傾向スコア - 共立出版
近年の統計科学では、原因と結果の因果関係を正確に知ろうとするアプローチが盛んであり、これらのアプローチは一般に因果推論と呼ばれている。本書で扱う傾向スコアも、因果推論を主眼とする方法の一つである。一般的に、処置の有無をランダムに割り当てることのできない調査観察データでは、処置群と統制群の間に属性の違いが生じる。傾向スコアとは処置の有無に影響を与える複数の情報を集約した要約指標であり、この要約指標を用いて、あたかもランダム化実験が行われたかのように、処置群と統制群の元々の属性の違いを調整する。 本書では、第1章で傾向スコアの基礎となる方法や仮定をレビューし、第2章で傾向スコアのモデリングと評価の概要について説明する。また一般的な傾向スコア法（マッチング、層別化、逆確率加重、共変量調整）をレビューし、第3章では、これらの手法のうちいずれの方法を採用すべきなのかを検討する。さらに、第4章では、処
Counterfactual（反事実現実）を理解する【因果推論入門1】 - Riklog
独学で因果推論を学ぼうと思うと、どの解説も難しく感じます。 ある程度勉強している私がそのような日本語の解説をみても難しく感じる程なので、初学者にはかなりハードルが高いかも知れません。 このシリーズ、誰でもわかるように、かなり噛み砕いて疫学や因果推論のコンセプトを解説します。 今回の記事では、「counterfactual」「consistency」「exchangeability」という、因果推論の根本となる概念の説明です。 因果推論特有の数式にも慣れましょう。 Counterfactual（反事実現実）を理解する 因果推論をざっくりというと、「もし〇〇が起こっていなかったら☓☓となっていたか」を知ること。 今心筋梗塞だとして、もし飲酒をしてなかったら、心筋梗塞になっていなかったのかどうか でもこんなのはわかりませんよね。 *よく教科書に「タイムマシンがなきゃわからないですよね」ってありま
科学の世界に革命をもたらしえる力──『因果推論の科学 「なぜ?」の問いにどう答えるか』 - 基本読書
因果推論の科学 「なぜ?」の問いにどう答えるか 作者:ジューディア・パール,ダナ・マッケンジー文藝春秋Amazonこの『因果推論の科学』は、その名の通り因果推論について、その先駆者の著者が書いた一般向けのサイエンス本である。とはいえ、大半の人の反応は「因果推論ってなんなんだ」であろう。僕も何もわからぬまま読み始めたが、著者がこれは「科学の世界の革命」であると自賛するだけのことはある概念であることはすぐにわかった。 その一方、相当に難しい、とっつきづらい概念でもあり、いかな一般向けの著作といえども本書を読んで理解するハードルは他のサイエンス本と比べても高いといえるだろう。数式も出てくるし、統計学の用語もぽこぽこ出てくるので、素人がスルスルと読み通せる本ではない。とはいえ根気強く読んでいけば理解できるように書かれているし(数式自体は別に読み飛ばしても問題はない)、理解すれば因果推論の科学がいか
高橋将宜 Masayoshi Takahashi on Twitter: "疑似相関を疑似因果と言い換えると，今度は，「では，疑似でない因果があるのですね．見せてください」といった混乱が起こりそうです．あくまでも，疑似相関は「相関がないという意味ではなく，因果関係はないがあるように見える相関関係」を意味す… https://t.co/hxDShprnJf"
疑似相関を疑似因果と言い換えると，今度は，「では，疑似でない因果があるのですね．見せてください」といった混乱が起こりそうです．あくまでも，疑似相関は「相関がないという意味ではなく，因果関係はないがあるように見える相関関係」を意味す… https://t.co/hxDShprnJf
統計的仮説検定における効果量の概念と必要サンプルサイズの算出｜Dentsu Digital Tech Blog
この記事について電通デジタルでデータサイエンティストをしている中嶋です。今回の記事では統計的仮説検定における検出力や効果量の概念及び、それらを考慮した事前のサンプルサイズ設計について説明します。読者層としては、既に統計的仮説検定の基本的な使い方を理解している方を主な対象としていますが、そうでない方にもわかるように最初に簡単な復習をします。 統計的仮説検定について 概要 統計的仮説検定（以下、仮説検定）とは、性質の異なるグループ間で平均や分散など各グループを代表するような数値を比較する際に、その差が偶然生じたものか、そうでなく何かしら必然性がありそうかを検証するための統計手法です。例えば比較分析したい2つの群（ex. ユーザーグループ）があった時にある指標（ex. 各群の年齢の平均値）を比較して、統計的に偶然ではないレベルで差異が生じているかを判定したいときに仮説検定を使うことができます。
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
https://x.com/yutakashino/status/1746775471587549694?s=12&t=suYC6B2IhN7jv0qU5zDxmQ
JavaScript is not available.
https://twitter.com/t_tetosuki/status/1643649407223742464?s=12&t=suYC6B2IhN7jv0qU5zDxmQ
https://twitter.com/m123takahashi/status/1627262693777502209?s=12&t=KhPsYCxnDeEKYiy4ukkO0A
https://twitter.com/siero5335/status/1623676629611585536?s=12&t=54SglHN18sS9j4N0DN9Jcw
https://twitter.com/yasu__j/status/1616633215749341184
高橋将宜 Masayoshi Takahashi on Twitter: "ところが，x1とx2の相関は正です（r=0.8）． x2を除外して，x1とy1だけの二変量の関係性を見えていると，x2からy1への負の効果が交絡して，正と負の効果を打ち消します． その結果，x1とy1の相関係数がほぼゼロになります… https://t.co/rftta1KQ95"
https://twitter.com/m123takahashi/status/1545207396854681600?s=12&t=PuQSdUxvyJJUYUiM0ZitXw
https://twitter.com/yutakashino/status/1534678402501857280?s=12&t=VvgHh1kqebxiEJVG-L3vHg
Ken McAlinn on Twitter: "まとめると「「誰でもできる政策評価」が広がればいい」ってのはわかるけど、専門家じゃない人(この場合は統計学、疫学が専門じゃない経済学者)が一般向けにかなり誤解が生じる(査読なしの)レポートを公開する研究倫理を考えるとかなり危ういと思う。専門家に任せるべき。"
高橋将宜 Masayoshi Takahashi on Twitter: "この論文の問題点を改めて指摘しておきます． 処置変数は睡眠時間を長くすることです． 結果変数は摂取カロリー量です． しかし，寝る時間が早くなれば夜食をする機会がなくなりますから，処置変数の中には摂取カロリー量の低下が含まれてい… https://t.co/5CeRhOuPHT"
高橋将宜 Masayoshi Takahashi on Twitter: "Rubin (2005, p.324)では，仮定なき因果推論は不可能であること，仮定とデータにトレードオフがあること，仮定について詳細に説明する必要があることが指摘されています．そうしなければ，読者は結論の根拠を理解できないにも関… https://t.co/nAuiVuIYAv"
高橋将宜 Masayoshi Takahashi on Twitter: "極端な設定にするとよくわかります．2週間ずっと寝続ければ，カロリー摂取量はゼロです．この論文が検証したことはここまでです．しかし，2週間のカロリー摂取量がゼロなら，当然，餓死寸前まで痩せます．そういうメカニズムの論文ですから，「睡… https://t.co/51DY9zMSvQ"
Kentaro Matsuura on Twitter: "Gelman先生らの『Regression and Other Stories』が個人利用で無料ダウンロードOKに。7章単回帰、13章ロジスティック回帰、締め(21章)の階層モデルはもちろん、5章シミュレーション、12章変換、16… https://t.co/EMw5iRM8H7"
田栗の部屋 on Twitter: "あけましておめでとうございます。年明けに思い出話を１つ共有したいと思う。年末、学生の鈴木くんのつぶやきで思い出したのだが、2018年頃、鈴木譲先生や岩崎学先生の計らいで、統計的因果推論の大家の一人であるDonald Rubin先生… https://t.co/36fj8FIStp"