Stataによる トリートメント効果の推定

Slides:



Advertisements
Similar presentations
文責:研究幹事 研究会議レジュメ補足 2014 年度前期早稲田大学雄弁会. 学問における科学的な研究のプロ セスと目的を概観する.
Advertisements

生物統計学・第 5 回 比べる準備をする 標準偏差、標準誤差、標準化 2013 年 11 月 7 日 生命環境科学域 応用生命科学 類 尾形 善之.
計量的手法入門 人材開発コース・ワークショップ (IV) 2000 年 6 月 29 日、 7 月 6 ・ 13 日 奥西 好夫
数理統計学 西 山. 前回の問題 ある高校の 1 年生からランダムに 5 名を選 んで 50 メートル走の記録をとると、 、 、 、 、 だった。学年全体の平均を推定しなさい. 信頼係数は90%とする。 当分、 は元の分散と一致 していると仮定する.
組織活性化と 労働移動 小林盾(シカゴ大学) 2005 年 3 月 5 日 数理社会学会 新潟国際情報大学.
2016 年度 計量経済学 講義内容 担当者: 河田 正樹
配偶者選択による グッピー (Poecilia reticulata) の カラーパターンの進化 :野外集団を用いた研究 生物多様性進化分野 A1BM3035 吉田 卓司.
1 徹底討論「主成分分析 vs 因子分析」 主成分分析は因子分析ではない ! 狩野裕 (大阪大学) 日本行動計量学会第 30 回大会 於:多摩大学.
エクセルと SPSS による データ分析の方法 社会調査法・実習 資料. 仮説の分析に使う代表的なモデ ル 1 クロス表 2 t検定(平均値の差の検定) 3 相関係数.
オンライン学習 Prediction Learning and Games Ch2
男性の育児が肥満に与える影響 富山大学 経済学部 経済学科 孫田 篤 専門ゼミ-報告会.
回帰分析 重回帰(1).
実証分析の手順 経済データ解析 2011年度.
疫学概論 現代生命表 Lesson 7. 生命表 §B. 現代生命表 S.Harano,MD,PhD,MPH.
小林盾(シカゴ大学) 大浦宏邦(帝京大学) 谷口尚子(帝京大学,ミシガン大学) 2004年11月21日 日本社会学会 熊本大学
疫学概論 母集団と標本集団 Lesson 10. 標本抽出 §A. 母集団と標本集団 S.Harano,MD,PhD,MPH.
メタボリック症候群(MetS)の有無と、成人以降の体重増加とCKDの関連
データ解析基礎 4. 正規分布と相関係数 keyword 正規分布(教科書:31ページ~38ページ) 正規分布の性質 偏差値
初歩的情報リテラシーと アンケート集計のためのExcel・SPSS講座
32 奈良県の雇用の動向.
若者安定就職応援事業~公民連携による若者の就職支援~(地方創生推進交付金) 【知事復活】
因子分析や3相因子分析による分析の問題点を整理する 狩野裕+原田章(行動工学講座)
貧困と出産の関係.
質的データの分析手法 ---プロビットモデル・ロジットモデルの概要---
臨床統計入門(3) 箕面市立病院小児科  山本威久 平成23年12月13日.
第3章 重回帰分析 ー 計量経済学 ー.
第3章 重回帰分析 ー 計量経済学 ー.
第5章 回帰分析入門 統計学 2006年度.
確率・統計輪講資料 6-5 適合度と独立性の検定 6-6 最小2乗法と相関係数の推定・検定 M1 西澤.
正規性の検定 ● χ2分布を用いる適合度検定 ●コルモゴロフ‐スミノルフ検定
最尤推定によるロジスティック回帰 対数尤度関数の最大化.
大阪教育大学大学院教育学研究科 総合基礎科学専攻 中窪 仁
情報経済システム論:第9回 担当教員 黒田敏史 2017/3/22 情報経済システム論.
Study Design and Statistical Analysis
第12回 介護福祉士の就労実態 と専門性の意識に関する調査 平成29 年(2017年) 3 月
スパイロメータを用いた COPDスクリーニング
スペクトル・時系列データの前処理方法 ~平滑化 (スムージング) と微分~
ガウス過程による回帰 Gaussian Process Regression GPR
© Yukiko Abe 2014 All rights reserved
相関分析.
市場規模の予測.
がん患者の期待に応えるがん対策推進基本計画の策定のために 参考資料 (死亡率試算図表)
動学的一般均衡モデルについて 2012年11月9日 蓮見 亮.
1.標本平均の特性値 2.母分散既知の標本平均の分布 3.大数法則と中心極限定理
疫学概論 交絡 Lesson 17. バイアスと交絡 §A. 交絡 S.Harano, MD,PhD,MPH.
Maertens and Swinnen (2009) “Trade, Standards, and Poverty: Evidence from Senegal” World Development 37(1): 報告者:有本寛 2009/12/9.
第14章 モデルの結合 修士2年 山川佳洋.
第3章 統計的推定 (その1) 統計学 2006年度.
①調査対象事業所の状況  平成29年職種別民間給与実態調査では、企業規模50人以上かつ事業所規模50人以上の民間事業所650事業所(母集団事業所)から 132事業所を無作為に抽出し、実地調査を行いました。母集団事業所、調査事業所の状況等については、下記のとおりです。 企 業 規 模 3,000人以上.
市場規模の予測.
市場調査の手順 問題の設定 調査方法の決定 データ収集方法の決定 データ収集の実行 データ分析と解釈 報告書の作成 標本デザイン、データ収集
© Yukiko Abe 2013 All rights reserved
部分的最小二乗回帰 Partial Least Squares Regression PLS
東北大学 大学院情報科学研究科 応用情報科学専攻 田中 和之(Kazuyuki Tanaka)
第3章補足2 多変量データの記述 統計学基礎 2010年度.
データの型 量的データ 質的データ 数字で表現されるデータ 身長、年収、得点 カテゴリで表現されるデータ 性別、職種、学歴
労働経済学 男女雇用機会均等法、育児・介護休業法
© Yukiko Abe 2015 All rights reserved
情報経済システム論:第13回 担当教員 黒田敏史 2019/5/7 情報経済システム論.
資料1-3 若年未就業者の状況について.
第5回 確率変数の共分散 確率・統計Ⅰ ここです! 確率変数と確率分布 確率変数の同時分布、独立性 確率変数の平均 確率変数の分散
パターン認識 ークラスタリングとEMアルゴリズムー 担当:和田 俊和 部屋 A513
宇佐見太希 加藤慎也 寺井利依子 辻井建人 安楽美月
ベイジアンネットワーク概説 第3章 ベイジアンネットワークモデルの 数学的基礎 3.1 ベイジアンネットワークモデルの概要
重回帰分析入門 (第5章補足) 統計学 2007年度.
モデルの微分による非線形モデルの解釈 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
回帰分析入門 経済データ解析 2011年度.
統計現象 高嶋 隆一 6/26/2019.
© Yukiko Abe 2016 All rights reserved
混合ガウスモデル Gaussian Mixture Model GMM
Presentation transcript:

Stataによる トリートメント効果の推定 2017 Japanese Stata Users Group Meeting 2017年9月16日(土)@京都リサーチパーク 水落 正明(南山大学) ⓒ 2017 Masaaki Mizuochi

処置効果モデルの基礎的知識 ⓒ 2017 Masaaki Mizuochi

因果効果とは? 潜在的結果(Potential outcomes) Rubin(1974) 処置が割り当てられた場合の結果 Y(1) 対照が割り当てられた場合の結果 Y(0) 同一個体で両結果は観察されないので効果はわからない。 平均処置効果 E[Y(1)-Y(0)] にしても測れない。 ⓒ 2017 Masaaki Mizuochi

因果効果は測れない? 割り当てと結果が独立の場合(無作為化実験) E[Y(1)-Y(0)]=E[[Y(1)|Z=1]-[Y(0)|Z=0]] 調査観察データでは割り当てと属性(共変量)が相関 割り当てと結果が条件付き独立の場合  属性Xで条件付け   E[Y(1)-Y(0)]=Ex[E[Y(1)|Z=1,X]-E[Y(0)|Z=0,X]]  傾向スコアe(X)で条件付け   E[Y(1)-Y(0)]=Ee(X)[E[Y(1)|Z=1,e(X)]-E[Y(0)|Z=0,e(X)]] ⓒ 2017 Masaaki Mizuochi

teffectsのモデル teffects ra:回帰調整 teffects ipw:逆確率による重み付け teffects ipwra:回帰調整を伴う逆確率による重み付け teffects aipw:拡大された逆確率による重み付け ⓒ 2017 Masaaki Mizuochi

デモ・データ cesd:抑うつ度(0良~36悪) smk:喫煙経験 喫煙経験なし=1、禁煙した=2 喫煙している=3 age:年齢(歳) 12項目による短縮版 smk:喫煙経験 喫煙経験なし=1、禁煙した=2 喫煙している=3 age:年齢(歳) univ:学歴 大学以上卒=1、大学未満卒=0 ⓒ 2017 Masaaki Mizuochi

記述統計 単純なCESDの差 喫煙経験なし(1) ↕9.4 ↑ 禁煙した(2) |16.4 ↓ 喫煙している(3)  喫煙経験なし(1)    ↕9.4   ↑  禁煙した(2) |16.4         ↓  喫煙している(3) ⓒ 2017 Masaaki Mizuochi

RAによる推定 割当ごとに結果式を推 定する。 割当ごとに潜在的結果 (予測値)を計算する。 割当ごとの潜在的結果 の平均の差を計算する。 ⓒ 2017 Masaaki Mizuochi

RAと同じようなことをしてみる 割当ごとに結果式を推定し、予測 値を計算 forval i=1/3{ reg cesd age if smk==`i' predict cesd`i' } ⓒ 2017 Masaaki Mizuochi

RAと同じようなことをしてみる 割当ごとの予測値の平均 値を引き算する。 ⓒ 2017 Masaaki Mizuochi

IPWによる推定 割当式を推定する。 傾向スコア(予測確率) から逆確率を計算する。 逆確率で重み付けした 観察値の平均値の差 を計算する。 ⓒ 2017 Masaaki Mizuochi

IPWと同じようなことをしてみる 傾向スコアの計算 mlogit smk age univ forval i=1/3{ predict e`i', o(`i') } 割当ごとに逆確率を計算 gen ip=1/e1 if smk==1 replace ip=1/e2 if smk==2 replace ip=1/e3 if smk==3 ⓒ 2017 Masaaki Mizuochi

IPWと同じようなことをしてみる 割当ごとの重み付き平均 値の差を計算する。 ⓒ 2017 Masaaki Mizuochi

IPWRAによる推定 割当式を推定し、逆確率を計 算する。 割当ごとに、結果式の逆確率 による重み付き回帰をする。 割当ごとに潜在的結果を計 算する。 割当ごとの潜在的結果の平 均値の差を計算する。 ⓒ 2017 Masaaki Mizuochi

IPWRAと同じようなことをしてみる 割当ごとに、結果式の逆確率による重み付き回帰をして、予測値を 計算する。 forval i=1/3{ reg cesd age if smk==`i' [pweight=ip] predict cesd`i'a } ⓒ 2017 Masaaki Mizuochi

IPWRAと同じようなことをしてみる 割当ごとの潜在的結果の 平均値の差を計算する。 ⓒ 2017 Masaaki Mizuochi

AIPWによる推定 割当式を推定し、逆確率を 計算する。 割当ごとに結果式を推定し、 潜在的結果を計算する。 割当ごとの潜在的結果につ いて、逆確率による重み付 き平均値を計算し、その差 をとる。 ⓒ 2017 Masaaki Mizuochi

AIPWと同じようなことをしてみる 割当ごとの潜在的結果の 重み付き平均値の差を計 算する。 一致しない・・・ ⓒ 2017 Masaaki Mizuochi

AIPWと同じようなことをしてみる 定義式に基づいて潜在的 結果を計算し、その平均値の 差を計算する。(式の詳細は 岩崎(2015)参照) forval i=1/3 { gen pom`i'=1*cesd/e`i'-(1-e`i')/e`i'*cesd`i' if smk==`i' replace pom`i'=0*cesd/e`i'-(0-e`i')/e`i'*cesd`i' if smk~=`i' } ⓒ 2017 Masaaki Mizuochi

各モデルの推定結果のまとめ ipwraとaipwは似 通った効果 ipwの効果と他の効 果の差が大きい ⓒ 2017 Masaaki Mizuochi

実際の分析例 ~「就業構造基本調査」を使って~ ⓒ 2017 Masaaki Mizuochi

使用するデータと分析対象 「平成24年就業構造基本調査」(総務省)の個票情報 男性 調査時点で59歳以下 学卒時点の年齢が30歳以下 大学卒 調査時点で正規職に就いている ① ② ⓒ 2017 Masaaki Mizuochi

分析デザイン 学卒 対照群 正規 (正規) 年収 処置群 非正規 (正規) 年収 処置群 無職(1年未満) (正規) 年収 処置群 正規               (正規) 対照群 年収 非正規             (正規) 処置群 年収 無職(1年未満)        (正規) 処置群 年収 無職(1年以上)        (正規) 処置群 年収 ⓒ 2017 Masaaki Mizuochi

推定モデル(AIPW) 結果式(線型回帰) Y:年収(対数)  X:年齢、学卒時年齢、勤続月数、配偶状態、職業、従業者規模、(学 歴、従業上の地位) 割当式(多項ロジット)  Z:学卒直後の就業状態(正規、非正規、無職(1年未満)、無職(1年 以上))  X:有効求人倍率、学卒時年齢、勤続月数、従業者規模 ⓒ 2017 Masaaki Mizuochi

通常の線型回帰とATEの比較(①を使用) 通常の線型回帰のほう が、過少に推定してい る? [ATE]1年未満の無職で あれば正規職とほぼ差 はない(係数は0.7%マ イナス) ⓒ 2017 Masaaki Mizuochi

学歴別のATE(①を使用) 高校卒では効果はあまりな い。 専門学校・短大・高専で最 も効果が大きい。 ⓒ 2017 Masaaki Mizuochi

大卒かつ現在正規職のATE(②を使用) [抜粋]30~39歳の結果 最初に非正規に就いた 場合、8.7%年収が低い 無職(1年未満)では正規と 差はほとんどない ⓒ 2017 Masaaki Mizuochi

雑感 通常の線型回帰モデルと処置効果モデルで、因果効果の大きさは それなりに異なる。 ipwraか、aipwか・・・ etregress、eteffectsを使うべきか・・・ ⓒ 2017 Masaaki Mizuochi

謝辞 参考文献 本分析で使用した「平成24年就業構造基本調査」の個票情報は総 務省より提供を受けました。 岩崎学(2015)『統計的因果推論』朝倉書店 星野崇宏(2009)『調査観察データの統計科学:因果推論・選択バイ アス・データ融合』岩波書店 ⓒ 2017 Masaaki Mizuochi

ご清聴ありがとうございました mizuochi@nanzan-u.ac.jp ⓒ 2017 Masaaki Mizuochi