01/10/2025 / 最終更新日時 : 01/11/2025 bluest マーケティング サンプルサイズ設計のガイド:基礎理論と実践をわかりやすく 1. はじめに サンプルサイズ設計は、研究・調査・実験計画(例えばCMの効果を測りたいマーケティング検証、アプリのUX改善のためのABテストなど)において重要なプロセスです。 そもそも、サンプルサイズを設定しようという背 […]
12/26/2024 / 最終更新日時 : 01/07/2025 bluest Python 【完全版】MMMを課題設定から考える|Google Meridian Media Mix Model|MMM MMM は、過去の広告支出や売上データを用いて、各マーケティング施策が売上(KPI)にどの程度貢献したかを定量的に分析する手法です。これにより、予算配分の最適化や将来のマーケティン […]
12/10/2024 / 最終更新日時 : 01/07/2025 bluest ベイズ 階層ベイズをわかりやすく解説|Google Meridianを例に 階層ベイズモデルとは? 階層ベイズモデルは、データの複雑な構造を扱うための統計手法です。特に、異なるレベルでデータが相互に関連している場合、その特性を効果的に捉えることができます。このモデルは、データのばらつきや不確実性 […]
12/07/2024 / 最終更新日時 : 01/07/2025 bluest マーケティング パス解析をわかりやすく解説:因果推論からMMMまで パス解析とは? パス解析は、複数の変数間の因果関係を明らかにするための統計的手法です。 特に、構造方程式モデリング(SEM)の一種であり、観測変数のみを用いて因果関係を推定することができます。 これにより、単なる相関分析 […]
08/04/2024 / 最終更新日時 : 10/26/2024 bluest 因果推論 【統計検定】偏相関係数の概念と計算方法 – 多変量解析の基礎 こんにちは、青の統計学です! 今回は、偏相関係数 について解説します。 相関係数よりも、より変数間の因果関係に踏み込んだ議論ができます。 相関係数については、こちらのコンテンツをご覧ください。 偏相関係数 偏相関係数は、 […]
07/26/2024 / 最終更新日時 : 01/13/2025 bluest 因果推論 【内生性の解決】操作変数法と2段階OLSをわかりやすく解説 操作変数法と二段階OLS 操作変数法と二段階OLSは、内生性の問題を扱う手法として広く利用されています。 内生性とは、説明変数と誤差項の間に相関が存在するという問題で、この場合、OLSによる推定量は一致性を満たしません。 […]
03/24/2024 / 最終更新日時 : 01/13/2025 bluest ベイズ 【MCMC法】ハミルトニアンモンテカルロをわかりやすく解説|ベイズ統計学 ハミルトニアンモンテカルロ(Hamiltonian Monte Carlo ベイズ統計学において、ハミルトニアンモンテカルロ(Hamiltonian Monte Carlo, HMC)を利用するアプローチは、主に複雑な事 […]
02/11/2024 / 最終更新日時 : 03/25/2024 bluest ベイズ 【因果推論】uplift modeling(アップリフトモデリング)について こんにちは、青の統計学です。 今回は、アップリフトモデリングについて解説していきます。 これはマーケティングや広告などの分野で、特定のアクション(例えば、プロモーションやキャンペーン)が個々の顧客やユーザーに与える影響を […]
01/13/2024 / 最終更新日時 : 11/30/2024 bluest ベイズ 【完全ガイド】MCMC法についてわかりやすく解説|ベイズ推定 MCMC法|Markov Chain Monte Carlo法 今回は、ベイズ理論を使ったパラメータ推定手法であるMCMC法(Markov Chain Monte Carlo法 マルコフ連鎖モンテカルロ法)について解説い […]
01/29/2023 / 最終更新日時 : 01/13/2025 bluest Python 【SHAP】特徴量重要度や寄与度、限界効果を意思決定者にうまく伝えたい話|python これは直近仕事で抱えている問題を整理するために書き上げたコンテンツです。 今回は、prediction(予測)ではなくidentification(識別)に関する議論です。 kaggle等のコンペでは、予測に重きが置かれ […]
01/13/2023 / 最終更新日時 : 01/07/2024 bluest 因果推論 成田悠輔教授の論文でも使われた回帰不連続デザイン(RDD)を学ぶ|python 今回は、子供に対する教育機関の因果効果を分析した、成田悠輔教授の論文を通して、回帰不連続デザインを解説いたします。 参照文献:Regression Discontinuity in Serial Dictatorship […]
08/04/2022 / 最終更新日時 : 01/13/2025 bluest Python 【共変量の調整】傾向スコア・マッチングによる因果推論 | python こんにちは、青の統計学です。今回は傾向スコアをご紹介します。 因果推論に必要な考え方ですので、しっかり習得しましょう。 傾向スコア (propensity score) 傾向スコアとは、群間比較研究において、介入を受けた […]
06/18/2022 / 最終更新日時 : 09/09/2024 bluest Python 【python】共分散分析(ANCOVA)の基礎から応用まで|因果推論 共分散分析 共分散分析は、調整平均を用いて、共変量(covariate)の影響を考慮した上で、群間の平均値の差を検定する方法です。 分散分析(ANOVA)と似ていますが、共分散分析は共変量を考慮する点で異なります。 →こ […]
06/13/2022 / 最終更新日時 : 10/14/2024 bluest ベイズ 【ベイズ因子】オッズ比の使われ方を紹介します こんにちは、青の統計学です。 今回はロジスティック回帰の解釈で定番の、オッズ比について考えていきます。 オッズ比は二つのカテゴリに分けられるデータに対して有用な指標であり、特に、疾患や事象が発生する確率について研究する際 […]
06/12/2022 / 最終更新日時 : 01/06/2025 bluest 医薬生物学 シンプソンズのパラドクスとは?──「部分」と「全体」で逆転する統計の落とし穴 「相関関係はあるが、因果関係があるとは限らない」——統計を学ぶ方なら必ず耳にする言葉ですが、「因果はあるのに相関が消えてしまう」という、より厄介な現象も存在します。それがシンプソンズのパラドクス (Simpson’s P […]
06/11/2022 / 最終更新日時 : 01/13/2024 bluest Python 【因果推論】差の差(DID)分析による平均処置効果の推定|計量経済学 こんにちは、青の統計学です 今回は、社会科学の分野でもよく使われる「差の差分析」について解説いたします。 シンプルで理解しやすいかつ強力な分析手法ですが、並行トレンドの仮定など前提となるルールもあります。 差の差分析(d […]
05/03/2022 / 最終更新日時 : 11/30/2024 bluest Python 【時系列】ARモデルをわかりやすく解説|Yule-Walker法や最尤法も こんにちは、青の統計学です。 今回解説するのは、時系列モデルの基礎であるARモデルです。 まずは数式を見てみましょう。 ARモデル(autoregression model) $$y_{n} = \sum_{j=1}^{ […]