嘘っぱちの効果とそれを見抜けないデータ分析

• • 思い込みによる意思決定の蔓延
  • 「バイアス」によって見誤る効果
  • 因果推論と計量経済学のビジネス適用
  • 本書の構成
  • 想定する読者
  • サンプルコードとサポート

1 章 セレクションバイアスとRCT

• 1.1 セレクションバイアスとは
  • 1.1.1 効果
  • 1.1.2 潜在的な購買量の差
  • 1.1.3 誤った施策の検証
• 1.2 RCT（Randomized Controlled Trial）
  • 1.2.1 本当の「効果」と理想的な検証方法
  • 1.2.2 RCTによる検証
• 1.3 効果を測る理想的な方法
  • 1.3.1 母集団と推定
  • 1.3.2 ポテンシャルアウトカムフレームワーク
  • 1.3.3 ポテンシャルアウトカムフレームワークによる介入効果の推定
  • 1.3.4 平均的な効果
  • 1.3.5 平均的な効果の比較とセレクションバイアス
  • 1.3.6 介入の決まり方がセレクションバイアスの有無を決める
  • 1.3.7 RCTを行った疑似データでの比較
  • 1.3.8 有意差検定の概要と限界
• 1.4 R によるメールマーケティングの効果の検証
  • 1.4.1 RCTを行ったデータの準備
  • 1.4.2 RCTデータの集計と有意差検定
  • 1.4.3 バイアスのあるデータによる効果の検証
• 1.5 ビジネスにおける因果推論の必要性
  • 1.5.1 RCTの実行にはコストがかかる
  • 1.5.2 セレクションバイアスが起きる理由
  • 1.5.3 ビジネスにおけるバイアスのループ
• 参考文献

2 章 介入効果を測るための回帰分析

• 2.1 回帰分析の導入
  • 2.1.1 単回帰分析
  • 2.1.2 効果分析のための回帰分析
  • 2.1.3 回帰分析による効果の推定
  • 2.1.4 回帰分析における有意差検定
  • 2.1.5 Rによるメールマーケティングデータの分析（回帰編）
  • 2.1.6 効果検証のための回帰分析で行わないこと
• 2.2 回帰分析におけるバイアス
  • 2.2.1 共変量の追加による効果への作用
  • 2.2.2 脱落変数バイアス（OVB）
  • 2.2.3 R によるOVBの確認
  • 2.2.4 OVB が与えてくれる情報
  • 2.2.5 Conditional Independence Assumption
  • 2.2.6 変数の選び方とモデルの評価
  • 2.2.7 Post treatment bias
• 2.3 回帰分析を利用した探索的な効果検証
  • 2.3.1 PACESによる学費の割引券配布の概要
  • 2.3.2 R による回帰分析の実行
  • 2.3.3 私立学校への通学と割引券の利用についての分析
  • 2.3.4 割引券は留年を減らしているか？
  • 2.3.5 性別による効果差
  • 2.3.6 分析のまとめ
• 2.4 回帰分析に関するさまざまな議論
  • 2.4.1 予測と効果推定
  • 2.4.2 制限被説明変数（Limited Dependent Variable）
  • 2.4.3 対数を利用した回帰分析
  • 2.4.4 多重共線性
  • 2.4.5 パラメータの計算
• 参考文献

3 章 傾向スコアを用いた分析

• 3.1 傾向スコアのしくみ
  • 3.1.1 傾向スコアのアイデア
  • 3.1.2 傾向スコアの推定
• 3.2 傾向スコアを利用した効果の推定
  • 3.2.1 傾向スコアマッチング
  • 3.2.2 逆確率重み付き推定
  • 3.2.3 より良い傾向スコアとは
  • 3.2.4 傾向スコアと回帰分析の比較
  • 3.2.5 マッチングとIPW の差
• 3.3 機械学習を利用したメールマーケティング施策の効果推定
  • 3.3.1 データの作成
  • 3.3.2 RCTと平均の比較
  • 3.3.3 傾向スコアを用いた分析
• 3.4 LaLonde データセットの分析
  • 3.4.1 NSW の概要とデータの準備
  • 3.4.2 RCTによる結果の確認
  • 3.4.3 回帰分析による効果の推定
  • 3.4.4 傾向スコアによる効果の推定
• 参考文献

4 章 差分の差分法（DID）とCausalImpact

• 4.1 DID（差分の差分法）
  • 4.1.1 DID が必要になる状況
  • 4.1.2 集計による効果検証とその欠点
  • 4.1.3 DID のアイデアを用いた集計分析
  • 4.1.4 回帰分析を利用したDID
  • 4.1.5 DID における標準誤差
  • 4.1.6 平行トレンド仮定（Common Trend Assumption）と共変量
• 4.2 CausalImpact
  • 4.2.1 DID の欠点
  • 4.2.2 CausalImpactのアイデア
• 4.3 大規模禁煙キャンペーンがもたらすタバコの売上への影響
  • 4.3.1 データの準備
  • 4.3.2 DID の実装
  • 4.3.3 CausalImpactの実装
  • 4.3.4 分析結果の比較
• 4.4 不完全な実験を補佐する
  • 4.4.1 DID のアイデアを用いた分析が使えないとき
• 参考文献

5 章 回帰不連続デザイン（RDD）

• 5.1 ルールが生み出すセレクションバイアス
  • 5.1.1 回帰不連続デザインのしくみ
  • 5.1.2 集計によるセレクションバイアスの確認
• 5.2 回帰不連続デザイン（RDD）
  • 5.2.1 線形回帰による分析
  • 5.2.2 非線形回帰による分析
  • 5.2.3 メールによる来訪率の増加効果を分析する
• 5.3 nonparametric RDD
  • 5.3.1 nonparametric RDD のしくみ
  • 5.3.2 R によるnonparametric RDD の実装
• 5.4 回帰不連続デザインの仮定
  • 5.4.1 Continuity of Conditional Regression Functions
  • 5.4.2 non-manipulation
  • 5.4.3 LATEの妥当性
• 5.5 ビジネスにおける介入割り当てルール
  • 5.5.1 ユーザセグメントへの介入
  • 5.5.2 Uber による価格変更の分析
• 参考文献

付録 RとRStudioの基礎

• A.1 R およびRStudio のダウンロード
  • Rのインストール
  • Rの起動と終了
  • RStudio のインストール
• A.2 RStudio の基本
  • パネルの役割
  • プロジェクトと作業ディレクトリ
• A.3 R プログラミングの初歩
  • オブジェクト
  • ベクトル
  • 関数
  • データフレーム
  • 行列
  • パッケージの利用
• 作業（ワーク）スペース
• 因果推論をビジネスにするために
  • 因果推論を活用できる環境とは
  • より正しい意思決定をするために
  • 高次元の共変量を扱うためのR パッケージ
  • より強い因果効果を得るために
  • 参考文献
• 索引