RT @kazuyainoue: 太田（おおた）さんは，大田（おおた）さんや多田（おおた）さんよりも，太田胃散を購入しやすい。 https://t.co/jklIjHjBjN

RT @ibu_hoshina: この話、この本とか理解の参考になるかも： https://t.co/Cl4W1o9I69 あと、ここでも少し触れてる。 https://t.co/4eDjvaqwOa

RT @s1ok69oo: 「マーケティングの統計モデル」等を書いてる佐藤さんのペーパー。時間を見つけて読まなきゃ。 J-STAGE Articles - 経営学のためのデータサイエンスの周辺：計量経営学のすすめ https://t.co/ogASH3ignc

J-STAGE Articles - 条件付き操作変数法の推定精度と操作変数の選択 https://t.co/dLZx9aVcKG

J-STAGE Articles - 多重性制御の基礎理論（閉検定手順） https://t.co/xXB2tp12dU

@0303yoshiko 普通にこのサイト、論文で名指し批判されてた。 https://t.co/bcdfuxgciq

RT @nagano_1123: 因果推論についての総復習のような論文。 https://t.co/KaoZqL8e2B

RT @upura0: 今月の人工知能学会誌の私のブックマークの特集が「不均衡データ分類」で、応用例・解説・手法のリンク集になっていた 大崎美穂. 2022. “私のブックマーク：不均衡データ分類.” 人工知能 37 (3): 376–81. https://t.co/fCF…

RT @syuichiao89: 臨床薬学｜プラセボをしっかり飲むだけでリスクが減るとはどういうことか!?—薬剤効果の「多因子性」と「極小性」を垣間見た瞬間 (総合診療 30巻5号) | 医書.jp https://t.co/HpqmWt4Bqk

RT @Ohkubo2021: かなり重要な情報が詰まっているので因果推論界隈は必読です。 二宮(2022)"傾向スコア解析のための三重頑健情報量規準"https://t.co/ZdIAF82irY

太田（おおた）さんは，大田（おおた）さんや多田（おおた）さんよりも，太田胃散を購入しやすい。 https://t.co/jklIjHjBjN

この話、この本とか理解の参考になるかも： https://t.co/Cl4W1o9I69 あと、ここでも少し触れてる。 https://t.co/4eDjvaqwOa https://t.co/YgQKBb742f

岩崎学先生の論文『統計的因果推論の視点による重回帰分析』をありがたく読ませていただきました。よく考えたら論文を無料で読ませていただけるのってとてもありがたい…！ https://t.co/yk0X5YEh1d

LASSOの正則化パラメータの選択には SURE（Stein's Unbiased Risk Estimate）から導出されるAICを使いましょう，という二宮さんからのメッセージ。 数値例やAICの導出もあって分かりやすい。 https://t.co/HlRa27ZSgR

「マーケティングの統計モデル」等を書いてる佐藤さんのペーパー。時間を見つけて読まなきゃ。 J-STAGE Articles - 経営学のためのデータサイエンスの周辺：計量経営学のすすめ https://t.co/ogASH3ignc

今更ながら時間依存性交絡について学んでおります。 自分の研究テーマで必要が出てこないとなかなか学ぶ気になれない。。。 さて、最初のとっかかりとしてバランスの良い解説論文を見つけました。とても丁寧な解説なので入門に適していると思います☺ https://t.co/3SRbZeShVp

矢線への介入とかも考えるんだ。 というかこれは品質学会じゃなくて応用統計学会なんだ。 https://t.co/NqxqSdRRuC

J-STAGE Articles - 条件付き操作変数法の推定精度と操作変数の選択 https://t.co/dLZx9aVcKG

上の図は、ADMEの各段階で個人差が起こる要因と、それによって影響を受けやすい薬剤の例をまとめたものです 更に詳しく知りたい人は下記リンクを見てみてください

因果推論についての総復習のような論文。 https://t.co/KaoZqL8e2B

生態学におけるバイオインフォマティクス研究についてリソースやツールを日本語でまとめた総説が発表されました。タダで読めます。 https://t.co/eGAEO06LbL

DR法(Doubly Robust Estimator)にCausal Treeを拡張させて、解釈性を維持しながらセレクションバイアスにも対応しつつ、CATE(条件付き平均処置効果)を推定する手法が紹介されています。やっていることはシンプルなので、実務でも応用しやすそうな印象。 https://t.co/FHz6vEnrcm

今月の人工知能学会誌の私のブックマークの特集が「不均衡データ分類」で、応用例・解説・手法のリンク集になっていた 大崎美穂. 2022. “私のブックマーク：不均衡データ分類.” 人工知能 37 (3): 376–81. https://t.co/fCFKZKls9K

@Mizuno_K5 2/10は「サンプルサイズって、検定力分析だけじゃないよね？でもどうすれば良い？」という問題を考えたい。 Lakens, D. (2021). Sample Size Justification. https://t.co/3lcNsN9JkF 村井 & 橋本. (2018). 統計的仮説検定を用いる心理学研究におけるサンプルサイズ設計. https://t.co/5qa8y0VIKx

因果推論がにわかに話題になっているようなので便乗して宣伝。多数の介入選択肢がある因果推論って何をすればいいのか考えたAISTATS論文の日本語版です。 多数の介入候補の下での意思決定のための因果効果評価 https://t.co/q2qLqAry0l 講演動画(ややマイクの調子が悪い