2025年度に神戸大学で行った「ミクロ計量分析」の授業の講義資料です。自由に使ってもらって構いませんでが、間違いもあるかと思いますので、自己責任でお願いします。内容に関する質問には、多分応じられません。 主な参考文献(詳細なものはスライド中に記載) Abadie, A. (2021): "Using Synthetic Controls: Feasibility, Data Requirements, and Methodological Aspects," Journal of Economic Literature, 59, 391-425. Andrews, I., J. H. Stock and L. Sun (2019): "Weak Instruments in Instrumental Variables Regression: Theory and Practice," A
Published2022/01/26 21:01 (JST) Updated2022/01/27 13:16 (JST) 厚生労働省は26日、基幹統計「毎月勤労統計調査」について、ボーナス支給の確認が遅れた事業所の金額を別の月に加算する書き換えをしていたと総務省統計委員会の会合で報告した。厚労省は、全体への影響は小さく二重計上もないと説明。2021年夏のボーナスから中止し、集計方法を変えたのに公表しておらず、担当者は「配慮を欠いた」と陳謝した。 この統計は18年12月に不正が発覚し、当時の厚労省幹部らが処分された。今回の報告は国土交通省による建設受注統計書き換えを受けたもので、一部委員は「影響は小さいとは言え、問題は建設統計と同じだ」と指摘した。

国の基幹統計「建設工事受注動態統計」の不正をめぐり、国土交通省の本省職員が受注実績を無断で書き換えて二重計上していたことで、2020年度の統計が約4兆円過大になっていた疑いがあることがわかった。実績…

国の基幹統計「建設工事受注動態統計」を国土交通省が無断で書き換えて二重計上していた問題で、二重計上が行われた8年分の大半は、書き換え前の数値を復元するのが困難となっている。調査票自体が書き換えられた上、書き換え前の調査票の写しが残っていないとみられるためだ。調査票の電子データは保存されているが、書き換え後の調査票の数値だったという。二重計上が国内総生産(GDP)にどう影響したかを検証するのは困難な情勢だ。 国交省は長年にわたり、期限後にまとめて提出された調査票の数値について、調査票を書き換えて回収した当月分に合算するよう都道府県に指示。一方で2013年4月分から、未提出の建設業者の数値として推計値を計上していた。この結果、同一業者の受注額を二重計上する形となっていた。19年11月に会計検査院から不備を指摘されたことを契機に書き換えの指示を撤回。20年1月~21年3月分は、国交省職員自らが書

はじめに Modern Data Stack ? Modern Data Stack の特徴やメリット、関連するトレンド データインフラのクラウドサービス化 / Data infrastructure as a service データ連携サービスの発展 ELT! ELT! ELT! Reverse ETL テンプレート化されたSQL andYAML などによるデータの管理 セマンティックレイヤーの凋落と Headless BI 計算フレームワーク (Computation Frameworks) 分析プロセスの民主化、データガバナンスとデータメッシュの試み プロダクト組み込み用データサービス リアルタイム Analytics Engineer の登場 各社ファウンダーが考える Modern Data Stack さいごに Further Readings はじめに Modern Dat

Estimation of total and excess mortality due toCOVID-19 Published October 15, 2021 This page was updated on October 15, 2021 to reflect changes in our modeling strategy. View our previous methods published May 13, 2021 here. In our October 15 release, we introduced three major changes. First, we have very substantially updated the data and methods used to estimate excess mortality related to the


InterpretableMachine Learning AGuide for MakingBlack Box Models Explainable. Christoph Molnar 2021-05-31 要約機械学習は、製品や処理、研究を改善するための大きな可能性を秘めています。 しかし、コンピュータは通常、予測の説明をしません。これが機械学習を採用する障壁となっています。本書は、機械学習モデルや、その判断を解釈可能なものにすることについて書かれています。 解釈可能性とは何かを説明した後、決定木、決定規則、線形回帰などの単純で解釈可能なモデルについて学びます。 その後の章では、特徴量の重要度 (feature importance)やALE(accumulated local effects)や、個々の予測を説明するLIMEやシャープレイ値のようなモデルに非依存な手法(mo
どこもかしこも変異株の「割合」ばかり気にしてるけどさ、ウイルスたちはお互いに連絡を取り合ってるわけじゃないので、変異株に感染したある一人の人間が、何人に感染させて、それが何日も経ってどれだけ増えていくかという話の中では、従来株の感染者数なんてまったく関係ないわけよ。 つまりさ、たとえば変異株が 1 → 2 → 4 → 8 → 16 と増えてるとしたら、 それはもう次に → 32 → 64 と増えていくのは火を見るより明らかで、それと並行して従来株が 500 → 400 → 320 → 256 → 200 と減っていようが、逆に増えていようが、関係ないわけ。 という前提で、東京都が公開しているデータを元に算出したN501Y変異株の1週間ごとの推定感染者数を、表とグラフにしてみる。 (5月17日更新: 最新データを反映して再計算)東京都 全体 従来株N501Y変異株緊急事態宣言など~2月21日

ExcelのPythonJupyterNotebook JupyterをMicrosoftExcelに埋め込み、VBAの代わりにPythonを記述します 以前は、ExcelとPython JupyterNotebooksの間の「どちらか/または」の選択でした。PyXLL-Jupyterパッケージの導入により、両方を並べて使用できるようになりました。 この記事では、Excel内で実行されるJupyterNotebookをセットアップする方法を紹介します。2つの間でデータを共有し、ExcelワークブックからJupyterノートブックに記述されたPython関数を呼び出すこともできます。 入門 まず、ExcelでPythonコードを実行するには、PyXLLアドインが必要です。PyXLLアドインを使用すると、PythonをExcelに統合し、VBAの代わりにPythonを使用できます。PyXLL

Microsoftは2021年2月9日(米国時間)、R言語を使ってクラウドサービススイート「Microsoft 365」を操作するためのオープンソースパッケージ「Microsoft365R」を発表した。Rは、統計解析やその可視化などに役立つオープンソースのプログラミング言語とランタイム環境だ。Microsoft365Rは「AzureGraph」パッケージで提供されるMicrosoft GraphAPIを拡張し、「Microsoft SharePoint」と「Microsoft OneDrive」に対する軽量で強力なインタフェースを提供する。今後は「Microsoft Teams」と「MicrosoftOutlook」もサポートする見込みだ。Teamsチャネルへのポストや、Outlookによる電子メール送信が可能になるという。Microsoft365Rは、CRAN(The Compr

ランサーズ Advent Calendar 2020 24日目の記事です。 昨日は まなみん さんの 「思考発話法でUXリサーチをしてみた話」 でした。 概要 社員ではなく、1人のフリーランス人材(ランサー)として、ランサーズ社を手伝っています。 「こんなことをやってきたよ!」という話を、書ける範囲で書きます。CRM(顧客管理)x データ活用 の案件を主に担当しています。 注意本稿は筆者個人の見解に基づく内容であり、関係組織を代表するものではありません。 不適切・考慮不足だと感じさせてしまう点があれば、それは筆者個人の責任によるものです。 どうぞ筆者個人宛てにご指摘のコメントをいただけますと幸いです。 もくじ 概要 注意 もくじ きっかけ 案件1:顧客セグメント可視化 案件2:社内システム改善 案件3:オープンデータ活用 その他:データプラットフォームのメンテナンス性向上 意識している

突然の辞意表明以来、その安倍政権の各政策について数多くの評価・批判が行われている。なかでも安倍政権発足時、またはそれに先立つ自民党総裁選以来の看板であった経済政策についての評論は多い。 ある者はその功績を讃え、ある者はそれを誹(そし)る。このように、大いに評価が分かれる議論考えるにあたっては、その成果を数字から検討するとよいだろう。ここでは雇用・賃金と当初のアベノミクスの「1本目の矢」である金融政策の関係を中心に考えていきたい。 なお、統計データ自体は客観的な事実であるが、その取捨選択が恣意性を免れることはない。ご存じの向きもあるだろうが、筆者はアベノミクス――そのなかでも大胆な金融政策の効果は大きく、今後もその強化や財政政策と連携してのさらなる発展が必要であると考えている点にご留意いただきたい。 雇用のアベノミクスアベノミクスの功績として言及されることが最も多いのはその雇用拡大の効果であ

リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く