出版社内容情報
「アイスクリームの売り上げと溺死者の数のグラフが一致する」？
そんな一見すると「関係があるように見えるデータ」は、世の中にたくさんあります。
でも、実はただの偶然で、本当の原因とは関係がないことも多いんです。
この本は、そんな“まちがった思い込み”に惑わされないために、
・原因と結果の考え方（因果推論）の基本
・実際にどう観察すればいいか
・AIの時代に因果推論がどう発展しているか
を、わかりやすく説明した入門書です。
【目次】
第1章 因果推論への招待 相関から因果へ
1.1 一緒に起きることと、引き起こすことの違い
1.2 因果推論の基本用語を整理する
1.3 因果推論を考える枠組み
1.4 因果関係を確かめる方法
1.5 効果の異質性と個人差
第1章のまとめ
第2章 観察データの活用 実験なき世界での因果推定
2.1 なぜ単純な比較では因果関係が分からないのか
2.2 似た人同士を比較する「マッチング」
2.3 情報を一次元に集約する「傾向スコア」
2.4 回帰分析による調整
2.5 操作変数法：観察できない交絡を克服する巧妙な手法
2.6 回帰不連続デザイン（RDD）：閾値を利用した準実験的アプローチ
2.7 時間変化を利用した「差分の差分法」
2.8 観測研究の限界と実践的な注意点
第2章のまとめ
第3章 因果の構造化 因果ダイアグラムと分析
3.1 因果ダイアグラム
3.2 DAG（有向非巡回グラフ）表現
3.3 バックドアパス
3.4 構造的因果モデル（SCM)
3.5 共分散構造分析（SEM)
第3章のまとめ
第4章 AI時代の因果推論 個別化と自動化へ
4.1 機械学習と因果推論の出会い
4.2 個人ごとの効果予測
4.3 アルゴリズムによる因果探索
4.4 機械学習と因果推論の統合的展望
第4章のまとめ
用語集
索引
内容説明
相関と因果の違いが曖昧なまま、データを使っていませんか。因果推論は、「本当のこと」を見抜くための道具です。この本を読み終わるころには、きっとデータの見方が変わっています。「それ、本当に因果関係あるの？」と、自然にツッコミを入れられるようになっているはず。それでは、因果推論の世界へようこそ。統計的因果推論の基本的な考え方と枠組みを、身近な食品や食材を具体例として用いてはじめて学ぶ方にも理解できるようわかりやすく解説。相関関係と因果関係の違いや、交絡因子によって生じる「見せかけの関係」を整理しながら、因果を正しく捉える視点を身につけられます。原因と結果をどう考え、どのように観察・分析すれば良いのかという実践的なポイントも紹介。ＡＩの時代において因果推論がどのように発展し、活用されているのかにも触れ、データに惑わされず本質を見抜く力が養えます。
目次
第１章 因果推論への招待 相関から因果へ（一緒に起きることと、引き起こすことの違い；因果推論の基本用語を整理する ほか）
第２章 観察データの活用 実験なき世界での因果推定（なぜ単純な比較では因果関係が分からないのか；似た人同士を比較する「マッチング」 ほか）
第３章 因果の構造化 因果ダイアグラムと分析（因果ダイアグラム；ＤＡＧ（有向非巡回グラフ）表現 ほか）
第４章 ＡＩ時代の因果推論 個別化と自動化へ（機械学習と因果推論の出会い；個人ごとの効果予測 ほか）
著者等紹介
＆＃３９６４１；橋威知郎［タカハシイチロウ］
（株）セールスアナリティクス代表取締役。中央省庁およびビジネスコンサルティング会社、大手情報通信業などを経て現職。官公庁時代から一貫してデータ分析業務に携わる。ビジネスデータを活用した事業戦略および営業戦略、マーケティング戦略、マーケティングＲＯＩ（投下資本利益率）、ＬＴＶ（顧客生涯価値）や、統計モデルや機械学習などの数理モデルの構築のコンサルティングを、組織の内外で行う。高騰するデータサイエンス系サービスに抵抗のある人や企業向けに、手軽かつ安価に「ビジネス”に”貢献するデータ分析」を学び実務で活用できるよう、株式会社セールスアナリティクスを設立。大企業のみならず、中小企業やベンチャー企業、社長一人企業などにおけるビジネスデータ分析とその利活用のコンサルティングや、ビジネス貢献するデータ分析者の育成支援、その学びの場の提供をしている。中小企業診断士（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。
