(写真:janneke staaks/クリエイティブ・コモンズ表示 2.0 一般) 前回のブログではベイズ統計の最大の強みである、結果の解釈が自然で直感的であるというお話をしました。今回はそれに引き続いてベイズ統計の強みと弱みの説明をしたいと思います。 ベイズ統計の強み(2):柔軟性が高い 通常の頻度論の統計では対応することが難しいときでもベイズ統計では対処可能なことがあります(逆にベイズ統計ではできなくて頻度論の統計では解決できる統計の問題はあまりありません)。我々が最も頻繁に用いる回帰分析は頻度論でもベイズ統計でも解析することができるため、回帰分析を例として用います。回帰分析ではβ係数が暴露因子とアウトカムの関連を意味するため、多くの場合、このβ係数を推定することが目的となります。頻度論統計ではデータの数(サンプルサイズ)よりも求めたいβ係数の個数の方が多いと推定できません。例えば、サ
![頻度論 vs. ベイズ統計(後半) – 医療政策学×医療経済学](https://cdn-ak-scissors.b.st-hatena.com/image/square/f1266970a2ff0db615c13cd50ccc26245286a6d4/height=288;version=1;width=512/https%3A%2F%2Fhealthpolicyhealthecon.files.wordpress.com%2F2015%2F12%2Fe4b880e6a798e58886e5b883.png)