生物統計学を学ぶ大学院生のブログ

統計的因果推論、生物統計学、R・SASの実装方法について更新

初めてこのブログを見た方へ

f:id:NorihiroSuzuki:20210410174508j:plain

はじめに

このブログは個人の意見・見解の表明であり、所属組織の意見・見解を代表しません。自身の備忘録であり、今後同じ道を志す方の一助になればという位置付けです。記事の内容の正確性については一切保証いたしませんので、学術的なコンテンツを求めて来訪された方は学術書や論文などを併せてご参照ください。誤りを見つけた場合にはご連絡いただけますと幸いです。また、記事中で取り上げられているデータは明記されていない限りはいかなる実在する企業・組織・機関のいかなる個別の事例とも無関係です。ブログ記事内容は予告なく公開後に改変されることがあります。以上の点をご理解の上お読み下さい。

 

色々

  • Paper
    • coming soon...
  • Presentation (oral)
    • Conference
      • 2022年度計量生物学会年会
      • 2023 WNAR/IMS Annual Meeting
      • 2023年度日本分類学会シンポジウム
    • Academic meeting
      • 統計サマーセミナー2022
      • SASユーザー総会2022
      • SASユーザー総会2023
  • Award
    • 2022年度計量生物学会年会若手優秀発表賞(学生会員部門)
    • 令和4年度横浜市立大学データサイエンス学部卒業論文最優秀賞
    • The Runner-up of the 2023 WNAR Student Most Outstanding Written Paper Award
    • 2023年度日本分類学会シンポジウム学生優秀発表賞
    • 2024年度日本分類学会奨励賞
  • Academic society
    • Affiliations
      • The International Biometric Society
      • 日本計量生物学会
      • 日本分類学
    • Comittee
      • 日本計量生物学会企画委員会委員(2023年4月-現在)
  • Volunteer
  • Scholarship
    • 2020年度キーエンス財団応援給付金
    • 公益財団法人宮川宗好奨学会(2019年4月-2023年3月)
    • 日本計量生物学会 2023WNAR 若手会員発表者への補助(奨学金
    • 令和5年度大学院医学研究科奨学生

『Causal Inference: What If』補足まとめ

Miguel A. Hernán, James M. Robinsらの著書である『Causal Inference: What If』についての補足記事まとめです。随時更新します。本書のPDF版は以下の著者HPよりダウンロードが可能です。初版は2020年に公開され、メジャーアップデートが2023年に行われています。ただし、以降もマイナーアップデートがひっそりと繰り返し行われており、版によって一部記載が異なりますのでご注意ください。なお、本記事では2024年4月26日更新版を参照しています。www.hsph.harvard.edu

Paper book版については、2022年の年末にCRC Pressより出版を行うとの告知がありましたが、既に当初の出版予定日よりも1年以上ずれ込んでおり、今後もさらに遅れることが予想されます。なお、日本語版については2年後を目安に翻訳プロジェクトが進行中です。

www.kinokuniya.co.jp

 

  • Part I: Causal inference without models
    • Ch.1: A definition of causal effect
    • Ch.2: Randomized experiments
    • Ch.3: Observational studies
    • Ch.4: Effect modification
    • Ch.5: Interaction
    • Ch.6 Graphical representation of causal effects
    • Ch.8: Selection bias
    • Ch.9: Measurement bias
    • Ch.10: Random variability
  • Part II: Causal inference without models
    • Ch.11: Why model?
    • Ch.12: IP weighting and marginal structural models
    • Ch.13: Standardization and the parametric g-formula
    • Ch.14: G-estimation of structural nested models
    • Ch.15: Outcome regression and propensity scores
    • Ch.16: Instrumental variable estimation
    • Ch.17: Causal survival analysis
    • Ch.18: Variable selection for causal inference
  • Part III: Causal inference from complex longitudinal data
    • Ch.19: Time-varying treatments
    • Ch.20: Treatment-confounder feedback
    • Ch.21: G-methods for time-varying treatments
    • Ch.22: Target trial emulation
    • Ch.23: Causal mediation

 

続きを読む

Causal Inference: What If, Chapter 1

Miguel A. Hernán, James M. Robinsらの著書である『Causal Inference: What If』のChapter 1: A definition of causal effectについての補足記事です。補足記事は以下のリンク先でまとめています。

norihirosuzuki.hatenablog.com

ja.wikipedia.org

 

  • Prefaceの例
  • 1.1 Individual causal effect
  • 1.2 Average causal effect
    • 2つのnull hypothesis
    • Fine Point 1.1: Interference
      • 言及されている論文
      • Interferenceが存在する場合の議論
    • Fine Point 1.2: Multiple versions of treatment 
      • 言及されている論文
      • multiple versionsとwell-definedについて
    • Technical Point 1.1: Causal effect in the population
  • 1.3 Measures of causal effect
    • Fine Point 1.3: Number of needed to treat
      • 言及されている論文
  • 1.4 Random variability
    • 1st source of random error: Sampling variability
    • 2nd source of random error: Nondeterministic counterfactuals
    • Technical Point 1.2: Nondeterministic counterfactuals

 

続きを読む

SASでの因果推論系記事まとめ

在籍中のSAS institute Japanでの統計的因果推論に関するコラムへの移動用です。随時更新します。

  • 統計的因果推論コラムの概要
    • 潜在アウトカムと因果関係の定義について
    • 識別可能条件 (identifiability assumptions) について
    • 操作変数法:操作変数法の概要
    • 操作変数法:操作変数法における第4の条件(homogeneity / monotonicity)
  • Time-varying treatmentsの紹介 / 周辺構造モデルとIPTW法について
続きを読む

分布ベースでROC曲線を書く方法【R】

RのpROCパッケージを利用して分布ベースで様々なROC曲線を書く方法について、感度・特異度(および、そのペアに一致するカットオフ)を出力する方法についてまとめます。二群(今回はCase群とNon-case群)のデータの生成設定によって様々なROC曲線が作成可能です。

  • ROC曲線について
  • pROCパッケージについて
    • ROC曲線の作成方法
    • 参考
  • データの生成・ROC曲線のプロットについて
    • 必要なライブラリの読み込み
    • Case / Non-caseデータの生成
    • ROC曲線の作成、AUCの計算
続きを読む

イェンセンの不等式を用いた相加、相乗、調和平均の不等式の証明

相加平均≧相乗平均≧調和平均となること、すなわち

 \displaystyle \sum_{i=1}^{n}x_{i} \geq \Bigl(\prod_{i=1}^{n}x_{i}\Bigr)^{1/n} \geq \dfrac{n}{\sum_{i=1}^{n}\dfrac {1}{x_{i}}}

となることを、イェンセンの不等式を用いて証明します。

続きを読む

PSMATCHプロシジャを用いた傾向スコアマッチング【SAS】

 因果効果の推定手法の1つである傾向スコアマッチング法とSASでの実装方法について紹介します。傾向スコアマッチングのSASでの実装にあたっては、本記事ではSAS/STAT 14.2 (SAS 9.4) で追加されましたPSMATCHプロシジャを使用します。因果推論の基本的な枠組みや傾向スコア・傾向スコアマッチングの統計的理論については、詳しく解説を行いませんのでそちらに関心がある方は書籍等を参考にしていただければ幸いです。

  • はじめに
  • 記法と仮定
    • 記法
    • 仮定
  • 傾向スコア
  • マッチングにおける代表的な要素
    • キャリパー (caliper)
    • マッチング方法
    • 共変量の群間差
  • 推定値の解釈について (ATE, ATT, ATC)
  • PSMATCHプロシジャ
  • 実装例(SmokingWeight)
    • データ説明 / 傾向スコアマッチングの設定
    • 結果
    • サンプルコード

 

続きを読む

母関数の利用をした期待値、分散の算出

本記事はこちらの母関数についての記事の続きです。今回は母関数を用いていくつかの主要な分布の期待値・分散の算出を行っていきます。

norihirosuzuki.hatenablog.com

 

続きを読む