「原因と結果」の経済学 の商品レビュー

中室牧子(著者),津川友介(著者)

2017/11/29

本書は統計学の本として非常に有名な「統計学が最強の学問である」よりも、基本事項がわかりやすく簡潔に記述されている。本書を読んでから「統計学が最強の学問である」を読むと、統計学のベースとなる考え方がより理解できるはずだ。

2017/11/19

先日読了した「データ分析の力」で参考図書として挙げられていた一冊であり、ほぼ同等のレベルで因果関係を正しく測定するための学問的手法と、その具体例・応用例が解説されている。

基本的な考え方として、因果関係を測定するためには、事象Aが発生したという「事実」に対して、事象Aが発生しなかったらという「反事実」を仮想的に作り出し、両者を比較しなければならないというテーゼが示される。本書がわかりやすいのは、因果関係測定においてもっとも重要な「反事実」という概念を明示した上で、実際には起こり得ない「反事実」をどうもっともらしい値で置き換えられるかというレベル感（＝因果関係測定のエビデンスレベル）により、様々な手法がある、ということが具体的な手法と共に解説されるからである。

手法としては、前掲書と重複するものも当然あるが、
・結果には直接影響を与えないが、原因に影響を与えることで、結果に間接的な影響を与える第三の因子に着目する操作変数法
・介入群によく似たペアを対照群の中から抽出することで、疑似的なABテストを行うマッチング法
も含めて、多様な手法が解説される。

前掲書と含めてセットで読むことで学習効果が高まり、データ分析に興味のある人にとって十分楽しく読む価値のある一冊。

2017/10/15

初歩的なデータ分析の視点が非常にわかりやすく紹介されている点は良かった。また、常識とは反する学術的成果の成果紹介も楽しい。
が、なんか抑制的に書かれているところと、安易に一般化しちゃっているところの差が激しいような印象。著者の差かな、と思うのだけど、いくつかつっこみどころはある。

2023/03/11

データから世の中で言われていることの事実を見抜く方法やマーケティングにおいて有効となるデータの解析方法を因果推論を用いて、多くのデータとともに解析した一冊。

教育と医療の分野において根拠のない通説を、多くの研究から得られたデータを用いて解析するとともに差の差分析やランダム化比較試験など研究から得られた分析法を用いて明かしていくところが非常に勉強になり、また知識も得ることができました。
また、条件などは図解を用いて解説されており、理解も捗りました。

世の中で正しいとされている通説やそこから派生した政策など事実を用いると間違いであるというものがあるということが本書で理解することができました。
因果関係と相関関係を意識して世間の流れに向き合っていくことが大切だと感じた一冊でした。

2017/08/19

人工知能が手軽に利用できるようになった今、相関関係と因果関係をしっかり理解しようねという内容。
人工知能を使ってデータに相関関係が見られると、法則発見的に雑に使いがちであるが、実際には時系列的には反対の話や、たまたまデータが相関しているように見えるデータセットだったりするだけだということが紹介されている。
先日NHKのAIを使った番組で、因果関係の扱いが非常に雑な番組が炎上していたが、スタッフがこの本を読んでいたら番組の構成は変わっていたのではないかと思った。

2017/08/17

因果推論のガイド本。
この種の本にしては文献情報が充実している。
研究法のお勉強にも適している。

2017/08/15

因果関係なのか相関関係なのか。それを見分ける力が自分には不足しています。
一つ疑問としては、重回帰分析がどれだけ信憑性があるかということてわす。

2017/07/15

「健康保険の自己負担を上げると、医者に行かなくなって重症患者が増えるのか（結果的にお金が余計にかかるのか）」といった様々な疑問に、実験結果を通じて答えられるよ、という内容。

わかりやすさを重視していると思うので、あまり知見がなくても読める。グラフが多く、実験結果を直感的に把握しやすい。その分、深い説明は省略され「ここおかしいんじゃないの、こういう要因もあるんじゃないの」という疑問は残ってしまう。

「まわりの生徒の偏差値が高いと、自分も刺激を受けて頭がよくなるか」については、教師の水準や授業の進めやすさなど、もっといろいろな要因があると思う。それらを含めての結果であれば、納得しがたい。
経験上だが、授業はクラスの生徒の真ん中や、やや理解度の低い方に合わせる。できる生徒は待ちが発生する。逆に生徒の理解度がある程度そろっていれば、生徒全体の待ちはあまり発生しない。その分、習熟度、理解度は上がると思う。

2017/07/04

PDCAを回すことにも活かせる。
得られる結果に対して、その原因が何なのか、どうすればそれが原因と言えるのかを書いたような本。

a/bテストをしている人間からすれば、そりゃそうだろと思うけど、原因と結果が数値化されないことの方が
世の中多いんだろうな。
そして数値化されることの価値はとても高いんだと実感できた

2017/05/16

相関と因果の錯誤はビジネスや研究の場でも度々起こる。更に厄介なのは決定係数R2でさも客観的に立証できてしまう点だ。本書では実例を基に指摘と排除手法を概説している。統計的な数式は用いず「ランダム化比較試験」「操作変数法」「回帰不連続デザイン」など専門用語も登場するが平かつ丁寧に解説されており、万人向けの内容になっている。

全体的には内容が冗長的で回りくどいのと、トピックの寄せ集め感が強く纏まり感に欠けるのはいただけなかったが、研究結果の紹介は思い込みや常識と異なる結果で興味深いものであった。