本セミナーは、2024年6月28日に開催したアーカイブセミナーです。

‍

【学習内容】

• 線形混合効果モデル (LMM) の基本的な理論と考え方を学べます
• Stan言語の基礎を学べます
• Stanでカスタム関数を実装する方法を学べます
• カスタム間数の簡易的なUnit Testを行う方法を学べます
• Stanを使ったLMMの実装方法を学べます
• モデルの事後診断方法を学べます
• 事後分布の可視化方法を学べます
• Stanで計算を加速させるためのベストプラクティスを学べます

‍

【内容】

Stanはそのシンプルさと頑健なMCMCフレームワークが故に、応用ベイズ統計において最も使用されているプログラミング言語の一つであります。Stanで確率統計モデルを実装する能力は間違いなく今日のデータサイエンティストにとって非常に重要なものであります。Stanを用いることで、高度なベイズ統計モデルを効率的に扱うことが可能となり、現代のデータ分析の課題に対処するための強力なツールとなります。

線形混合効果モデル（LMM）は、同じ個体や同じグループからサンプリングされた階層構造を持つデータに対して、グループ毎の違いや個体差をモデル化するために線形モデルを拡張したものです。LMMは医療における患者データの解析、マーケティングにおける消費者行動の分析、教育における生徒の成績評価など、様々な分野で応用されており、データの階層構造を考慮することで、より精度・解像度が高い解析が可能です。また、一段と理論と実装が難しい一般化線形混合効果モデル（GLMM）を理解する上でLMMの知識は重要になります。

本セミナーでは、StanでLMMを実装するプロセスを徹底的に解説します。Stanの仕組みを深く理解するために、あらかじめ用意されている尤度関数に頼るのではなく、独自の尤度関数の実装を試みます。また、簡易的な単体テストの実装方法、モデルの事後診断方法、事後分布の可視化方法、計算時間を短縮させるためのベストプラクティスなど、モデル構築プロセスのおいて重要な側面について網羅的に取り上げます。

本セミナーに参加された方はStanを用いたLMMの実装スキルを習得することに限らず、Stanを使用して様々な確率統計モデルの実装、モデルの妥当性評価、カスタム統計量の事後分布の抽出等ができるようになります。

‍

【このような方におすすめ】

• 階層構造を持つデータを分析し、Stanを用いてベイズモデルの実装や高度なデータ分析を行いたい方
• Stanを使用して線形混合効果モデルやその他のベイズ統計モデルを実装したい方
• 複雑な階層構造を持つデータに対して、精度の高い予測モデルを構築するためにLMMやGLMMを学びたい方
• 消費者行動やマーケティングデータの階層構造を分析し、Stanを使ってより精度の高い消費者行動予測モデルを構築したい方
• 医療データの階層的構造（患者・病院・地域など）を考慮した分析を行いたい医療分野のデータ分析担当者

‍

【レクチャー】

• 講義動画：81分
• 講義資料
  • 拡張子：PDF
  • 部数：1部
• 演習資料
  • 言語：R言語
  • 部数：1部

‍

【講師】

小林 弦矢（明治大学 教授）

[略歴]

神戸大学大学院経営学研究科博士課程後期課程修了

東京大学大学院経済学研究科統計学コースにて特別研究員PD、

千葉大学准教授を経て

現職に就任

主な研究分野はベイズ統計学 / 状態空間モデル / 時空間統計学 / マーケティング・サイエンスはじめ各種応用

[個人HP]

‍

【受講料金】

¥11,000

ベーシックプラン

お支払いから1ヶ月間、いつでもどこでも受講できます。

※講義動画のダウンロードはできません。

‍