初めてこのブログを見た方へ

これは初めてこのブログに来た方々向けのトップ固定記事です。随時更新されます。

はじめに

現在は横浜市立大学データサイエンス学部（B4）に所属しています。医療統計学、因果推論を専攻しています。お問い合わせ等ある場合には、大学のメールアドレス（d194026a@yokohama-cu.ac.jp）までご連絡ください。なおプロフィールはLinkedInにも掲載しています。

• 学会発表・受賞歴など
  • 2022年度計量生物学会年会 若手優秀発表賞（学生会員部門）

このブログの内容は個人の意見・見解の表明であり、所属組織の意見・見解を代表しません。またブログ記事の内容の正確性については一切保証いたしません。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の資料を併せてご参照ください。

自身の学習の記録であるため、誤りも多いかと思います。後学のため、誤りを見つけた場合はコメント欄などでお知らせいただけると有難いです。 

また、ブログの中で取り上げられているデータなどは、いずれも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。

繰り返しになりますが、このブログはあくまでも僕自身にとっての備忘録であり、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。以上の点をご理解の上お読み下さると有難いです。

Causal Inference: What If, Chapter1

　統計的因果推論という分野で世界的権威であるMiguel A. Hernan, James M. Robins教授の著書「Causal Inference: What If」で取り扱っている内容についてまとめていきます。両名とも2022年4月現在、ハーバード大学に在籍されておりまして、本書は以下のMiguel A. Hernan教授のサイトよりダウンロード可能です。データファイルや各種プログラミングコードも適宜ご活用ください。

www.hsph.harvard.edu

　個人的な学習や大学のゼミ活動の都合上、各チャプターごとにスライドも作成しております。スライドについては、こちらのspeaker deckで公開していますのでご自由にご活用ください。記事・スライドに誤りが含まれている場合には、ご指摘いただけると幸いです。

 　本記事はWhat IfのIntoroduction および Chapter1: A definition of causal effectについてです。Capter1の構成は以下の通りです。

1. Individual causal effect
2. Average causal effect
3. Measures of causal effect
4. Random variability
5. Causation versus association

　本章では、今後因果推論についての議論をおこなっていく上で、最も基本的かつ重要となる”因果とはなにか”についての内容となっています。

The bias-variance trade-off

本記事はWhat Ifの11章の5節目（ラスト）の内容です。前回の記事はこちら。

norihirosuzuki.hatenablog.com

今回の内容はこんな感じ

Smoothing

本記事はWhat Ifの11章の4節目の内容です。前回の記事はこちら

norihirosuzuki.hatenablog.com

今回の内容

Nonparametric estimators of the conditional mean

本記事はWhat Ifの11章の3節目の内容です。前回の記事はこちら

norihirosuzuki.hatenablog.com

段々と内容の抽象度、レベル感が上がってきているので一節ごとの毎日更新が厳しくなってきていますがどうにか出来る限り頑張ります。というわけで内容へ。

Parametric estimator of the conditional mean

本記事はWhat Ifの11章の内容にあたります。11章は以下の4つの節で構成されており、今回はその2節目の内容です。

1. Data cannot speak for themselves
2. Parametric estimators of the conditional mean
3. Nonparametric estimators of the conditional mean
4. Smoothing
5. The bias-variance trade-off

前節の内容はこちら。

norihirosuzuki.hatenablog.com

ということで、早速内容に入っていきます。

Data cannot speak for themselves

本記事はWhat Ifの11章の内容にあたります。What IfのPartⅡから使用されている具体例は、実データに線形回帰やロジスティック回帰モデルを適合させたものでありPartⅠのように手計算では難しいので、R, SAS, Stata, and Pythonなどを使用しています。データセット、コードに関してはWhat Ifが提供されているWebサイトでダウンロード可能なので必要な方はそちらをご参照ください。

11章の内容としては大きく以下の3つです。

• ノンパラメトリック推定量（Part1）と、パラメトリック推定量（PartⅡ）の違いについて論じる
• 平滑化（Smoothing）とbias-variance trade-off について簡潔に記載
• 目的が予測か因果推論のどちらであっても、分析におけるモデルの必要性を説明する

また次の5つの説に分かれています。

1. Data cannot speak for themselves
2. Parametric estimators of the conditional mean
3. Nonparametric estimators of the conditional mean
4. Smoothing
5. The bias-variance trade-off

今回はこの11章の一番初めの節について取り扱います。心が折れるまで毎日更新です。

2021年度日本分類学会シンポジウム@石垣島に参加した話

タイトルの通り分類学会に参加しての感想だったりをつらつら書いています。暇つぶし程度にどうぞ。

今回そもそも分類学会には同じ研究室の修士2年の方が学会で発表をされるということで、せっかくだしそれについていこうという感じでヌルっと参加が決まりました。これまでにも統計連合大会などには参加、聴講していたのですが、対面で参加は初めてだったのでリアルな学会の雰囲気というのを感じることのできたいい機会だったかなと思います。参加にあたっては研究室のボスである田栗先生からは質問をしてくるようにと言われましたが、なかなかに厳しかったです…

正直なところ発表の内容の全てを理解できたかというとそういうわけではありませんでしたが、研究を行うにあたって何が必要なのか、目的や有用性はなんなのかなどなど、今後の自分の研究につながる部分は多く、身のある数日間だったかなと飛行機の中でこの記事を書きつつ思っています。

そして何よりも今回の学会参加で個人的に嬉しかったのは他大学の方と交流できたことです。同志社の宿久先生や北大の横田先生、同じ横市でも医学部の方にいらっしゃる関係で中々直接お話しできなかった山本先生などとお会いできて良かったかなと思いますし、学生の方とも歓談を通じて、非常に刺激をいただきました。

宿久先生や他大の学生の方からこのブログやSAS関連で認知されていたので、もう少しまともなことを記事にしなきゃなあと思っています。週一くらいで学習の履歴みたいなことを年明けからは更新していけたらなと。