因果推論をする際に前提となる仮定についてまとめました。Rubin流の因果推論とPearl流の因果推論で、異なる部分があります。 #因果推論 #統計分析 #統計学 #データサイエンス 因果推論の仮定について | データ分析な日々 data-everyday.com/stat_ml/post-3…

返信先:@pentate1234働いているとボケにくいのか、ボケていないから働けるのか？🤔 #因果推論

結局、2時間以上も掛かってしまったけど・・・ なんとか、自作Webアプリに、因果推論のMeta-LearnerとDMLを追加実装完了😤💪 目的変数が2値分類の時でも対応できるように、拡張しておいたので、これで色んな実験が手軽にできるはず😎✌️ 明日は、「感度分析」も追加実装ですな🤔 #Python #因果推論 pic.twitter.com/e7l3pVE5F4

今日、約2年振りに、左の本に取り組み始めたのですが・・・ 当時では消化し切れなかった内容が、とてもスムーズに頭に入ってくる😆👍 右の本に取り組んだ後であれば、とても理解し易いと思います☺️ 内容的には、左の本の方が初心者向けですが、両方とも読むのがオススメです😆👍 #Python #因果推論

因果推論の本のこのページ・・・ 非常に興味深いと感じました🤔 仮に、ベイズ重回帰で、処置変数Zの結果変数Yへの効果(回帰係数)を求めるとしたら・・・ 僕だったら、変数Cも観測データ(尤度関数)に設定し、変数Zへ制約をかけるモデリングをしちゃうなぁ🤔 #Python #因果推論 #ベイズ pic.twitter.com/UUY7IAWUHW

GWも折り返し🎏！ 残りの休みは学びの時間に使いたいという皆さん、 マーケティング施策の効果を正しく測定するための方法論、#因果推論 についてじっくり学んでみませんか？… pic.twitter.com/eto79Ilnj7

因果推論のRDD 実務での活用シーンを考えているだけでも、非常に面白い🤔 例えば・・・ 「過去の来店回数が●以上」&「直近3ヶ月の累積購買額が●円以上」の顧客にのみ、クーポンを配信。 こんなふうに、running variableが複数の時は、やっぱり傾向スコアになるのかしら🤔 #因果推論 #データ分析

書籍「因果推論」１周目完了！ 因果推論の多くの手法をPythonで体験できました 楽しかったです。ありがとうございます☺️ 腹落ちするにはまだまだ時間が必要 写経ブログで復習に取り組もうかな でもほぼ書籍のコピペになりそうで悩み中😅 #のんびり統計 #因果推論 #Python amazon.co.jp/dp/4274231232

書籍「因果推論」をぼちぼち進めてます！ 8章の因果探索では因果構造を推定して「隣接行列」を出力します。 ということで、graphvizで隣接行列からグラフを描画して遊んでます😆 #のんびり統計 #因果推論 #Python pic.twitter.com/nOnVsCN8Iu

返信先:@mph_for_doctorsお疲れ様でございました。 3時間、あっという間な充実した時間をありがとうございました。#因果推論

#因果推論 ホンマ勉強になりました😄 導き出されたデータの逆読みにも役に立ちますなぁ。 Taka先生…かっこよかったです🥰

本日参加の勉強会はこちら💁‍♂️ 楽しみです！ #因果推論

因果探索と因果推論の勉強を始めたけど、SEMとLiNGAMの関係すら理解できない…！ LiNGAMで因果の向きを把握してからSEMで因果の強さを把握するような使い方ができるのかな？ 誰か教えてくれーーー！！ #因果推論 #因果探索 #構造方程式モデリング

今週土曜の因果推論セミナーに参加のため、今日から読み始めます📖 このスキルを身につけたら、様々な場面で応用できそうな気がしてます🤔 やるっきゃねぇ😎💪 #因果推論 #日本でイチバン優しい因果推論はじめの一歩 pic.twitter.com/Esvq7ld6fs

書籍「因果推論」4章でAutoMLツールPyCaretを利用します。 以前からMy環境のPyCaretは異常な動き（１枚目：モデル構築結果が空になる）をしていてBLUEでした... でもでも遂に暫定策を発見‼️😆 setupの引数に「n_jobs=1」を指定します。 （つまり並列処理は諦め…） #のんびり統計 #因果推論 #Python pic.twitter.com/LqJLqnXieB

書籍「因果推論」３章の合成コントロール法。 コード3.32のformulaで切片なしを指定するのは、対照群の重みだけを推定したいからでしょう（定数項に重みを分配したくない）。 causalpy公式のサンプルコードをお借りして、WeightedProportion単独で動かしました。 #のんびり統計 #因果推論 #Python pic.twitter.com/t2XvYTSE5d

書籍「因果推論」に戻りました！ ３章をのんびり寄り道写経～ 差分の差分法と合成コントロール法で用いるcausalpyはベイズPyMC推論も可能です！ causalpy公式サイトの合成コントロール法・PyMC版のサンプルコードをお試し実行。 20分ほど処理時間がかかりました。 #のんびり統計 #因果推論 #Python pic.twitter.com/arkKipEL3N

時系列データのPCMCIによる因果探索。 実験データが無かったので、株価データを使ってみたら、微妙だった😂 基本、ランダムウォークに近い感じだから、因果関係もくそもないのかな😅 Open → Low High → Low どういうことよ😅 僕の実務では使う機会は少なそうな探索かな😅 #Python #因果推論 pic.twitter.com/hy7DeP83ln

因果探索・・・ GraphDAG()では、各変数間の因果関係が把握し難いので・・・ 結果をノードとエッジで描画できるように、野良実装しましたぜ😆✌️ ちなみに、これは手元にあるマーケティング関連の実データの因果探索です。 これ、製品の故障要因分析(FTA)にも使えそうですね🤔 #Python #因果推論 pic.twitter.com/uPwuY9SjVv

因果推論の本・・・ MMM(Marketing Mix Modeling)・・・ めちゃくちゃ面白そうなTopicですけど、モデルがえぐい😂😂 PyMC5のexperimentalと同様・・・ 僕の低スペック脳みそでは、何をしているか、お客さんに説明できないので、実務に使うのは厳しいなぁ😅 無念😭 #Python #ベイズ #因果推論 pic.twitter.com/orsIHMWqke

PythonによるCausalImpactですが、実務で試してみたいと思い・・・ 実際のデータ3種類で実験してみました😆✌️ 全て、目的変数のみの時系列データです。 1. 周期性(&トレンド)が明確 2. 上記1を捉える時系列特徴量生成が可能 この時は、 予測に反実仮想精度が高いので成功😆👍 #Python #因果推論 pic.twitter.com/HydCH7xFLa

この投稿を拡散していただけると嬉しいです。ハッシュタグ、バズるはずなくて草。 #政治学　#因果推論　#政治学的方法論　#計量経済学

上のモデルのDAGを描いてみました。 #のんびり統計 #因果推論 #Python pic.twitter.com/vquApJYSJL

書籍「因果推論」３章をのんびり寄り道写経～ linearmodelsのIV2SLSをformula.apiと通常apiで試してみました。 statsmodelsのIV2SLSの結果（summary）の方が情報量が多いです（残差関連の指標など）。 #のんびり統計 #因果推論 #Python pic.twitter.com/4DafQ5C7w4

書籍「因果推論」３章をのんびり写経～ 3.7節の操作変数法に関して、statsmodels公式の閲覧目的で「IV2SLS」を検索したら、どえらいライブラリを発見😱 【URL】bashtage.github.io/linearmodels/ 「statsmodelに欠落しているいくつかの一般的な線形モデルの推定と推論」！ #のんびり統計 #因果推論 #Python pic.twitter.com/C0z4oo9MkG

RD Plot カッコイイから、Webアプリで表示させたかったのですが無理みたいなので・・・・ 回帰不連続デザインは、rdrobustではなく、rdd ライブラリに変更しました😭 真の介入効果 = 2.0に対して、 TREATED coef = 1.6051 なので・・・まぁ、良しとしますかね😢 #Python #因果推論 pic.twitter.com/DrqNimmoKq

書籍「因果推論」３章の寄り道写経 メカニズムを理解できていないのですが、ひとまず全プロットを可視化してみました。 １枚めは3.3節のIPWの評価結果、２枚めは3.4節のDR法の評価結果です。 作図内容が全く違うのはなぜ？？？ #のんびり統計 #因果推論 #Python pic.twitter.com/H3xwEk0ALa

書籍「因果推論」２章からPythonで寄り道写経！ コード2.1で cm.identify() を実行して得られる prob を表示してみました。 これはもしかして書籍49ページの調整化公式！？ #のんびり統計 #因果推論 #Python pic.twitter.com/5eNnQTejVZ

書籍「因果推論」２章からPythonで寄り道写経！ コード2.1のDAGをnetworkxで簡便（雑？）に描画するコードにも寄り道しました。 CausalGraphオブジェクト の cg に対して observed_dag を行ったらノードやエッジの情報が取れました（偶然？） #のんびり統計 #因果推論 #Python pic.twitter.com/uFDTE1dBUg

書籍「因果推論」２章からPythonで寄り道写経！ コード2.1実行後にgraphvizでグラフ描画しました。 ※書籍はnetworkxでグラフ描画 YLearn公式サイトでは、graphvizで描画できそうな表現がありつつ、graphvizのコードサンプルを見つけられず。 雑に寄り道しました。 #のんびり統計 #因果推論 #Python pic.twitter.com/bmkponJoAF

書籍「因果推論」２章からPythonを動かします！ ⚠ライブラリのバージョンに要注意⚠ 例：コード2.1 バックドア基準を満たす変数を特定する「YLearn」の依存ライブラリ「networkxがバージョン3.0以上の場合エラー」になります。 書籍のバージョンは2.8.8です。 #のんびり統計 #因果推論 #Python pic.twitter.com/WkKhaGEElI

書籍「因果推論」を始めました！ Chromeブラウザでサンプルコードをダウンロードする方法をまとめました。 Chromeさんが「危険なファイル」って言うのでビビりましたが、なんとかダウンロードできました。 参考にどうぞ！ #のんびり統計 #因果推論 #Python pic.twitter.com/5A3WX538XT

因果推論の本で、興味があったので実験をしたら、モヤモヤする結果に😅 (実務を意識した)自作のデータを生成し・・・ 1. causallibライブラリーによるIPW 2. 自分で野良実装した傾向スコアマッチング なぜか、1はダメで、2はtreatmentの係数が正しく取得できた🤔 なぜ・・・😭 #Python #因果推論 pic.twitter.com/7nkq1HpKDQ

「#医学研究 のための #因果推論 レクチャー」が予約開始(4/8出版)されました！ amazon.co.jp/dp/4260053752 読んでいただいた方が因果を考える・各手法の応用を検討する"きっかけ"になればという思いで執筆しました。本領域の良書が多く出版されている中、本書も選択肢の1つとして是非ご検討ください🙇‍♂️