本セミナーは、2024年8月11日に開催したアーカイブセミナーです。

‍

【学習内容】

• 線形回帰モデルや一般化線形モデルのベイズ的アプローチが学べます。
• 階層構造を持つデータに対する回帰モデルの構築とStanによる実装方法を習得できます。
• 縮小事前分布や弱情報事前分布の考え方とその活用法を理解できます。

‍

【内容】

本セミナーは、『ベイズデータ解析（第3版）』（森北出版、2024年6月）をベースとして、第14章「回帰モデルの導入」第15章「階層線形モデル」第16章「一般化線形モデル」に相当する内容を担当訳者である慶應義塾大学 菅澤翔之助准教授に解説していただきます。

特に、線形回帰モデル、正則化、縮小事前分布、交換可能性、混合効果モデル、変化係数モデル、一般化線形混合モデル、弱情報事前分布について解説します。

‍

本セミナーでは、回帰モデルの導入、そして階層線型モデルと一般化線型モデルに焦点を当て、以下の内容について深く掘り下げます。

1. 線形回帰モデルのベイズ的取り扱い

• まず、標準的な線形回帰モデルのベイズ的アプローチについて解説します。
• 特に、線形回帰モデルの基本概念、ベイズ的な枠組みでの取り扱い方について取り扱います。

2. 説明変数行列の構築方法

• 効果的な説明変数行列の構築方法を学びます。
• 特に、説明変数の選択と前処理、ベイズ分析における説明変数行列の役割について解説します。

3. 縮小事前分布の考え方と実装

• 縮小事前分布の理論と実装方法を解説します。
• 特に、縮小事前分布の基本概念、縮小事前分布のベイズ的アプローチ、Stanを用いた実装方法について詳細に解説します。

4. 階層構造がある場合の回帰モデルの構築

• 次に、階層構造を持つデータに対する回帰モデルの構築方法を学びます。
• 階層構造の基本概念、階層回帰モデルの理論と実践について解説します。

5. 変量効果のベイズ的取り扱い

• 変量効果（ランダムエフェクト）をベイズ的に取り扱う方法を解説します。
• 統計学における変量効果の概念と役割の解説から始め、ベイズ的アプローチでの取り扱い方について解説します。

6. 一般化線形モデルのベイズ的取り扱い

• 一般化線形モデル（GLM）のベイズ的アプローチについて学びます。
• GLMの基本概念を解説したのち、ベイズ的なGLMの構築と解析について詳細に解説します。

6. 非正規データに対する階層回帰モデルのベイズ的推定方法

• 非正規データに対する階層回帰モデルのベイズ的推定方法と実装方法を解説します。
• 特に、非正規データの特徴と対処法、階層回帰モデルのベイズ的アプローチについて解説します。

7. ロジスティック回帰の分離問題と弱情報事前分布

• ロジスティック回帰における分離問題とそれに対する弱情報事前分布の利用法を解説します。
• 特に、分離問題の概念と影響、弱情報事前分布の役割と効果について解説します。

8. Stanを用いた実践演習

• 最後に、上記で解説した内容に関して、Stanを用いた実践的なベイズ分析の演習を行います。
• Stanの基本操作と活用法、理論を実際のデータに適用する方法、実データを用いたベイズ推定の実践を行います。

‍

本セミナーでは、理論と実践を一貫して解説し、参加者がStanを用いてベイズ統計学の高度な技術を身につけることを目標とします。

このセミナーは単体で完結する内容となっておりますので、必ずしもシリーズで受講しなければならない内容ではありません。

翻訳者によるStanを用いた実演を通して階層回帰モデルを習得する機会としてください。

‍

本シリーズセミナーは以下の構成です。

書籍にはないStanやRでの実装演習を通して翻訳者による徹底解説を行います。

《基礎編》

第1回：ベイズ統計学の導入と階層モデル（講師：菅澤翔之助）

第2回：モデル診断とモデル比較（講師：川久保友超）

第3回：マルコフ連鎖モンテカルロ法（講師：小林弦矢）

第4回：ベイズ的階層回帰モデルの実践アプローチ（講師：菅澤翔之助）

《各論・発展編》

第5回：事後分布の近似計算（講師：小林弦矢）

第6回：ロバストなベイズ分析の理論と実践（講師：菅澤翔之助）

第7回：データ収集を考慮したモデリング（講師：川久保友超）

第8回：欠測データのベイズモデリング（講師：菅澤翔之助）

第9回：非線形ベイズモデリング（講師：菅澤翔之助）

第10回：ガウス課程モデルの基礎と応用（講師：小林弦矢）

第11回：有限混合モデルの基礎と応用（講師：菅澤翔之助）

第12回：ディリクレ過程モデルの基礎と応用（講師：小林弦矢）

‍

【このような方におすすめ】

• ベイズ統計学を用いた高度なデータ解析手法を学びたい方
• 階層回帰モデルを実データに適用できるようになりたい方
• Stanを使ってベイズ分析の実践力を向上させたい方
• ロジスティック回帰の分離問題を解決し、モデルの精度を高めたい方
• 縮小事前分布や弱情報事前分布を活用してモデルの改善を図りたい方

‍

【レクチャー】

• 講義動画
  • 前半：68分
  • 後半：55分
• 講義資料
  • 拡張子：PDF
  • 部数：1部
• 演習資料
  • 言語：R言語（Stan）
  • 部数：1部

‍

【講師】

菅澤 翔之助（慶應義塾大学 経済学部 准教授、株式会社Nospare 取締役CRO）

[略歴]

東京大学経済学研究科統計学コース博士課程後期課程修了

統計数理研究所特任研究員、東京大学空間情報科学研究センター 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

個人HP

X（旧Twitter）

‍

【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。

‍