| 開催日 | 2025年10月22日(水) |
|---|---|
| 開催地 | Web |
★ベイズ統計・因果推論の基本から、各モデルに基づく因果推論、実践的な応用まで幅広く網羅！
ベイズ的視点で学ぶ統計的因果推論の基礎と実装
～潜在反応モデル・構造的因果モデルの体系的理解と実務応用～
＜講師＞
早稲田大学 データ科学センター 准教授 堀井 俊佑 氏
＜日時＞
2025年10月22日(水) 10:30-16:30
＜形態＞
Zoomオンラインセミナー：見逃し視聴あり
＜受講料＞
【オンライン受講（見逃し視聴なし）】：1名 50,600円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき39,600円
【オンライン受講（見逃し視聴あり）】：1名 56,100円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき45,100円
＊受講料やセミナー申し込み～開催までの流れなど、詳細については、弊社HPのセミナーページを必ずご確認ください。
＜セミナーポイント＞
■講座のポイント
因果推論は、政策評価・製造現場・マーケティングなどで「施策の効果を知りたい」というニーズに応える技術です。また、ベイズ統計は、「事前の知識」と「データから得られる情報」を統合して推論を行う枠組みであり、不確実性の定量化や複雑な状況下での意思決定に強みを持ちます。
本セミナーでは、まず基礎的なベイズ統計の復習を行った後、因果推論の基本概念（潜在反応モデル、構造的因果モデル）を学び、交絡因子の制御や因果効果の推定といった実践的課題に対して、ベイズ推論がどのように貢献できるかを段階的に解説します。特に製造現場やマーケティングにおける意思決定を支える応用を意識します。
■受講後、習得できること
ベイズ統計の基礎の習得（ベイズ推論の基本的な考え方とPythonによる実装）
統計的因果推論の基礎の習得（潜在反応モデルと構造的因果モデルに基づいた因果推論の考え方とその違い）
様々な因果効果推定手法の習得（考え方とPythonによる実装）
統計的因果推論に対するベイズ的アプローチの理解（考え方とPythonによる実装）
■講演中のキーワード
統計的因果推論
潜在反応モデル
構造的因果モデル
ベイズ統計学
ベイズ的因果推論
＜講演プログラム＞
1. はじめに：統計的因果推論とは
1) 統計的因果推論とは
a) 統計的因果推論の問題と目的
b) 統計的因果推論の難しいところ
2) 因果推論を意識しない分析と因果推論を意識した分析の違い
a) 構造推定の問題と因果推論の違い
b) 予測の問題と因果推論の違い
3) 実務課題解決において統計的因果推論が果たす役割
a) 統計的因果推論を学ぶ意義
b) 実務における統計的因果推論の活用例
2. 統計的因果推論のための統計的基礎
1) 変数の種類
2) 確率分布の基礎
a) 確率変数と確率分布
b) 期待値と分散
c) 同時分布と条件付き分布
3) 確率分布の推定
a) 分布の推定とパラメータの推定
b) 分布の特徴量の推定
4) ベイズ推論
a) ベイズ統計学とベイズ推論
b) 回帰分析におけるベイズ推論
3. 潜在反応モデルに基づく因果推論
1) 潜在反応モデルと因果効果の統計的定義
a) 処置変数以外の影響
b) 潜在反応モデルと平均処置効果
2) セレクションバイアスとランダム化比較試験（RCT）
a) セレクションバイアス
b) ランダム化比較試験（RCT）
c) RCTとA/Bテスト
3) 平均処置効果を推定するための条件
a) 一致性、強い意味での無視可能性、正値性
b) 条件が成り立っていることをどのように確かめるか
4) 平均処置効果の推定方法
a) 平均処置効果推定の基本的な考え方
b) 傾向スコアを利用した平均処置効果の推定
c) 線形回帰モデルによる平均処置効果の推定
4. 構造的因果モデルに基づく因果推論
1) 構造的因果モデル
a) 構造方程式と因果ダイアグラム
b) 構造方程式と確率モデル
2) 介入と平均因果効果
a) 介入分布
b) 平均因果効果
3) 平均因果効果の推定
a) 介入分布の推定
b) バックドア基準
5. 潜在反応モデルと構造的因果モデルの融合
1) 構造的因果モデルにおける潜在反応
a) 構造的因果モデルにおける潜在反応の定義
b) 構造的因果モデルにおける一致性
c) 潜在反応変数とバックドア基準
d) 傾向スコアの変数選択とバックドア基準
2) 回帰分析による因果推論の再整理
6. 異質な因果効果の推定
1) 潜在反応モデルにおける異質な因果効果の扱い
a) 条件付き平均処置効果
b) 条件付き平均処置効果の推定
2) 構造的因果モデルにおける異質な因果効果の扱い
a) 条件付き平均因果効果
b) 条件付き平均因果効果の推定
7. まとめ：実務で因果推論を活用するために
