因果推論の基本的な考え方を図とことばで平易に説明し，シンプルな事例によりポイントを直感的なイメージで示す．推定結果の解釈・利用における注意点や質的研究との関連も丁寧に解説．数式はあまり得意でないが統計的因果推論の原理を理解したい初学者，分析対象のありようを深く研究したいと望む人に最適．※この電子書籍は「固定レイアウト型」で作成されており，タブレットなど大きなディスプレイを備えた端末で読むことに適しています．また，文字だけを拡大すること，文字列のハイライト，検索，辞書の参照，引用などの機能は使用できません．

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 実践的な意思決定力を身につける！ Pythonと因果推論でデータ分析の壁を乗り越える! 　本書では因果推論の活用を通じて、効果検証や相関と因果関係の違いといった、データ分析の現場でよくある問題を解決する方法を紹介します。 　さらに、因果推論の基礎から、機械学習や時系列解析との組み合わせ、さらに因果探索まで学習することにより、因果推論を軸として幅広い問題に対応可能になります。これにより、データ活用の価値を高められます。 　本書では、具体的な事例や豊富な図を用いて、因果推論の基本的な概念や手法を分かりやすく解説します。また、Pythonコードを用いた実装を通じて、因果推論を実務に応用するスキルを身につけることができます。 本書の特徴 ・実践的な学習と活用 　因果推論の基礎だけでなく、ビジネスケースでの活用方法まで、分析手法や企業での活用例の解説をし、Pythonコードを用いた実装を通じてデータ分析のスキルを深めます。 ・直感的な理解のための全体像の把握と図解 　因果推論、機械学習、時系列解析を図で構造的に解説します。 ・意思決定のためのガイドライン 　最適な分析を行い、より良い意思決定に導くための具体的なガイドラインを提供し、データドリブンな意思決定を支援します。 はじめに 第1章　因果の探求から社会実装 第2章　因果推論の基礎 第3章　基本的な因果推論手法 第4章　因果推論高度化のための機械学習 第5章　因果推論と機械学習の融合 第6章　感度分析 第7章　因果推論のための時系列解析 第8章　因果構造をデータから推定する因果探索

因果推論とは，ある要因が何を（どれくらい）引き起こしたのかを判断するためのツールです。本書は，因果推論に関する最近までの進展をまとめ，学生や実務家を対象として，因果関係に関する意味のある回答を導き出すために必要な統計的手法を解説していきます。 本書の最大の特徴は，理論だけでなく，統計プログラミング言語（R，Stata）による実装を重視している点にあります。例題には，読者が利用できるデータとコードが添付されており，すぐに手を動かして実践することができます。本書は機械学習に関するトピックを含まない一方で，理論的な解説が詳細であるほか，DAGや合成コントロール法といった発展的なトピックを扱っています。これらのトピックは，近年の因果推論の理論的進展において重要ですが，入門レベルの書籍において解説している点で希少性があります。

「人工知能の巨人」が放つ「なぜ？の科学」の革命的な入門書！ 「私自身、この本の解説を書くことが憚られるくらいの凄い内容」 ――松尾豊氏（人工知能学者・東大大学院教授）絶賛！ 米Amazonでは1256レビュー、4.5★。ポピュラーサイエンスの世界的ベストセラー！ ・今までの統計学では答えられなかった「なぜ？の科学」とは？ ・それは３段の「因果のはしご」を使って説明できる ・著者は人工知能界のノーベル賞にあたるチューリング賞受賞！ ・現在のデータ主義には限界がある。それを乗り越える「因果推論」とは？ ・その商品が売れた理由をどう分析し、新たな儲けにつなげるか？ ・公衆衛生におけるベストな選択肢の考え方とは？ ・人間のように考えられる人工知能＝強いAIはつくれるか？ ・そもそも私たち人間はどのように「因果関係」を考えているのか？ 統計学とデータ分析を超えた新たな学問の誕生！ 人工知能と人類の未来を知るために、なくてはならない一冊。 データ分析、マーケティング、意思決定に携わるビジネスパーソンも必読！

ビジネスで利用されるデータの多くは，その施策の意思決定を行う人物や組織の目的にそった活動の延長上で作られています。具体的には，DM送付などの広告施策であれば，担当者はユーザの反応率を上げるために，反応しやすいであろうユーザに対してのみDMを発送します。ここで発生したデータでDMの効果を計る場合，単純にDMを受け取っているか否かで結果を比較することは，DMの効果以外にも意図的にリストされたユーザの興味や関心を含んでしまうことになります。 データが生まれるプロセスに人の意思が関わる場合，単純な集計では判断ミスとなる可能性があります。わずかな計算の狂いでも後々のビジネスにおいて大きな影響を及ぼすことになるため，バイアスのない状態で効果検証できることが望まれるのです。 本書では「単純に比較すると間違った結論に導くデータ」から，より正しい結果を導くための分析手法と考え方を提供します。計量経済学における効果とは何か？ を提示し，RCT（ランダム化比較試験）がいかに理想的な方法かを説明し，RCTができない場合でも因果推論を用いてRCTの再現が可能だということを説明していきます。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 「なんとなく」から「納得のいく」意思決定へ近年、ビジネスにおけるデータ活用の重要性が高まる中、データから正しく情報を抽出するデータリテラシーが注目されています。しかし、多くの人が見落としがちなのが「原因と結果の関係」を正しく把握する「因果推論」の考え方です。因果推論とは、データに基づいてある事象（原因）が別の事象（結果）を引き起こす関係性を統計的に推定する手法です。従来の統計学ではデータ間の相関関係を分析することが中心でしたが、因果推論は相関関係だけでなく、因果関係を特定することを目指します。例えば、「朝ごはんを食べている子供は成績が高い」という相関関係があったとしても、「朝ごはんを食べると成績が良くなる」という因果関係があるとは限りません。相関関係だけを鵜呑みにしてここから施策を考えてしまうと問題解決に繋がらない場合があります。世の中にはこのように一見関係があるように見える「偽の因果関係」が多く存在しますが、因果推論の考え方、分析手法を学ぶことで、このような「偽の因果関係」に騙されることなく意思決定を行うことができるようになります。本書は、ビジネスシーンにおける意思決定をより効果的に行えるよう、難しい数式を使わずにイメージで因果推論の考え方をわかりやすく解説します。■目次第1章　データ分析って何だろう第2章　因果推論って何だろう第3章　偽の因果関係第4章　差があるとはどういうこと第5章　ランダム化ができないときは？第6章　層別解析を使いこなす

ビッグデータの集積や人工知能の活用が叫ばれる中，エビデンス重視の実証革命が進み，データサイエンスを駆使した新たな経済学が要請されている．著者の過去２０年間の研究を踏まえ，因果推論や機械学習などを用いるデータ分析の手法だけでなく，適切にデータを取得する調査・実験の手法を解説し，使える経済学の字引を提供する．※この電子書籍は「固定レイアウト型」で作成されており，タブレットなど大きなディスプレイを備えた端末で読むことに適しています．また，文字だけを拡大すること，文字列のハイライト，検索，辞書の参照，引用などの機能は使用できません．

◆働き方改革の実行や、女性管理職の育成、労働生産性アップ、ストレスチェックなど、人事部門は、様々な課題について現状を正確に把握し、数値目標を立てて改善に取り組まねばならなくなった。本書は、多くの日本企業が抱えるこれらの人事上の課題を、データを使ってどのようなに分析し、活用すればよいのかを解説。 ◆著者が、株式会社ワークスアプリケーションズや経済産業研究所(RIETI)と連携して行ってきた研究成果を活かし、具体的に、読者が自分の会社で使えるように解説する。 ◆女性の管理職育成が候補者を選ぶところから行き詰まってしまうのはなぜか、早期退職者を減らすにはどうしたらよいか、労働時間管理をどのように行えば良いのかなど、具体的にいま日本企業が抱えている問題を取り扱う。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 【内容紹介】 「因果推論」とは、「原因と結果の関係を考える方法」という意味。 本書は「因果推論」をはじめ、データサイエンスの基本と最先端をわかりやすく解説する入門書です。Excelというなじみのあるアプリを使用するので、文系出身社会人にもわかりやすい内容となっています。明日からの仕事・生活に「因果推論」をぜひ活用してください!! 【著者略歴】 著者：杉原哲朗（すぎはらてつろう） データサイエンティスト 半導体、化学、医療機器、制御機器の４社にて、品質管理や環境管理の実務の傍ら、業務におけるデータ活用も進める。工場におけるデータ活用を得意としているが、製造業全般や、製造業以外の業種にもデータ活用の経験を持っている。 2008年より、Webサイト「環境と品質のためのデータサイエンス（https://data-science.tokyo）」を開設し、ノウハウや研究成果を公開している。同サイトをベースに、国内外の学生や社会人の支援も行っている。 著書（共著）： 「時系列データ解析における課題対応と解析」 【目次】 Chapter1 明日からできるデータの活用 それが因果推論 1.1 因果推論とは... 1.2 因果関係は、図で表そう！：因果ダイアグラム 1.3 「何度も起きています」で裏付けよう！：統計的因果推論 1.4 3種類の指標で裏付けよう！：統計的仮説検定 1.5 小さな実験をしよう！：統計的因果推論の、陰の立役者 Chapter2 「この薬で治る！」をデータで裏付けよう 比率の違いの分析 2.1 データを用意する：検証に必要な、4つの数字を用意 2.2 データを見る：棒グラフ 2.3 因果効果を確認する：比率の差 2.4 効果量を確認する：比率の比・オッズ比 2.5 P値を確認する：比率の差の検定・オッズ比の検定 2.6 応用編 Chapter3 「点数が上がった！」をデータで裏付けよう 平均処置効果の分析 3.1 データを用意する：「対策あり」・「対策なし」のデータを用意 3.2 データを見る：層別1次元散布図 3.3 因果効果を確認する：平均値の差・平均処置効果 3.4 効果量を確認する：コーエンのd 3.5 P値を確認する：母平均の差の検定 3.6 応用編 Chapter4 「この運動で体重は減る！」をデータで裏付けよう 個別処置効果の分析 4.1 データを用意する：「運動前」・「運動後」のデータを用意 4.2 データを見る：個別の折れ線グラフ 4.3 因果効果を確認する：個別の差・個別処置効果 4.4 効果量を確認する：コーエンのd 4.5 P値を確認する：対応のある母平均の差の検定 4.6 応用編 Chapter5 「暑い日は売れる！」をデータで裏付けよう 相関の分析 5.1 データを用意する：売上と気温のデータを用意 5.2 データを見る：散布図 5.3 因果効果を確認する：傾き 5.4 効果量を確認する：相関係数 5.5 P値を確認する：相関係数の検定（傾きの検定） 5.6 応用編 Chapter6 「地域によって、好みの味が違う！」をデータで裏付けよう 質的変数の相関の分析 6.1 データを用意する：県ごとに、ラーメン店の味付けのリストを用意 6.2 データを見る：棒グラフ 6.3 効果量を確認する：連関係数 6.4 P値を確認する：独立性の検定 Chapter7 「たくさん飲んだ方が治る！」をデータで裏付けよう 比率の変化の分析 7.1 データを用意する 7.2 データを見る：層別１次元散布図 7.3 因果効果を確認する：傾き・オッズ比 7.4 効果量を確認する：精度 7.5 P値を確認する：尤度比検定・独立性の検定 7.6 応用 Chapter8 「不良品ができた原因は、何か？」をデータで解決しよう 因果探索 8.1 データを用意する：不良品と良品について、関係しそうなデータを用意 8.2 データを見る：スパークライン 8.3 関係を数字で表現する：相関行列分析 8.4 わかったことを整理する：必要条件と十分条件 Chapter9 統計的因果推論を、さらに勉強するためのガイド 9.1 事実と反事実の関係から調べる：ルービン流とパール流 9.2 因果関係を数式で表現する：回帰分析の応用 9.3 判断の理由を示す：説明可能なAI 9.4 原因の確率を調べる 9.5 因果関係を総当たりで調べる：因果探索 9.6 因果関係の時間的な変化を調べる：時系列分析 9.7 ランダム化比較試験を高度にする：実験計画法

【世界初の反実仮想機械学習の教科書！】 　反実仮想（Counterfactual）─ 起こり得たけれども実際には起こらなかった状況 ─ に関する正確な情報を得ることは、機械学習や意思決定最適化の応用において必要不可欠です。例えば、「現在運用している推薦アルゴリズムを仮に別のアルゴリズムに変えたら、ユーザの行動はどう変化するだろうか？」や「特定のユーザ群に新たなクーポンを与えたら、収益はどれほど増加するだろうか？」などの実務・社会でよくある問いに答えることを可能にするのが、反実仮想機械学習（CounterFactual Machine Learning; CFML）と総称される機械学習と因果推論の融合技術です。 　本書では、反実仮想機械学習の重要な基礎であるオフ方策評価と呼ばれる統計的推定問題を重点的に扱い、反実仮想に関する情報を観測データに基づいて正確に推定するために必要な考え方と統計技術を着実に身につけます。その後、オフ方策評価の自然な拡張として、観測データに基づく意思決定の最適化問題を扱います。こうして、反実仮想推定を最重要の基礎に据える反実仮想機械学習の思想と理論、それらの汎用的な応用力を身につけることが、本書における最大の目標です。 　なお本書では、反実仮想機械学習に関する理論やその実践、Pythonを用いた実装をバランスよく扱っています。例えば、関連の学術研究や論文執筆を行う方向けには、理論の理解を深める章末問題を提供しています。6章には、実践現場で働く方々向けに、独自に作成したケース問題を用いた応用例を示しました。学術研究を行いたい学生・研究者の方や実応用を行いたい実務家の方など、幅広い層や用途に有効活用していただける内容に仕上がっています。 ■目次 ●第0章：基礎知識の整理 　　0.1 確率の基礎 　　0.2 統計的推定の基礎 　　0.3 教師あり学習の基礎 　　0.4 因果推論の基礎 ●第1章：標準的なオフ方策評価 　　1.1 オフ方策評価の定式化 　　1.2 標準的な推定量とその性質 　　1.3 基本推定量の精度を改善するためのテクニック ●第2章：ランキングにおけるオフ方策評価 　　2.1 ランキングにおけるオフ方策評価の定式化 　　2.2 ランキングにおけるIPS 推定量とその問題点 　　2.3 ユーザ行動に関する仮定を駆使したIPS 推定量 　　2.4 ランキングのオフ方策評価に残された課題 ●第3章：行動特徴量を用いたオフ方策評価 　　3.1 行動の特徴量を取り入れたオフ方策評価の定式化 　　3.2 行動特徴量を有効活用する推定量 　　3.3 これまでに登場した推定量のまとめ ●第4章：オフ方策評価に関する最新の話題 　　4.1 強化学習の方策に対するオフ方策評価 　　4.2 オフ方策評価に関するそのほかの最新トピック ●第5章：オフ方策学習に関する最新の話題 　　5.1 オフ方策学習の定式化 　　5.2 オフ方策学習における標準的なアプローチ 　　5.3 オフライン強化学習 　　5.4 オフ方策学習にまつわるそのほかのトピック ●第6章：オフ方策評価・学習の現場活用 　　6.1 方策の長期性能に関するオフライン評価 　　6.2 プラットフォーム全体で観測される報酬を最適化する方策 　　6.3 本章のまとめ ■著者プロフィール 齋藤優太（さいとうゆうた）：1998年北海道生まれ。2021年に、東京工業大学にて経営工学学士号を取得。大学在学中から、企業と連携して反実仮想機械学習や推薦・検索システム、広告配信などに関する共同研究・社会実装に多く取り組む。2021年8月からは米コーネル大学においても反実仮想機械学習などに関する研究を行い、NeurIPS・ICML・KDD・ICLR・RecSys・WSDMなどの国際会議にて論文を多数発表。そのほか、2021年に日本オープンイノベーション大賞内閣総理大臣賞を受賞。2022年にはWSDM Best Paper Runner-Up Award、Forbes Japan 30 Under 30、および孫正義育英財団第6期生に選出。著書に『施策デザインのための機械学習入門』（技術評論社）がある。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 広大な因果世界を幅広くカバー！ 因果推論・因果探索のコード例を多数掲載 原著は米国Amazonでカテゴリーベストセラー（2024/6上旬など） データサイエンティスト、機械学習エンジニアなら知っておきたい 因果的概念、グラフによる理解、因果探索の実践などを解説。 パート1では、関連・介入・反事実、構造的因果モデルなど、 因果推論を構成する基本概念と、グラフ表現を解説。 パート2では、因果推論プロセスの4ステップのほか、 DoWhy／EconMLを使った因果推論の実装などを説明。 パート3では、因果探索の概念、因果分析プロセスでの位置づけ、 gCastle等を使った高度な因果探索の実装を取り上げます。 【章構成】 ■Part1 速習：因果関係 第1章 因果関係に取り組む理由：機械学習があるのに？ 第2章 ジューディア・パールと因果のはしご 第3章 回帰、観測、介入 第4章 グラフィカルモデル 第5章 チェーン、フォーク、コライダー ■Part2 因果推論 第6章 ノード、エッジ、統計学的な独立と従属 第7章 4ステップの因果推論プロセス 第8章 因果モデル―仮定と課題 第9章 因果推論と機械学習―マッチングからメタ学習器まで 第10章 因果推論と機械学習―高度な推定器、実験、評価など 第11章 因果推論と機械学習―ディープラーニング、NLPなど ■Part3 因果探索 第12章 因果グラフをいただけますか―因果関係の知識源 第13章 因果探索と機械学習―仮定から応用まで 第14章 因果探索と機械学習―高度なディープラーニングとその先へ 第15章 エピローグ

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 本書は、マーケティングをテーマに因果推論の基本から応用までを解説した一冊です。因果推論という科学的な手法をマーケティングに応用することで、「どの広告・施策がどれだけ効果をもたらしたのか？」という問いに答えます。 ただし、因果推論を用いたマーケティングの実験やその結果を紹介するのではなく、あくまで「マーケティングを舞台として因果推論を学ぶ」というスタンスであることにはご留意ください。 因果推論なら、様々な変数が入り組む現場でも真の効果を見極めることができます。本書では、観察研究を実験相当へ近づける理論と手法を詳説。DAG、傾向スコアなど、マーケターにとって本当に使える実践ノウハウが網羅的に身につくでしょう。データを使った、説得力のある戦略立案を実現するための必携書です。

本書は，統計的因果推論の理論（数理的メカニズム）と実装（Rによる数値解析）の両方を統一的にカバーしたものである。具体的には，ハーバード大学統計学科のDonald B. Rubinの提唱した潜在的結果変数の枠組みによる統計的因果推論を扱う。また，データの一部が観測されない場合の因果推論も扱っており，これは類書にはほとんどみられない本書の特徴である。本書の数理的な理論解説は，できるだけ高校数学の範囲内で理解できるように工夫した。微積分や線形代数も，ほぼ登場しない。さらに，必要な数学的知識は，登場する箇所で解説を加えた。また，Rを使った数値計算により，数学が苦手な人にも統計的因果推論のメカニズムを理解してもらえるように工夫している。そして，数式とRコードとの対応関係をRの初心者も理解できるように，できるだけ1行ごとに完結するコードを書くよう心がけた。さらに，Rを使って統計的因果推論の実証研究を行うための実践的な内容も盛り込んでいる。本書の解析結果は，シミュレーション結果を除いて，すべて，本書の中に記載されているRコードを使って再現できるようにした。そして，本書で使用したデータはすべて，本書のサポートページからダウンロードして使用できるので，本書記載のRコードと一緒に活用することで，統計的因果推論を実践的に学ぶことができる。