【因果推論】uplift modeling(アップリフトモデリング)とは？詳しく解説｜TWO MODELとX LEARNER
「因果推論」の手法であるアップリフトモデリング(Uplift Modeling)について解説します。マーケティング施策の「個の因果」を捉え、ROIを最大化する必要性から、Two-ModelアプローチやX-LearnerなどのMeta-Learnersまで、数学的背景と共に詳しく紹介します。
傾向スコア
【計量経済学】IPW推定量をわかりやすく解説｜因果推論
因果推論の手法「IPW推定量」をわかりやすく解説。IPW（逆確率重み付け）がなぜバイアスを補正できるのか、前提となる傾向スコアの役割から、潜在的アウトカムを用いた数学的背景、Horvitz-Thompson推定量まで、計量経済学の観点で紹介します。
回帰不連続デザイン（RDD）をわかりやすく解説【因果推論】
回帰不連続デザイン(RDD)を分かりやすく解説。セレクションバイアスへの対処法や局所的な平均処置効果(LATE)の推定など、因果推論の重要手法を傾向スコアとDIDとの差分を確認しながら、共に学びます。計量経済学やEBPMに興味がある人におすすめです。
【共変量の調整】傾向スコア・マッチングによる因果推論 | python
傾向スコア・マッチング（PSM）を用いて、共変量を調整しセレクションバイアスを除去する方法を解説。因果推論の基本的なアプローチであるPSMの理論と、具体的な分析手順を学び、介入効果をより正確に推定しましょう。
差の差分析（DID）をわかりやすく解説：多期間DIDとサンプルサイズ計算まで
因果推論の主要手法「差の差分析（DID）」をわかりやすく解説。平均処置効果（ATT）の推定方法、重要な「平行トレンド仮定」の確認、OLSでの実装、多期間DIDまで。実務や研究での介入効果測定に。
