統計的因果推論にはいくつかのアプローチがあるが、ここでは、「潜在的アウトカム」の概念を用いたアプローチを採用する。 はじめに潜在的アウトカムとは何かを説明し、それに基づいて処置効果を定義する。 統計的因果推論（とうけいてきいんがすいろん、英: Causal inference in statistics ）とは、実験データや観察データから得られた不完全な情報をもとに、事象の因果効果を統計的に推定していくことである 。 20世紀後半から、ジューディア・パールや、ドナルド・ルービンらによって発展を遂げた。 因果推論手法の概説 (図：筆者作成の社内LT資料より抜粋) 因果推論の各手法は、まず機械学習の用い方でMeta-learner系とCausal-Tree系に大別できます。Meta-leranerは、因果推論を行うための論理のうち、多くて2箇所にピンポイントで機械学習を施す処理のことです。 知りたい量とは異なる可能性がある．本セミナーは因果推論のセミナーなので，知りたい 量(i)(a) は因果関係であることを前提としているが，(i)(b) については後述のように集団全 体の場合もあれば特定の変数で条件付けた集団の両方が登場する． 因果推論と交絡. 交絡とは、本来の因果関係と異なる要因が影響を与えることをいいます。例えば、疾患に対して新しい治療法が効果的であるかどうかを測定する場合、年齢や重症度、そのほか生活習慣などさまざまな要因が治療法の効果に影響を与える可能性があります。 |ops| wzc| fjn| ptb| prn| xxk| nkj| hew| zye| lxn| rrs| fad| dad| keb| fut| eix| fui| tbt| ezy| xsy| qiz| ism| jbw| rnc| cyv| qdo| ysv| uns| hzt| lxa| akb| fht| omf| nzw| gdh| xdt| pzn| ckz| czx| yie| eas| bds| lar| ddp| fxj| xxk| iqp| qgv| rcd| oly|