データ分析の力 因果関係に迫る思考法 みんなのレビュー

2人中、2人の方がこのレビューが役に立ったと投票しています。

投稿者：積ん読太郎　-　この投稿者のレビュー一覧を見る

因果着目し、データを分析し、有効な政策決定を行い、実行する。
そして政策を評価する。
本書の読後感は、２１世紀になったんだという感覚。
と、同時にデータ分析の重要性を改めて再認識した次第。

データ分析、と一口でいっても、一体、何を明らかにしたいのか？
本書はデータ分析によって、「因果」を明らかにすることを説明してくれます。

データ分析により、「因果」を明らかにする？
そんなの当たり前ですね。。。
いや、そんなの当たり前ではなかったのです。
「社会科学」と称する分野は。

しかし、データの管理が、紙ベースからデジタルに移行することにより、
分析対象となるデータを、整えようと思えば整えられる。

そして、それを活用し、政策決定等に生かすことができれば、
政策遂行により、より良い社会に変える可能性が高くなる。ハズ。
（もし、データ分析により、逆効果だとわかれば、
その政策を中止する判断もできる。ハズ。）

ちなみに、難しい統計に関する説明が書かれているのでは？と
と思っている方がいらっしゃっていたら、心配ご無用。

データ分析を行うための力をつける、ための本ではございません。
（データ分析を行うための力をつけるための本は、本書の巻末に紹介されてます。）

データ分析の力、を知りたいという方に
おすすめの１冊です。

1人中、1人の方がこのレビューが役に立ったと投票しています。

投稿者：つばめ　-　この投稿者のレビュー一覧を見る

ビッグデータを利用して、因果関係を見極め、ビジネスや政策決定に活用するデータ分析手法を数式を使わず、具体的事例を交えて平易に解説した著作である。現在もてはやされているビッグデータの活用法の一端が垣間見える。具体例として、電力価格と節電の関係、自動車の燃費規制が車両重量の増加をもたらした背景、税込価格表示と税抜価格表示でのスーパー売上影響度、検索表示で表示される文字の色を４１種類の青色から因果関係分析により最高の青を選択したグーグルの取組み、所得税増税と勤労意欲の関係等様々な分野の事例紹介がされている。ビッグデータのデータ分析に門外漢の読者に配慮して、要約が各章の終わりに掲げられているのも好感が持てる。

2人中、1人の方がこのレビューが役に立ったと投票しています。

投稿者：ぴんさん　-　この投稿者のレビュー一覧を見る

介入実験と自然実験によるデータで因果を明らかにする。データの見方が変わる。複数データ間の因果関係と相関関係はどうやら別物らしいぞ…というレベルで問題意識を持ってる読者にとって、ありがたいデータ分析超入門書。データ分析を行う上で非常に重要な要素である「因果関係の有無」を調べる手法を、豊富な図を用いて解りやすく説明。巻末に更なる学習のためのブックガイドが付いているのも良い。

2人中、1人の方がこのレビューが役に立ったと投票しています。

投稿者：怪人　-　この投稿者のレビュー一覧を見る

同様の内容の図書に「原因と結果の経済学－データから真実を見抜く方法」などがあるが、こちらの方が体系立てて説明がなされ、理解しやすいと思う。前者は具体的テーマ事例を挙げて、この解説行いながら解法も説明するという構成だが、テーマの印象が強すぎるようだ。
　一日あれば読み通せる文量だが、奥行きが拡がる本だ。経済学は文系的な現象について精査なデータをとりまとめて理系の解決テクニックで解明していくものなのだろう。良書だと思う。
　スタップ細胞騒動等理系の分野では実験結果データそのものの信憑性が問われることになったりする。データの読み方もさることながら、データそのものの信頼性、信憑性のチェック方法に関する話題について1冊書き下ろされることを期待したい。

1人中、0人の方がこのレビューが役に立ったと投票しています。

投稿者：ちこ　-　この投稿者のレビュー一覧を見る

現代社会においては、「ビッグデータ」と呼ばれる膨大なデータが存在します。しかし、その存在だけで、適切な分析をしなければ意味はありません。本書は、こうしたデータを因果関係の有無に焦点を当てて適切に分析する方法を説いたデータ分析の入門書です。例えば、ある広告があったとして、果たしてその広告が本当に売り上げに貢献したのかどうか、ある政策が実施されたことが、本当に社会によい影響をもたらしたのかどうか、といった具体的な例を挙げながら解説されていますので、とてもわかりやすいです。

投稿元：

レビューを見る

データを分析すると言っても、適切なデータの集め方や適切な分析手法を考えるのが慣れないと難しいなと感じた。そして、実際にきちんとした分析を業務に取り入れるには、時間の制約てきに困難だと感じた。しかし少なくとも、基礎的な統計の素養は必要だと強く思わせてくれた点で、読んでみてとても良かった。
データ分析を仕事に活かすためには、担当者への啓蒙活動、DBの持ち方・アクセス権・ルール、身近にいる分析専門家との協力関係が重要だと理解した。

投稿元：

レビューを見る

超初心者向け。理系の人には不要の本であろう。高校の数学の統計学の章に含まれる内容が「上級なので」と割愛されていてずっこけた。そこまで徹底して数式を避けているので、数式を見ただけで蕁麻疹の出るような人でも、データ解析の何たるかや、その難しさを正しく理解できると思う。
文章が冗長に感じられ、この段落の記述は余計だろう、などと、読みながらいちいち雑念が入るので、わたし向けではなかった。

投稿元：

レビューを見る

◯データ分析を行う際に重要なのは、分析や結果の透明性であり、分析者以外にも説得力のある説明ができることです。(82p)

◯Xという政策がYという結果にどう影響したかという因果関係を科学的に示すデータ分析こそが、政策形成に必要であるためです。(207p)

◯問題に対する答えを出すためにはどのようなRCTをデザインすれば良いのか、RCTができないときはどのような自然実験が適用可能か、収集すべきデータは何なのか(209p)

★相関関係と因果関係は違うとはよく聞く。では因果関係を示すにはどうすれば良いか。ランダム化比較実験が最良であるが、それができないときの自然実験として、RDデザイン、集積分析、パネル・データ分析が紹介されている。

投稿元：

レビューを見る

・比較試験のグループ分けの悪い例のひとつ「希望に応じて介入を与える自己選抜」。
・最良な方法はランダム化比較試験『RCT』。
・RCTの三つの鉄則『適切なグループ分けをする』『グループ分けは必ずランダム（無作為）に行う』『各グループに十分なサンプル数を充てる』。

投稿元：

レビューを見る

今後のevidenced-based policymakingの方向性を考える上での基礎と特徴、限界をわかりやすく示す入門書。

データ分析の素地をつくる上で役立つ一冊。

・相関関係ではなく因果関係を掴む

・RCT
・自然実験
-RDデザイン:境界線付近での非連続な変化がある際、この付近のみ
-集積分析:階段状にインセンティブが変化する際、この付近のみ
-パネル・データ分析:複数期間の介入前後のデータが入手でき、2つのグループの平行トレンドの仮定が成立する際、介入前後の広範

・内部妥当性:実験参加者に対する因果関係の科学的立証性
・外部妥当性:分析結果の実験参加者以外への適用可能性

投稿元：

レビューを見る

データから因果関係を導く方法を数式を用いずに解説した入門書。

もっとも良い方法はランダム化比較試験(Random Controlled Trial)で、これは介入グループと比較グループに分けて実験を行う方法である。

実験ができない場合の自然実験手法(Natural Experiment)には以下のような方法がある。
・外的環境が急に変化する境界を利用する回帰不連続設計法(Regression Discontinuity Design)
・税率などの階段状の変化を利用する集積分析(Bunching Analysis)
・複数のグループに関して複数期間のデータがあるばいに使用できるパネルデータ分析(Panel Data Method)。ただし平行トレンドの仮定が必要となる。

本書では上記の方法の応用例と限界について解説している。

投稿元：

レビューを見る

数式なしの因果関係分析を解説している。
状況に応じたRCTとパネルデータ分析の必要性を説明している。

投稿元：

レビューを見る

因果関係と相関関係の違いを明らかにし、人工的に、あるいは自然現象的に、因果関係を導き出すか。概要としてはこんな感じだったと思うが、如何に。

投稿元：

レビューを見る

XとYに相関関係がある場合、考えられる可能性は３つある。①Xが原因でYが変化した。②Yが原因でXが変化した。③Zが原因でXとYが変化した。因果関係を見誤ると無駄な施策を実施する恐れがある。
ただし、因果関係の根拠を示すのは意外と難しい。本書ではこの方法として、ランダム化比較試験（RCT=ABテスト)、RDデザイン、集積分析、パネル・データ分析を紹介している。数式は使わず、図を用いて感覚的に理解しやすく工夫されている。
RCT以外の分析を使う状況はかなり限られると思うが、これらの手法があることは心にとどめておきたい。

投稿元：

レビューを見る

データ分析は大切だ。客のある仕事をしている人なら（客のない仕事ってあるんだろうか？）多かれ少なかれ仕事で使う。ぼくも使う。
そのくせ、変な例をちょくちょく見る。よくあるのが相関関係と因果関係をごっちゃにしているパターンで、「バイオレンス映画を見るとバイオレンスな人間になる」というたぐいのやつ。結構まともな新聞や本で見かけたりする。

本書はデータ分析の初歩の初歩、データ分析能力が必要な事情から、因果関係を調べるためのテストの方法までを平たく紹介してくれる。統計学も数式も出てこない。出て来るサンプルや具体例が実地に即していてなるほど的なので、すらすらと読める。
著者がアメリカ在住かつアメリカの大学の助教授なのはたまたまなのかな、と思っていたがそうでなさそうだ。アメリカはビジネス上の決定はもちろん、政策や施策の評価に科学的なデータ分析手法を導入するのが当たり前で、そういう例が豊富に出てくる。測定手法まで含めて施策や政策なんだな。

知っている話が多かったし、実用にはならないんだけれど、面白かった。