Ｒによるベイズ回帰と因果推論（テキスト） Bayesian Regression and Causal Inference : With Examples in R

ホーム
> 洋書
> ドイツ書
> Mathematics, Sciences & Technology
> Mathematics
> probability calculus, stochastics, mathematical statistics

Ｒによるベイズ回帰と因果推論（テキスト）<br>Bayesian Regression and Causal Inference : With Examples in R

個数：

予約

Ｒによるベイズ回帰と因果推論（テキスト）
Bayesian Regression and Causal Inference : With Examples in R

Ponnoprat, Donlapark

ウェブストア価格 ¥33,166（本体¥30,151）
Springer, Berlin; Springer（2026/07発売）
外貨定価 EUR 117.69
ポイント 301pt

現在予約受付中です。出版後の入荷・発送となります。
（重要：表示されている発売日は予定となり、発売が延期、中止、生産限定品で商品確保ができないなどの理由により、ご注文をお取消しさせていただく場合がございます。予めご了承ください。）

●3Dセキュア導入とクレジットカードによるお支払いについて

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Hardcover:ハードカバー版
商品コード 9783032192226

Full Description

This textbook provides a practical guide to the Bayesian framework for data modeling and causal inference, focusing on model interpretation, diagnostics, and uncertainty quantification. Central to the book is a "learning-by-doing" approach, using concrete examples in R with real-world datasets spanning diverse fields, including education, psychology, medicine, behavioral science, and environmental science.

The book is structured into three parts:

·         Part I: Linear Regression - Learn the basics of Bayesian linear regression, model diagnostics, and uncertainty quantification through a probabilistic lens.

·         Part II: Generalized Linear Models - Extend your modeling toolkit to handle binary and count data, zero-inflated models, and clustered data structures common in longitudinal studies.

·         Part III: Causal Inference - Learn to identify treatment effects from non-experimental data. This section explores classical techniques—including inverse probability weighting, doubly robust estimation, instrumental variables, and difference-in-differences—alongside advanced techniques like synthetic control, doubly robust DiD, and synthetic DiD.

Part 1 Linear regression.- Chapter 1 The First Linear Model.- Chapter 2 Parameter estimation in linear regression.- Chapter 3 Prediction and Bayesian inference.- Chapter 4 Linear regression with multiple predictors.- Chapter 5 Model diagnostics.- Chapter 6 Comparing regression models.- Part 2 Generalized linear models.- Chapter 7 Logistic regression.- Chapter 8 Logistic regression diagnostics.- Chapter 9 Logistic regression model selection.- Chapter 10 Generalized linear models.- Chapter 11 Models with group-level effects.- Part 3 Causal inference.- Chapter 12 Introduction to causal inference.- Chapter 13 Causal inference with regression.- Chapter 14 Causal inference with observational data.- Chapter 15 Matching with propensity scores.- Chapter 16 Doubly Robust Estimators.- Chapter 17 Instrumental variables.- Chapter 18 Regression discontinuity.- Chapter 19 Difference-in-differences.- Chapter 20 Panel data.- Chapter 21 Synthetic control.