞り込んで意思決定に使える結論を得るまでの流れを扱います。サンプルデータを使って実際に推定を行い結果を解釈するところまで行います。コードはRです。完全にコンセンサスのとれた因果推論方法・手順はおそらく存在しないので、現時点でよいのではと考えている方法の紹介になります。 今回紹介する方法のポイントは、共変量のバランシングによってモデル依存性が低下することを利用して信頼できそうな推定結果を絞り込んでいるところにあります。手法やモデルによって様々な推定値が得られますが、バイアスの評価方法がないため採用すべきものがわからないという問題があります。しかし、共
黒川博文 Hirofumi Kurokawa - 因果推論のための計量経済学
畑農 鋭矢・水落 正明（2022）データ分析をマスターする12のレッスン〔新版〕 サポートサイトでは、練習問題の解説や、データ、StataやEviewsによる分析コードが提供されています。 今井耕介（2018）社会科学のためのデータ分析入門 上・下 原著：Kousuke Imai (2017) Quantitative Social Science: An Introduction サポートサイトでは、Rのコード等が提供されています。Rで実践しながら学ぶにも最適な書籍です。 Jeffrey B. Arnold: Quantatitive Social Science: The R Tidyverse Codeのサイトでは、 モダンなRパッケージTidyverseを使って、同書のコードを提供しています。 公式のTidyverse版もでました→ Kosuke Imai, Nora Webb W
【R】傾向スコアマッチングによる因果推論の基礎 |
傾向スコアマッチングによる因果推論について調べたので備忘録を残しておきます。 研究デザイン ルービンの因果モデル 無作為割り当て可能な場合の因果効果 傾向スコア 傾向スコアマッチング IPWE 研究デザイン 参考書籍の『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』では研究デザインを大きく2つに分類・定義している。 実験研究 (experimental study) : 原因となる変数を研究者が操作し, 結果となる変数がどのように変化するかを調査 観察研究 (observational study) : 調査観察研究/相関研究。無作為割り当てを伴わない研究 相関分析, 連関分析が観察研究であるのに対して, 因果分析では実験研究であることが望ましい。[1] 原因となる変数を直接操作できる工学分野と異なり, 社会学や疫学では倫理的な理由などにより直接操作できなかったり無作為割り
素人分析屋さんの備忘録
はてなブログには、同じ話題でつながる「グループ」があります。まずはこちらの「2024年開設ブログ」に入りましょう。同時期に始めたブログとつながることができます。 「2024年開設ブログ」のグループ
因果効果の推定！Rで実践 - 傾向スコア，マッチング，IPW推定量 - - Data Science by R and Python
はじめに 先日，岩波データサイエンスvol.3が発売されました．私も，「傾向スコアを用いたバント効果の推定−−ノーアウト1塁のバントは，得点確率を有意に高めるか!?」と題した記事を寄稿させていただきました．興味がある方は，是非読んでください＆感想・コメントなどもTwitterなどで教えてください． 岩波データサイエンス Vol.3 作者: 岩波データサイエンス刊行委員会出版社/メーカー: 岩波書店発売日: 2016/06/10メディア: 単行本（ソフトカバー）この商品を含むブログ (1件) を見る 今回のテーマ 今回は，上記の記事に関連して，上記の本で用いているIPW推定量の推定方法を実際に実践してみます． 説明していく過程で，読んでくださる方に， ・2つの群の平均の比較で因果効果をきちんと推定できない例 ・傾向スコアの推定方法（ロジスティック回帰を今回は用います）とその周辺知識 ・マッチ
統計的因果推論(2): 傾向スコア(Propensity Score)の初歩をRで実践してみる - 六本木で働くデータサイエンティストのブログ
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
統計的因果推論による傾向スコアとIPW推定量の基本的な考え方 | トライフィールズ
統計的因果推論による因果効果を調べる手段として、傾向スコアとIPW推定量という概念があります。ここでは、なぜ傾向スコアを考えるのか、傾向スコアの逆数の重み付けはどのような意味があるのかを、複雑な数式を用いずに具体例を通してご説明します。 さっそくですが、次の具体例を考えます。 受験生が塾に通う場合と通わない場合で、テストの点数がどの程度異なるのか このとき、下記のデータが得られたとします。塾に通う受験生を通学のA1～A4で表し、塾に通わない受験生を独学のB1～B2とします。 受験生 点数 勉強時間
統計的因果推論（傾向スコア）の勉強会資料をアプしてみた - Take a Risk：林岳彦の研究メモ
みなさまお久しぶりです。私はけっきょくminor revisionに三ヶ月もかかってしまい他の仕事にしわ寄せキまくってます。 今回は某勉強会で傾向スコアを扱ったのでその勉強会資料をアップしてみます（環境によってはサムネ画像がでないかも）。 傾向スコア：その概念とRによる実装 View more presentations from takehikoihayashi ＊上のファイルはプレゼン用（差分）なので印刷用PDF資料としてはこちらのファイル（ PSAseminar_file20120426.pdf )をどうぞ。 ＊追記：上記のプレゼン内で使っているRのscriptのfileもどうぞ（ PropScore_Rscript.R ） 傾向スコアってなにそれおいしいの？ 傾向スコアとは何かというと、実験ができない場合（調査観察データなど）における交絡の調整方法です。（一応言っておきますが交絡を
傾向スコアでセレクションバイアスを補正する - Qiita
はじめに 前回、『Uplift-Modelingで介入効果を最適化する』では、RCTによって得られたデータからある介入の効果を平均的に求めるのではなくて、ある特徴量を持った集団にのみ介入するという戦略を試しました。その結果、「男性向け」・「女性向け」プロモーションメールを平均的によかった方に全振りするのではなくて、約65%の人には「男性向け」メール、残りの人には「女性向け」メールを送る戦略がコンバージョンを最大化することを示しました。 その後、この問題をRCTとは言えない観察データへと拡張するための勉強をしていたのですが、その途中で傾向スコア分析という手法に行き着き、それもまとめておこうと思いました。 *本記事で使用したコードはこちら (propensity-score-basics.ipynb) からご覧いただけます。 目次 統計的因果推論の基礎 RCTができない時の問題点 傾向スコアと
【傾向スコア-後編】犠牲バントの「本当の効果」を分析するための傾向スコア使い方 - Np-Urのデータ分析教室
本記事は下の記事の続きとなります。まだご覧になっていない方は、是非お読みください！ www.randpy.tokyo 前編では、現実世界のデータから施策の評価をしたいときに、よく起こる問題点について述べました。 そしてその問題点を解決する手法の一つが傾向スコアです。 傾向スコアの理論的に詳しいところは、こちらの論文を読んでもらうのが良いかと思います。 https://www.niph.go.jp/journal/data/55-3/200655030007.pdf かなり詳しく書いてありますので、ちゃんと知りたい方はこちらの論文と論文内で紹介されている各論文を読んでもらうのがベストです。 ただやっぱり読むのに時間はかかりますし、ちょい難しいところも含んでいるので前提知識が足りないと厳しい箇所も含んでいます。 そこで本記事では、なるべーーく直観的に理解ができるように説明していきたいと思います
【傾向スコア-前編】現実のデータを扱う上での問題点とその対策について - Np-Urのデータ分析教室
突然ですが、施策の効果をきちんと測定することは、実はとても難しいのです。 ここでいう施策の効果とは、例えばあるクラスの生徒への特別な教育の効果であったり、ある病気にかかった人々への薬の処方の効果であったり、プロ野球のある場面で犠牲バントを行う効果だったり...のことを指しています。 どうして難しいのか？そしてその困難をどのようにして回避するのか？ 次の章から説明していきます。 RCTと傾向スコアどうしてこれらの効果を測定することが難しいのか、犠牲バントの例をもう少し掘り下げてながら考えてみましょう。 プロ野球の試合のデータから、得られるものは 犠牲バントが発生した時のデータ（その後実際に得点が入ったかなど） 犠牲バントが発生していない時のデータ（その後実際に得点が入ったかなど） しかありません。 この2つのデータを比較して、「犠牲バントをしたときの方が得点が入ることが分かった！」→ 「じゃ
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
RPubs - 効果検証入門 - 第３章 傾向スコアを用いた分析
README
岩波データサイエンスvol.3のデータで遊ぼう
コードとサンプルデータを公開 · iwanami-datascience/vol3@51bdebf
GitHub - itamarcaspi/EconML-with-R: How to use EconML within R%26date%3D20110511)
医療から宇宙へ トップ分析会社 | iAnalysis(アイアナ)
PowerPoint プレゼンテーション
RPubs - 岩波DS3のデータで遊ぼう