―本書は統計検定の準１級と１級（統計数理，統計応用）の内容にもほぼ対応している―初版第２刷以降の「はじめに」には，この文言が入っています。はたして，これは本当か，本稿では忖度なく一刀両断にしていきます。 本書（以下，青本と呼ぶ）は2023年10月に共立出版から出版されました。現在，著者の久保川達也先生は東大経済学研究科の教授であり，同じ出版社から出ている「現代数理統計学の基礎（以下，白本と呼ぶ）」の著者としても有名ですね。著者の慧眼によって様々な統計手法の本質が審らかにされていく様子は読んでいてとても刺激的であり，青本は私も好きな１冊です。本稿を読んで興味をもった人は，本書をぜひ購入してみてください。 青本は統計検定１級対策として適している 準１級は統計学の初学者や文系出身者でも努力すれば合格できる知識主体の試験であるのに対して，１級は難関国立大学理系２次試験を彷彿とさせるガチの数学力勝負
はじめに 今回私は最近はやりのchatGPTに興味を持ち、深層学習について学んでみたいと思い立ちました！ 深層学習といえばPythonということなので、最終的にはPythonを使って深層学習ができるとこまでコツコツと学習していくことにしました。 ただ、勉強するだけではなく少しでもアウトプットをしようということで、備忘録として学習した内容をまとめていこうと思います。 この記事が少しでも誰かの糧になることを願っております！ ※投稿主の環境はWindowsなのでMacの方は多少違う部分が出てくると思いますが、ご了承ください。 最初の記事：Python初心者の備忘録 #01 前の記事：Python初心者の備忘録 #16 ~機械学習入門編02~ 次の記事：まだ 今回は非線形回帰や正則化項についてまとめております。 ■学習に使用している資料 Udemy：【前編】米国データサイエンティストがやさしく教え
はじめに 今回は前回までの、機械学習モデルの理論の解説とは異なり、私が最も関心のある、因果推論の分野に関しての内容に入っていきたいと思います。これらの手法はCATE（条件付き平均処置効果）というものを推定するものです。 Causal Tree Causal Treeは、従来の決定木アルゴリズムを拡張し、因果推論の文脈に適用したものです。この手法の主な目的は、異質性のある処置効果を捉え、個々のサブグループに対する条件付き平均処置効果（CATE）を推定することです。 CATE（条件付き平均処置効果） CATE（Conditional Average Treatment Effect）は、特定の共変量の値に条件付けられた平均処置効果を指します。より形式的には、以下のように定義されます： ] ここで はCATEを表す関数 は個体が処置を受けた場合の潜在的結果 は個体が処置を受けなかった場合の潜在的
【論文レビュー】社内公募制度とキャリア自律の関係性：千野（2022）｜塩川 太嘉朗 | キャリア研究 | 人材開発マネジャー
本論文の調査は2022年6月にリクルートワークス研究所が実施したものです。300名以上の企業に勤める社員のうち、社内公募制度がありかつ制度適用対象者である866名を対象とした調査なので、直近の社内公募制度に対する意識調査として最適なデータを提供してくれているありがたい調査です。 千野翔平. (2022). キャリア自律の観点から見た社内公募制度の運用実態. Works Discussion Paper Series No.58 キャリア自律している人は社内公募に応募するまずキャリア自律が高い人は社内公募に応募しているという発見事実が明らかになりました。著者の仮説通りの結果であり、納得できる内容です。キャリア自律している人が退職してしまうことを防ぐために、社内におけるキャリア機会を求められるというのは社内公募制度の狙いの主要なものでしょう。そのため、人事の制度企画部門にとって有益な検証内容と
人々は自分の所属する集団（内集団）に対して、自分が所属しない集団（外集団）よりも好意的・協力的に行動する傾向を持つ。この内集団ひいき現象は様々な種類の集団間で観察されるのみならず（e.g., Sumner, 1906）、実験室内でのみ存在する名目的な集団、すなわち最小条件集団（Tajfel, Billig, Bundy, & Flament, 1971）においても生じることが多くの研究で確認されている（e.g., Brewer, 1979）。近年、この最小条件集団における内集団ひいきは、適応論的視点からの集団協力ヒューリスティック仮説（e.g., 神・山岸，1997; Yamagishi, Jin, & Kiyonari, 1999）や評判維持仮説（Mifune, Hashimoto, & Yamagishi, 2010; Yamagishi & Mifune, 2008）によって説明され
学部生が Google/Microsoft Forms を用いて簡単にサーベイ実験をするための TIPS｜Keisuke Hattori / 服部 圭介
サーベイ実験（Survey Experiment）は、特定の仮説や研究質問を検証するために、調査と実験の方法を組み合わせた研究手法です。この手法では、通常、アンケートや質問紙を用いてデータを収集し、特定の変数（例えば、態度、意見、行動など）に対する参加者の反応を測定します。サーベイ実験の特徴的な要素は、ランダム化比較試験のフレームワークを援用し、参加者に対する「介入」や「処置」を含むことです。この介入は、参加者の反応に影響を与えると仮定され、その効果を検証するために使用されます。 サーベイ実験は、社会科学、心理学、市場調査など多くの分野で用いられ、特定の条件下での人々の行動や態度の変化を理解するための有効な手段となっています。 ここでは、Google Forms や Microsoft Formsを使って、ランダム化比較試験（RCTs）の枠組みを援用した簡単なサーベイ実験を、学部生でも無料
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
【統計検定１級】データ解析のための数理統計入門を読む | とけたろうブログ
Python初心者の備忘録 #17 ~機械学習入門編03~ - Qiita
Causal TreeとCausal Forestの理論と実装 - tomtom58’s blog
内集団ひいきと評価不安傾向との関連：評判維持仮説に基づく相関研究