講義のーと : データ解析のための統計モデリング https://t.co/aIb97v4B52 大変お世話になりました。

ベイジアンネットワークにおける因果発見 https://t.co/qQBNLHrt9M オススメ頂いた記事！良さそうなので今度の土日にでも赤入れしながら読む！

RT @s1ok69oo: 因果推論の道具箱（大久保） 従来の因果推論手法の概要と近年の因果推論のトレンドが簡潔かつ体系的にまとめられていて非常に読みやすかった。 https://t.co/9BRVQvvRxg

@nekobo_01 この文献は理論含め分かりやすいかもしれません！あとは「pythonによる因果分析」という本にも事例が載ってます。 データから因果グラフを推定する、いわゆる因果探索ですね。 PCアルゴリズムがよく使われると思います。pythonではpgmpyというライブラリで実装できます！ https://t.co/yipdvJcmWU

LiNGAMにベイズ的なアプローチを掛け合わせた因果構造の推定手法に関するサーベイ。因果推論関連のタスクはLiNGAMに限らず未観測の交絡変数がネックとなりがちですが、うまく事前分布とパラメータを設定できれば未観測要因が存在しても正しく因果構造を推定できるっぽい。 https://t.co/blT2qRzBzQ

固定効果モデルの因果効果の識別仮定や解釈上の注意点についてまとめられているコラム。パネルデータ分析と言えば「とりあえず固定効果モデル」くらいの認識だったのですが、非常に勉強になりました。 パネルデータ分析における固定効果モデルの取扱説明書 https://t.co/bkTp1YbvzE

因果推論の道具箱（大久保） 従来の因果推論手法の概要と近年の因果推論のトレンドが簡潔かつ体系的にまとめられていて非常に読みやすかった。 https://t.co/9BRVQvvRxg