Your SlideShare is downloading. ×
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Rで学ぶ観察データでの因果推定
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Rで学ぶ観察データでの因果推定

7,419

Published on

20120310 TokyoR#21 で発表した資料です。誤りや不正確な部分がありましたら、twitter ID: Hiro_macchan までご連絡下さい。当該資料は、いくつかのサイトの資料を引用しています。参考文献はスライドの最後に記載しました。

20120310 TokyoR#21 で発表した資料です。誤りや不正確な部分がありましたら、twitter ID: Hiro_macchan までご連絡下さい。当該資料は、いくつかのサイトの資料を引用しています。参考文献はスライドの最後に記載しました。

0 Comments
7 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
7,419
On Slideshare
0
From Embeds
0
Number of Embeds
8
Actions
Shares
0
Downloads
61
Comments
0
Likes
7
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Rで学ぶ観察データでの因果推定 2012/03/10 Tokyo.R #21 Hiro_macchan
  • 2. 自己紹介• Hiroki Matsui(RPT,MPH)• 出身:琵琶湖 住まい:千葉 職場:都内赤 門• 御嫁様候補探しています。• 専門:リハビリテーション、臨床疫学・医療 経済学• 元理学療法士(リハビリ屋)→研究者• Rは趣味程度に利用→現在は、仕事で利用未熟者ですので間違い等は指摘して下さい。• Twitter: Hiro_macchan (できれば、お手柔らかに。。)2012/03/10 TokyoR #21 2
  • 3. 前回のあらすじ• TokyoR #18 LT枠• アウトカムリサーチに触れる。• 操作変数に関する説明を行う。• あえなく撃沈 ↓• 焼き土下座 Fig.1: 当時の心境2012/03/10 TokyoR #21 3
  • 4. 本日お伝えしたいことRを使って2012/03/10 TokyoR #21 4
  • 5. 本日お伝えしたいことRを使って前回よりも、もう少し体系的に2012/03/10 TokyoR #21 5
  • 6. 本日お伝えしたいことRを使って前回よりも、もう少し体系的に観察データのバイアスを調整した上で2012/03/10 TokyoR #21 6
  • 7. 本日お伝えしたいことRを使って前回よりも、もう少し体系的に観察データのバイアスを調整した上で因果効果を推計したい!!2012/03/10 TokyoR #21 7
  • 8. 本日お伝えしたいことRを使って前回よりも、もう少し体系的に観察データのバイアスを調整した上で因果効果を推計したい!! んだけどなぁ。。。2012/03/10 TokyoR #21 8
  • 9. Agenda• 因果効果とは• 介入研究と観察研究• 観察研究のバイアス調整• 操作変数法の紹介• Rでの実行例• Reference2012/03/10 TokyoR #21 9
  • 10. Agenda• 因果効果とは• 介入研究と観察研究• 観察研究のバイアス調整• 操作変数法の紹介• Rでの実行例• Reference2012/03/10 TokyoR #21 10
  • 11. 因果効果って?• ある対象群への、ある介入の効果を考え る。 同一対象 介入した場合の効果 介入しなかった場合の効果 因果効果: 現実的には測定不可能2012/03/10 TokyoR #21 11
  • 12. 因果効果って? 曝露群(z=1) 非曝露群(z=0) 曝露結果 曝露結果 非曝露結果 非曝露結果2012/03/10 TokyoR #21 12
  • 13. Agenda• 因果効果とは• 介入研究と観察研究• 観察研究のバイアス調整• 操作変数法の紹介• Rでの実行例• Reference2012/03/10 TokyoR #21 13
  • 14. 介入研究と観察研究• 介入研究 – 実際に対象に介入を行う。 – 介入方法は実験者が決定できる。 – 無作為割り付けなどランダム化が可能。 – お高い、倫理面での配慮が必要• 観察研究 – 対象者の調査観察データを取得する。 – ランダム化不可能 – (介入研究に比べて、)お安い、倫理面配慮は小 さくてすむ。2012/03/10 TokyoR #21 14
  • 15. 介入研究と観察研究 介入を行う群(z=1) 介入を行わない群(z=0) 介入した場合の 介入した場合の結果 結果(欠測) 介入しなかった場合 介入しなかった の結果(欠測) 場合の結果2012/03/10 TokyoR #21 15
  • 16. 介入研究と観察研究 曝露群(z=1) 非曝露群(z=0) 曝露結果 曝露結果 非曝露結果 非曝露結果2012/03/10 TokyoR #21 16
  • 17. 介入研究と観察研究2012/03/10 TokyoR #21 17
  • 18. Agenda• 因果効果とは• 介入研究と観察研究• 観察研究のバイアス調整• 操作変数法の紹介• Rでの実行例• Reference2012/03/10 TokyoR #21 18
  • 19. 観察研究におけるバイアス調整• 観察研究で因果効果を検証する場合、共 変量によるバイアスは常に問題になる。 Out(Exposure) Out(Reference) 年齢 様々な背 年齢 景因子が 性別 そもそも 異なる 性別 年収 年収2012/03/10 TokyoR #21 Etc… Etc… 19
  • 20. 観察研究におけるバイアス調整2012/03/10 TokyoR #21 20
  • 21. 観察研究におけるバイアス調整• “強く無視できる割り当て”条件 – 割り当てはあくまで共変量のみに依存し、結 果変数には依存しない。• Unmeasured confounder の問題 – 未測定の共変量が存在した場合、この条件を 満たさないため、推計はバイアスされる。 Instrumental Variable(操作変数) 操作変数を用いて、未知の交絡因子などを調 整2012/03/10 TokyoR #21 21
  • 22. Agenda• 因果効果とは• 介入研究と観察研究• 観察研究のバイアス調整• 操作変数法の紹介• Rでの実行例• Reference2012/03/10 TokyoR #21 22
  • 23. 操作変数 Outcome Exposure 操作変数• 外生的に決定• 検証するExposureと関連• 検証するExposureを介する以外にはOutcome と関連しない計量経済分野でずいぶん昔から使われている手法。2012/03/10 TokyoR #21 23
  • 24. 様々な操作変数• お薬←RCTでの無作為割り付け• リハビリ時期←脳梗塞発症曜日• 専門医治療←症例居住地の周辺専門医分布• 薬のCM←地域単位での薬のCM/全CM2012/03/10 TokyoR #21 24
  • 25. 操作変数を使たOutcome推計 X:共変量 Y:Out come Z:Exp osure w:操作変 数2012/03/10 TokyoR #21 25
  • 26. Agenda• 因果効果とは• 介入研究と観察研究• 観察研究のバイアス調整• 操作変数法の紹介• Rでの実行例• Reference2012/03/10 TokyoR #21 26
  • 27. Rでの実行例• Rで2SLSをやってみましょう!• パッケージはsem(CRANにありま す。)• 関数はTSLS()を使いましょう。こちらのサイトを参考にしています。EconWiki(Rを使って計量経済分析) http://sugi-shun.com/econwiki/index.php?EconWikiEconometric analysis of cross section and panel data(著:Jeffrey M. Wooldridge)の演習問題を解いています。2012/03/10 TokyoR #21 27
  • 28. Rでの実行例dat <- read.csv(“card2.csv”)attach(dat)#最初に、OLSをやってみる。#教育年数を増やせば時給は増えるのか?#教育年数に関連する個人の能力が測定できていない。#教育年数を増やせば、時給が上がるかはわからない。summary(lm(lwage ~ educ + exper + expersq + black + south + smsa + reg661 +reg662+reg663+reg664+reg665 + reg666+ reg667+ reg668+ smsa66))2012/03/10 TokyoR #21 28
  • 29. Rでの実行例Coefficients: Estimate Std. Error t value Pr(>|t|)(Intercept) 4520654 325451 13.890 < 2e-16 ***educ 52784 15917 3.316 0.000924 ***exper 62347 30140 2.069 0.038671 * ・・・(略)・・・smsa66 -139095 88486 -1.572 0.116071---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1Residual standard error: 1694000 on 2994 degrees of freedomMultiple R-squared: 0.009425, Adjusted R-squared: 0.004462F-statistic: 1.899 on 15 and 2994 DF, p-value: 0.019122012/03/10 TokyoR #21 29
  • 30. Rでの実行例#次に操作変数を使ってみる。summary(tsls(lwage ~ educ + exper + expersq + black + south + smsa + reg661 + reg662+reg663+reg664+reg665 + reg666+reg667+reg668+smsa66,~ nearc4 + exper + expersq + black + south + smsa + reg661 + reg662+reg663+reg664+reg665+reg666+reg667 +reg668+smsa66))2012/03/10 TokyoR #21 30
  • 31. Rでの実行例 2SLS Estimates Model Formula: lwage ~ educ + exper + expersq + black + south + smsa + reg661 + reg662 + reg663 + reg664 + reg665 + reg666 + reg667 + reg668 + smsa66 Instruments: ~nearc4 + exper + expersq + black + south + smsa + reg661 + reg662 + reg663 + reg664 + reg665 + reg666 + reg667 + reg668 + smsa66 ・・・・(略)・・・・・・ Estimate Std. Error t value Pr(>|t|) (Intercept) 5597534 4088944 1.36894 0.1711 educ -10586 240381 -0.04404 0.9649 ・・・・(略)・・・・・ reg668 85977 221783 0.38766 0.6983 smsa66 -130494 94504 -1.38083 0.1674 Residual standard error: 1698340.0224 on 2994 degrees of freedom2012/03/10 TokyoR #21 31
  • 32. 操作変数を利用する上で• Weak instrument の問題 – 操作変数と介入(z)の間の関連が弱い場合、推計がうまく行 かない。 – 相関の確認や、モデルの特定化テスト等でチェックが必 要?• 操作変数の汚染(?)について – 操作変数がアウトカムと関連してしまうと、推計がうまく 行かない。 – こちらのチェックは難しい。• 2SLSは連続変数に対応 – Bivariate probit model など(R でもパッケージ有り)• 操作変数の発見について – これが一番難しい。 – パネルデータがあるなら、そっちを使った方が正解かも。2012/03/10 TokyoR #21 32
  • 33. 使いどころについて• 介入研究が行いにくい領域に於いて利用 する。• 値段の問題 – 大きすぎて介入研究を行いにくい政策運用な ど• 倫理的問題 – すでに手法が定着してしまった治療法 – 中々切れない取引先の効果2012/03/10 TokyoR #21 33
  • 34. Agenda• 因果効果とは• 介入研究と観察研究• 観察研究のバイアス調整• 操作変数法の紹介• Rでの実行例• Reference2012/03/10 TokyoR #21 34
  • 35. Reference1.DTCの広告効果 Liu Q, Gupta S. The Impact of Direct-to-Consumer Advertising of Prescription Drugs on Physician Visits and Drug Requests: Empirical Findings and Public Policy Implications. SSRN eLibrary [Internet]. [cited 2011 Oct 20];Available from: http://papers.ssrn.com/sol3/papers.cfm?abstract_id=18048542. ベイズ使った操作変数法 Kleibergen F, Zivot E. Bayesian and classical approaches to instrumental variable regression. Journal of Econometrics. 2003;114(1):29–72.3. 操作変数使った早期リハビリのアウトカム(拙著) Matsui H, Hashimoto H, Horiguchi H, Yasunaga H, Matsuda S. An exploration of the association between very early rehabilitation and outcome for the patients with acute ischaemic stroke in Japan: a nationwide retrospective cohort survey. BMC health services research. 2010;10(1):213.4. 参考図書 崇宏星野. 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; 2009. 245 p.2012/03/10 TokyoR #21 35
  • 36. Reference 5.傾向スコアに関する里さんの資料 http://www.slideshare.net/yokkuns/r-9387843 6.EconWiki(Rを使って計量経済分析) http://sugi-shun.com/econwiki/index.php?EconWiki 7. Econometric analysis of cross section and panel data(2nd Ed) Jeffrey M. Wooldridge2012/03/10 TokyoR #21 36

×