グラフィカルモデルによる因果推論入門　～因果を記述する方法の理解と実装～ [単行本]

グラフィカルモデルによる因果推論入門　～因果を記述する方法の理解と実装～ の 商品概要

• 目次

  第1章：因果関係を取り扱う技術の登場
  1-1 因果関係の直感的な理解
  1-2 古典的統計学における因果関係
  1-3 喫煙と肺がんの因果関係をめぐる論争
  1-4 ポテンシャルアウトカムモデルの登場
  1-5 グラフィカルモデルの登場
  1-6 ベイジアンネットワークと因果グラフ
  1-7 ポテンシャルアウトカムモデルと因果グラフの立場の違い
  第2章：因果効果と交換可能性
  2-1 反事実とポテンシャルアウトカム
  2-2 平均因果効果の推定
  2-3 ランダム化比較試験のデータが交換可能性を満たさない場合
  2-4 観測データにおける平均因果効果
  2-5 推定対象と因果推論の流れ
  第3章：因果グラフで因果関係を記述する
  3-1 因果関係を記述する方法
  3-2 因果グラフの基本構造における従属と条件付き独立
  3-3 効果検証が失敗するケース
  3-4 因果グラフをプログラムで記述する方法
  第4章：識別とバイアス
  4-1 バイアス
  4-2 交絡バイアス
  4-3 選択バイアス
  4-4 測定バイアス
  第5章：因果効果の推定
  5-1 識別から推定へ
  5-2 因果グラフと確率
  5-3 構造的因果モデルによる因果効果の定義
  5-4 観測条件付き平均では平均因果効果を表現できない
  5-5 介入
  5-6 平均因果効果と調整化公式
  5-7 点推定値と信頼区間
  5-8 層別解析
  5-9 線形回帰モデル
  5-10 一般化線形回帰モデル
  5-11 傾向スコア分析
  5-12 傾向スコアマッチング
  5-13 逆確率重み付け（IPTW）による調整
  5-14 二重ロバスト推定量
  5-15 バックドア基準による因果効果推定のベストプラクティス
  5-16 フロントドア基準
  5-17 操作変数法
  第6章：因果効果の反証テストと感度分析
  6-1 データの識別条件
  6-2 オーバーラップの反証テスト
  6-3 因果グラフとデータの整合性確認
  6-4 負の対照（negative control）
  6-5 データ安定性の検証
  6-6 感度分析

• 内容紹介

  【書籍概要】
  因果推論は経済学や医学で発展し、現在ではIT企業のデータドリブンな意思決定や機械学習との融合により注目を集めています。しかし、既存の関連書籍は「A/Bテストの解説書」か「数式中心の難解な学術書」に二極化しており、実務で強力なツールとなる「グラフィカルモデル」を解説したものがありません。
  本書は、グラフィカルモデルを中心に据えることで因果推論を直感的に理解し、A/Bテストの先の実践（観察データからの因果推論）へとつなげるための橋渡しとなる一冊です。
  
  【本書の見どころ】
  ・視覚的な理解を助けるグラフィカルモデル
  数式による難解な説明を極力減らし、グラフという視覚的な表現を用いて因果関係を整理します。「グラフ理論による操作が数式変形と等価である」という事実を活用し、直感的かつ本質的な理解をサポートします。
  ・Pythonライブラリ『DoWhy』を用いた実践
  理論の解説にとどまらず、Pythonと因果推論パッケージ『DoWhy』を用いた実装コードを提供します。読者が自らの手で動かしながら、実務レベルの分析手法を習得できる構成です。

• 著者について

  島田 哲朗 (シマダ テツロウ)
  2012年よりアクセンチュア株式会社にて、通信・金融・アパレル・小売など幅広い業界のセールスマーケティング領域におけるデータ分析支援に従事。2017年より株式会社トレタにて飲食店の予約データ分析を担う。2019年より株式会社ディー・エヌ・エーのオートモーティブ事業本部にてタクシーアプリ『MOV』の分析を担当。事業統合にともなうGO株式会社への転籍を経て、現在はタクシーアプリ『GO』の事業意思決定を支えるデータ分析を牽引する。ユーザー分析やデジタルマーケティングを軸とした「組織の意思決定の進化」をミッションに掲げ、機械学習、ベイズ統計学、統計的因果推論のビジネス応用に関心を持つ。
  
  佐竹 功次 (サタケ コウジ)
  メーカーや受託分析会社にて、主にクライアントのデータ分析に基づく意思決定支援に従事。2022年よりGO株式会社に入社し、現在はタクシーアプリ『GO』のユーザー分析や施策効果の検証を担当する。ビジネスの意思決定支援を軸に、機械学習や統計的因果推論のビジネス応用に関心を持つ。
  
  株式会社ホクソエム (カブシキガイシャホクソエム)
  2016年設立。修士号・博士号を持つ統計家・データサイエンティストによる専門家集団。ベイズ統計モデリング、因果推論、臨床試験デザイン、機械学習を軸に、マーケティング・製造業・医療などの領域で受託研究・分析顧問・執筆活動を展開している。『効果検証入門』『施策デザインのための機械学習入門』の監修をはじめ、R・Python・Stanに関する豊富な出版実績を持つ。生成AIによって分析コードやレポートの「作成」は容易になったが、その出力が統計学的に正しいかの判断には、いっそう深い専門知識が求められる。当社は、生成AIが作成した解析コード・分析結果の妥当性レビュー、企業の分析部門への技術顧問、そして高い信頼性が要求される業務向けのソリッドなRパッケージ開発を通じて、「作れる時代」における「正しさの保証」を提供している。

グラフィカルモデルによる因果推論入門　～因果を記述する方法の理解と実装～ の商品スペック