Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
行列補完による
パネルデータ因果効果推定
Yusuke Kaneko
自己紹介
● Yusuke Kaneko
● 大学院では経済学研究科で,計量経済学(主に因果推論)をやってました
● 今は新卒1年目で,広告とかゲームとかやってる企業にいます.多分アドテク周り
をやる予定.
元ネタ
Athey, Susan, et al. "Matrix completion methods for causal
panel data models." arXiv preprint arXiv:1710.10251 (2017).
因果効果(Causal Effect)推定
● (簡単に言えば)データから因果関係を明らかにして効果を推定すること.色々な手
法が提案されてきた
● 最近は色々書籍も出て流行ってきてる気もします
具体例
● 広告接触
スマホ広告
1.広告を見るか否か = (処
置)
ブランド認知
商品購入 etc...
2..広告効果
ユーザー
● 広告をみた場合と,見なかった場合で結果を比較すれば効果は出せる(?)
問題
● 広告接触
スマホ広告
1.広告を見るか否か = (処
置)
ブランド認知
商品購入 etc...
2..広告効果
ここが問題
ユーザーは広告を見るこ
とと見ないことは同時に出
来ない (反実仮想問題)
式で書くと
=個体iが,処置W=1を受けた時のoutcome
=個体iが,処置W=0を受けた時のoutcome
iさんへの因果効果
求めたい平均処置効果
(Average Treatment Effect)
パネルデータ
● 時系列データとクロスセクショナルデータを組み合わせたもの
● パネルデータを使うメリットとしては,
1. データサイズが大きいので推定精度が上がることが期待できる
2. 個人ごとの違いというのは観測不可能だが,個人の固定効果(...
式で書くと
outcomeの行列
処置の行列
行列補完
欠測データ(missing
Data)の
問題になる
行列補完をする
メリット
● 広範なケースに対処可能
→ Nが大きくてTが小さい”Thin”な行列のケースや,逆にTが大きくてNが小さ
い”Fat”な行列のケースなど
● 処置の因果効果推定の多くのモデルに採用可能
・理論的部分は割愛しますが,Lassoなどを...
MCPanel パッケージ
https://github.com/susanathey/MCPanel
● devtools使ってインストール
実行例
● Abadie et al.(2010)で使用されたカルフォルニアの喫煙データを使う.
実行例
● コード例
● 実際のコードはgithubにある
推定結果
Upcoming SlideShare
Loading in …5
×

0

Share

Download to read offline

"Matrix Completion Methods for Causal Panel Data Models"の紹介

Download to read offline

第69回TokyoRのLTでの発表資料です.
論文リンク:https://arxiv.org/abs/1710.10251
githubリンク: https://github.com/susanathey/MCPanel

  • Be the first to like this

"Matrix Completion Methods for Causal Panel Data Models"の紹介

  1. 1. 行列補完による パネルデータ因果効果推定 Yusuke Kaneko
  2. 2. 自己紹介 ● Yusuke Kaneko ● 大学院では経済学研究科で,計量経済学(主に因果推論)をやってました ● 今は新卒1年目で,広告とかゲームとかやってる企業にいます.多分アドテク周り をやる予定.
  3. 3. 元ネタ Athey, Susan, et al. "Matrix completion methods for causal panel data models." arXiv preprint arXiv:1710.10251 (2017).
  4. 4. 因果効果(Causal Effect)推定 ● (簡単に言えば)データから因果関係を明らかにして効果を推定すること.色々な手 法が提案されてきた ● 最近は色々書籍も出て流行ってきてる気もします
  5. 5. 具体例 ● 広告接触 スマホ広告 1.広告を見るか否か = (処 置) ブランド認知 商品購入 etc... 2..広告効果 ユーザー ● 広告をみた場合と,見なかった場合で結果を比較すれば効果は出せる(?)
  6. 6. 問題 ● 広告接触 スマホ広告 1.広告を見るか否か = (処 置) ブランド認知 商品購入 etc... 2..広告効果 ここが問題 ユーザーは広告を見るこ とと見ないことは同時に出 来ない (反実仮想問題)
  7. 7. 式で書くと =個体iが,処置W=1を受けた時のoutcome =個体iが,処置W=0を受けた時のoutcome iさんへの因果効果 求めたい平均処置効果 (Average Treatment Effect)
  8. 8. パネルデータ ● 時系列データとクロスセクショナルデータを組み合わせたもの ● パネルデータを使うメリットとしては, 1. データサイズが大きいので推定精度が上がることが期待できる 2. 個人ごとの違いというのは観測不可能だが,個人の固定効果(fixed effect)を抽 出することができたり,時点の変動についても分析可能 3.処置の因果効果の推定がより精緻にできる(example:DID) ...などがある =個体iの時点tでのoutcome
  9. 9. 式で書くと outcomeの行列 処置の行列
  10. 10. 行列補完 欠測データ(missing Data)の 問題になる 行列補完をする
  11. 11. メリット ● 広範なケースに対処可能 → Nが大きくてTが小さい”Thin”な行列のケースや,逆にTが大きくてNが小さ い”Fat”な行列のケースなど ● 処置の因果効果推定の多くのモデルに採用可能 ・理論的部分は割愛しますが,Lassoなどを使って補完をしている
  12. 12. MCPanel パッケージ https://github.com/susanathey/MCPanel ● devtools使ってインストール
  13. 13. 実行例 ● Abadie et al.(2010)で使用されたカルフォルニアの喫煙データを使う.
  14. 14. 実行例 ● コード例 ● 実際のコードはgithubにある
  15. 15. 推定結果

第69回TokyoRのLTでの発表資料です. 論文リンク:https://arxiv.org/abs/1710.10251 githubリンク: https://github.com/susanathey/MCPanel

Views

Total views

389

On Slideshare

0

From embeds

0

Number of embeds

15

Actions

Downloads

2

Shares

0

Comments

0

Likes

0

×