Download as PDF, PPTX
rstanで個人のパラメーターを推定した話
- 1.
- 2. 自己紹介 •松村優哉 @y__mattu •慶應義塾大学経済学部3年 •星野崇宏研究会 •興味：統計学、機械学習、マーケティング •使用言語: SAS,Hive, Python, R •R歴：１年 2
- 3.
- 4. • MCMCアルゴリズムとしてHMC、NUTSを使用 →収束しやすい • ベースがC++ →計算が速い •詳しくは各種の発表資料を参照（TokyoR #50とか） • RでStanを動かせる{rstan} Stanって何だっけ 4
- 5. • 階層ベイズモデルを書いてパラメーター推定してみる • 個人の購買履歴データと時系列データと属性データ Stanで何すんの？ ID日時 メーカー 商品名 価格 CM SNS 年齢 性別 年収 1 2014/10/25 P&G パンテーン 720 15 300 35 男 1000万以上 1 2015/1/16 P&G パンテーン 619 20 240 35 男 1000万以上 1 2015/3/20 花王 メリット 510 34 500 35 男 1000万以上 2 : : : : : : 28 女 500-1000万 2 : : : : : : 28 女 500-1000万 3 : : : : : : 48 女 500-1000万 ： : : : : : : 48 女 500-1000万 メーカーの乗り換え →目的変数にして ロジスティック回帰 5
- 6. 𝑃𝑟 𝑦 𝑘𝑖𝑡= 1 = 𝑒𝑥𝑝(𝑈 𝑘𝑖𝑡) 1 + 𝑒𝑥𝑝(𝑈 𝑘𝑖𝑡) 𝑈 𝑘𝑖𝑡= 𝑗=0 𝐽 𝛼𝑗𝑖 𝑥𝑗𝑘𝑖𝑡 + ℎ=1 𝐻 𝛽ℎ𝑖 𝑊ℎ𝑘𝑡 + 𝜀 𝑘𝑖𝑡 𝛼𝑗𝑖 = 𝚯 𝑇 𝒁 𝑞𝑖 + 𝜂 𝑗𝑖 ; 𝜂 𝑗𝑖~𝑀𝑉𝑁 𝟎, 𝑉𝛼 ; 𝑉𝛼~𝐼𝑊 𝑑1, 𝒔 𝟏 𝛽ℎ𝑖 = 𝚲 𝑇 𝒁 𝑞𝑖 + 𝜉ℎ𝑖 ; 𝜉ℎ𝑖~𝑀𝑉𝑁(𝟎, 𝑉𝛽) ; 𝑉𝛽~𝐼𝑊(𝑑2, 𝒔 𝟐) モデル式(𝑖さんが𝑡期にメーカー𝑘を選ぶ確率) 6
- 7. モデル式 • マーケティング変数𝑥の番号𝑗 ①切片項１(𝑗 =0) ②𝑡期購買商品の価格 • デジタル環境変数𝑊の番号ℎ ① 𝑡 − 1期の「ブランド名」を含む投稿数 ② 𝑡 − 1期のCM本数 • 個人属性変数𝑍の番号𝑞 ①年齢 ②性別 ③結婚ダミー ④世帯年収 7
- 8.
- 9.
- 10.
- 11.
- 12.
- 13.
- 14.
- 15.
- 16. Rで結果の出力 mean se_mean sdX2.5 X25 X50 X97.5 n_eff Rhat EAP推定量 EAPの標準偏差 事後標準偏差 95%確信区間および四分位点 有効サンプルサイズ 収束判定指標 1.1or1.2以下 ならOK 16
- 17.
- 18.
- 19.