https://carlos-mendez.org/ja/books/著書Wowchemy (https://wowchemy.com)ja-jp© 2018–2026 Carlos Mendez. 無断転載を禁じます。https://carlos-mendez.org/media/icon_huedfae549300b4ca5d201a9bd09a3ecd5_79625_512x512_fill_lanczos_center_3.pnghttps://carlos-mendez.org/ja/books/https://carlos-mendez.org/ja/books/ccm/Sun, 17 May 2026 00:00:00 +0000https://carlos-mendez.org/ja/books/ccm/<h2 id="比較因果メトリクスへようこそ開発中">比較因果メトリクスへようこそ！（開発中）</h2> <p><em>地域インパクト評価への入門</em></p> <p>RとQuartoで実装・レンダリングされた現代的な因果推論の手法を用いた<strong>地域インパクト評価</strong>への入門です。本リソースは、政策や介入が地域の成果に及ぼす効果を評価するための準実験的手法を扱い、完全な再現性を実現するため解説付きの実例と一般公開データを提供します。</p> <p>開発中の本書には以下が含まれます。</p> <ul> <li><strong>手法の比較ツアー</strong> — 分割時系列分析や差分の差分法から、合成コントロール、ベイズ構造時系列、そして最新のパネルデータ推定量まで、地域比較の視点に基づいて解説します。</li> <li><strong>R + Quarto ノートブック</strong> — 折りたたみ可能なコードを備えた再現可能な各章。ローカルでレンダリングしたり、ご自身のデータで拡張したりできます。</li> </ul> <p>本書は2つの部で構成されています。</p> <ul> <li><strong>第I部 — 単一処置ユニット（第1〜9章）</strong> では、カリフォルニア州の1989年「提案99」たばこ税という単一の事例を用いて直観を養います。</li> <li><strong>第II部 — 段階的導入（第10〜12章）</strong> では、多数のユニットが異なる時点で政策を導入する状況へと進み、Callaway–Sant&rsquo;Anna の最低賃金に関する郡パネルを用います。</li> </ul> <h2 id="章構成">章構成</h2> <p><strong>第I部 — 単一処置ユニット</strong></p> <ol> <li><a href="https://quarcs-lab.github.io/ccm/01-introduction.html" target="_blank" rel="noopener">はじめに</a></li> <li><a href="https://quarcs-lab.github.io/ccm/02-interrupted-time-series.html" target="_blank" rel="noopener">分割時系列分析</a></li> <li><a href="https://quarcs-lab.github.io/ccm/03-basic-diff-in-diff.html" target="_blank" rel="noopener">基本的な差分の差分法</a></li> <li><a href="https://quarcs-lab.github.io/ccm/04-classical-synthetic-control.html" target="_blank" rel="noopener">古典的な合成コントロール</a></li> <li><a href="https://quarcs-lab.github.io/ccm/05-augmented-synthetic-control.html" target="_blank" rel="noopener">拡張合成コントロール</a></li> <li><a href="https://quarcs-lab.github.io/ccm/06-synthetic-did.html" target="_blank" rel="noopener">合成差分の差分法</a></li> <li><a href="https://quarcs-lab.github.io/ccm/07-structural-bayesian-ts.html" target="_blank" rel="noopener">ベイズ構造時系列</a></li> <li><a href="https://quarcs-lab.github.io/ccm/08-synthetic-control-prediction-intervals.html" target="_blank" rel="noopener">予測区間付き合成コントロール</a></li> <li><a href="https://quarcs-lab.github.io/ccm/09-bayesian-spatial-sc.html" target="_blank" rel="noopener">ベイズ空間合成コントロール</a></li> </ol> <p><strong>第II部 — 段階的導入</strong></p> <ol start="10"> <li><a href="https://quarcs-lab.github.io/ccm/10-staggered-did.html" target="_blank" rel="noopener">段階的差分の差分法</a></li> <li><a href="https://quarcs-lab.github.io/ccm/11-matrix-completion-and-ife.html" target="_blank" rel="noopener">交互作用固定効果と行列補完</a></li> <li><a href="https://quarcs-lab.github.io/ccm/12-gsynth.html" target="_blank" rel="noopener">一般化合成コントロール</a></li> </ol> <p>さらに：<a href="https://quarcs-lab.github.io/ccm/references.html" target="_blank" rel="noopener">参考文献</a></p> <p><a href="https://github.com/quarcs-lab/ccm" target="_blank" rel="noopener">https://github.com/quarcs-lab/ccm</a> で貢献やコメントをお寄せください。</p> <h2 id="関連プロジェクト">関連プロジェクト</h2> <p>補完リソース：<a href="https://carlos-mendez.org/ja/books/intro2causal/">因果メトリクスをマスターする</a> — Angrist &amp; Pischke の <em>Mastering &lsquo;Metrics</em> に基づく、AIを活用したPythonの学習ガイドです。</p>https://carlos-mendez.org/ja/books/intro2causal/Wed, 22 Apr 2026 00:00:00 +0000https://carlos-mendez.org/ja/books/intro2causal/<h2 id="因果メトリクスをマスターするへようこそ">因果メトリクスをマスターするへようこそ！</h2> <p><strong>因果メトリクスをマスターする</strong>のための、AIを活用した学習ガイドです。Angrist &amp; Pischke の基礎的な教科書 <a href="https://www.masteringmetrics.com/" target="_blank" rel="noopener"><em>Mastering &lsquo;Metrics: The Path from Cause to Effect</em></a> をもとに、インタラクティブなPythonノートブックとAIツールを使って因果推論の基礎を学びます。</p> <p>本プラットフォームには以下が含まれます。</p> <ul> <li><strong>基礎的な手法</strong> — Angrist &amp; Pischke の <em>Mastering &lsquo;Metrics</em> に基づきます。ランダム化試験から差分の差分法まで、因果推論を学びます。</li> <li><strong>Pythonノートブック</strong> — インストール不要のGoogle Colabノートブック。実データ、動作するコード、各手法の完全な実装を備えています。</li> <li><strong>AIを活用した学習</strong> — 異なる教育スタイルを持つ複数のAIチューター。</li> </ul> <h2 id="インタラクティブなgoogle-colabノートブック">インタラクティブなGoogle Colabノートブック</h2> <p>下記のいずれかのバッジをクリックすると、ブラウザ上で即座に開いて実行できます。</p> <h3 id="第i部概念的枠組み">第I部：概念的枠組み</h3> <table> <thead> <tr> <th>章</th> <th>タイトル</th> <th>トピック</th> <th>Colabノートブック</th> </tr> </thead> <tbody> <tr> <td><strong>1</strong></td> <td>ランダム化試験</td> <td>選択バイアス、潜在的結果、RAND HIE</td> <td><a href="https://colab.research.google.com/github/cmg777/intro2causal/blob/main/notebooks_colab/01-randomized-trials.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> </tbody> </table> <h3 id="第ii部5つのツール">第II部：5つのツール</h3> <table> <thead> <tr> <th>章</th> <th>タイトル</th> <th>トピック</th> <th>Colabノートブック</th> </tr> </thead> <tbody> <tr> <td><strong>2</strong></td> <td>回帰</td> <td>OLS、欠落変数バイアス、不適切な統制変数</td> <td><a href="https://colab.research.google.com/github/cmg777/intro2causal/blob/main/notebooks_colab/02-regression.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> <tr> <td><strong>3</strong></td> <td>操作変数</td> <td>LATE、コンプライアー、ミネアポリスの家庭内暴力実験</td> <td><a href="https://colab.research.google.com/github/cmg777/intro2causal/blob/main/notebooks_colab/03-instrumental-variables.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> <tr> <td><strong>4</strong></td> <td>回帰不連続デザイン</td> <td>シャープRD、バンド幅、飲酒の法定年齢と死亡率</td> <td><a href="https://colab.research.google.com/github/cmg777/intro2causal/blob/main/notebooks_colab/04-regression-discontinuity.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> <tr> <td><strong>5</strong></td> <td>差分の差分法</td> <td>平行トレンド、双方向固定効果、大恐慌期の銀行</td> <td><a href="https://colab.research.google.com/github/cmg777/intro2causal/blob/main/notebooks_colab/05-differences-in-differences.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> </tbody> </table> <h3 id="第iii部総合">第III部：総合</h3> <table> <thead> <tr> <th>章</th> <th>タイトル</th> <th>トピック</th> <th>Colabノートブック</th> </tr> </thead> <tbody> <tr> <td><strong>6</strong></td> <td>教育の収益</td> <td>双子、出生四半期、学位の効果</td> <td><a href="https://colab.research.google.com/github/cmg777/intro2causal/blob/main/notebooks_colab/06-wages-of-schooling.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> </tbody> </table> <h3 id="ノートブックの使い方">ノートブックの使い方</h3> <ol> <li>上記のいずれかの <strong>「Open in Colab」バッジをクリックします</strong></li> <li>Googleアカウント（無料）で <strong>ログインします</strong></li> <li>ランタイムメニューの <strong>「すべて実行」をクリックします</strong>（または各セルを個別に実行します）</li> <li><strong>探索して変更します</strong> — パラメータを変えたり、別のモデルを試したり、データで実験したりできます</li> <li><strong>作業を保存します</strong> — ファイル ＞ ドライブにコピーを保存 で、変更内容を保持できます</li> </ol> <p><strong>インストール不要、ダウンロード不要、設定不要！</strong></p> <h2 id="著者とクレジット">著者とクレジット</h2> <p><strong>Carlos Mendez</strong> — Pythonでの実装および教育用ノートブックの開発</p> <p><strong>Joshua D. Angrist &amp; Jörn-Steffen Pischke</strong> — 原著教科書 <a href="https://www.masteringmetrics.com/" target="_blank" rel="noopener"><em>Mastering &lsquo;Metrics</em></a></p>https://carlos-mendez.org/ja/books/metricsai/Mon, 26 Jan 2026 00:00:00 +0000https://carlos-mendez.org/ja/books/metricsai/<h1 id="-ai主導の計量経済学">🤖 AI主導の計量経済学</h1> <p><strong>クラウド上のPythonノートブックによる入門</strong> <img src="https://raw.githubusercontent.com/quarcs-lab/metricsai/main/images/ch00_visual_summary.jpg" alt="Chapter 0 visual summary" style="max-width: 100%; height: auto;"></p> <hr> <h2 id="-ビジョン">🚀 ビジョン</h2> <ul> <li>🤖 AI時代の計量経済学</li> <li>☁️ クラウドでのインタラクティブな学習</li> <li>📊 実データ、本物の経済学的問い</li> </ul> <p>計量経済学の学習は、理論的厳密さを保ちながら、能動的・計算的でAIに支援されたプロセスとして捉え直されます。</p> <hr> <h2 id="-なぜ計量経済学の教育を見直すのか">🧠 なぜ計量経済学の教育を見直すのか</h2> <ul> <li>📖 受動的な教科書</li> <li>💻 高い技術的障壁</li> <li>🔗 理論とその実装の間の隔たり</li> </ul> <p>伝統的なアプローチは、意味のあるデータ分析をしばしば遅らせ、概念的な理解を妨げます。</p> <hr> <h2 id="-本書のアプローチ">🔄 本書のアプローチ</h2> <ul> <li>🧱 基礎概念</li> <li>🧪 計算的ノートブック</li> <li>🤖 AIで強化された学習</li> </ul> <p>3つの柱からなる体系が、理論、プログラミング、AIを統合し、能動的な学習エコシステムを生み出します。</p> <hr> <h2 id="-柱1基礎概念">📘 柱1：基礎概念</h2> <ul> <li>📚 Cameron（2022）に基づく</li> <li>📐 厳密な計量経済学の理論</li> <li>🌍 応用的で実践的なアプローチ</li> </ul> <p>構成と内容は、標準的な計量経済学および研究の実践に沿っています。</p> <hr> <h2 id="-構成">🗂️ 構成</h2> <ul> <li>🧮 統計学の基礎</li> <li>📉 二変量回帰</li> <li>📊 重回帰</li> <li>🔬 発展的なテーマ</li> </ul> <p>17章が、基礎から現代的な実証的手法へと体系的に進みます。</p> <hr> <h2 id="-柱2計算的ノートブック">☁️ 柱2：計算的ノートブック</h2> <ul> <li>🚫 インストール不要</li> <li>🧑‍💻 Google Colab</li> <li>🌐 あらゆるデバイスからアクセス</li> </ul> <p>各章には、インタラクティブなPythonノートブックが付属します。</p> <hr> <h2 id="-現代的なpythonスタック">🧰 現代的なPythonスタック</h2> <ul> <li>🐼 データ操作</li> <li>📐 計量経済学的モデリング</li> <li>📊 可視化</li> </ul> <p>学習者は、実証研究のために広く用いられ、応用の効くツールを学びます。</p> <hr> <h2 id="-プログラミングで学ぶ">🔁 プログラミングで学ぶ</h2> <ul> <li>✏️ コードを修正し再実行する</li> <li>⚡ 即時のフィードバック</li> <li>🔍 能動的な実験</li> </ul> <p>理解は、データとモデルとの直接的なやり取りを通じて深まります。</p> <hr> <h2 id="-柱3aiで強化された学習">🤖 柱3：AIで強化された学習</h2> <ul> <li>🖼️ 視覚的な要約</li> <li>📑 AIが生成したスライド</li> <li>🎙️ ポッドキャストとクイズ</li> </ul> <p>複数の形式が学習を補強し、さまざまな好みに適応します。</p> <hr> <h2 id="-aiの責任ある利用">⚖️ AIの責任ある利用</h2> <ul> <li>🧠 AIは思考を支援するものであり、置き換えるものではありません</li> <li>🔍 検証は不可欠です</li> <li>📘 理論は依然として中心にあります</li> </ul> <p>AIは理解を高めますが、計量経済学的な推論に取って代わるものではありません。</p> <hr> <h2 id="-3つの要素からなる学習システム">🔗 3つの要素からなる学習システム</h2> <ul> <li>📕 本書</li> <li>🌐 metricsAIウェブサイト</li> <li>📘 Cameronの教科書</li> </ul> <p>これらは全体として、完結的で一貫した学習環境を形作ります。</p> <hr> <h2 id="-結論">🎓 結論</h2> <ul> <li>📊 計算を通じた計量経済学</li> <li>🤖 AIで強化された</li> <li>🌍 身近で厳密な</li> </ul> <hr> <h2 id="-インタラクティブなgoogle-colabノートブック">📓 インタラクティブなGoogle Colabノートブック</h2> <p>下記のいずれかのバッジをクリックすると、ブラウザ上で即座に開いて実行できます。</p> <h3 id="第i部統計の基礎">第I部：統計の基礎</h3> <table> <thead> <tr> <th>章</th> <th>タイトル</th> <th>Colabノートブック</th> </tr> </thead> <tbody> <tr> <td><strong>1</strong></td> <td>経済データの分析</td> <td><a href="https://colab.research.google.com/github/quarcs-lab/metricsai/blob/main/notebooks_colab/ch01_Analysis_of_Economics_Data.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> <tr> <td><strong>2</strong></td> <td>一変量データの要約</td> <td><a href="https://colab.research.google.com/github/quarcs-lab/metricsai/blob/main/notebooks_colab/ch02_Univariate_Data_Summary.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> <tr> <td><strong>3</strong></td> <td>標本平均</td> <td><a href="https://colab.research.google.com/github/quarcs-lab/metricsai/blob/main/notebooks_colab/ch03_The_Sample_Mean.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> <tr> <td><strong>4</strong></td> <td>平均に関する統計的推測</td> <td><a href="https://colab.research.google.com/github/quarcs-lab/metricsai/blob/main/notebooks_colab/ch04_Statistical_Inference_for_the_Mean.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> </tbody> </table> <h3 id="第ii部二変量回帰">第II部：二変量回帰</h3> <table> <thead> <tr> <th>章</th> <th>タイトル</th> <th>Colabノートブック</th> </tr> </thead> <tbody> <tr> <td><strong>5</strong></td> <td>二変量データの要約</td> <td><a href="https://colab.research.google.com/github/quarcs-lab/metricsai/blob/main/notebooks_colab/ch05_Bivariate_Data_Summary.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> <tr> <td><strong>6</strong></td> <td>最小二乗推定量</td> <td><a href="https://colab.research.google.com/github/quarcs-lab/metricsai/blob/main/notebooks_colab/ch06_The_Least_Squares_Estimator.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> <tr> <td><strong>7</strong></td> <td>二変量回帰の統計的推測</td> <td><a href="https://colab.research.google.com/github/quarcs-lab/metricsai/blob/main/notebooks_colab/ch07_Statistical_Inference_for_Bivariate_Regression.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> <tr> <td><strong>8</strong></td> <td>二変量回帰のケーススタディ</td> <td><a href="https://colab.research.google.com/github/quarcs-lab/metricsai/blob/main/notebooks_colab/ch08_Case_Studies_for_Bivariate_Regression.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> <tr> <td><strong>9</strong></td> <td>自然対数を用いたモデル</td> <td><a href="https://colab.research.google.com/github/quarcs-lab/metricsai/blob/main/notebooks_colab/ch09_Models_with_Natural_Logarithms.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> </tbody> </table> <h3 id="第iii部重回帰">第III部：重回帰</h3> <table> <thead> <tr> <th>章</th> <th>タイトル</th> <th>Colabノートブック</th> </tr> </thead> <tbody> <tr> <td><strong>10</strong></td> <td>重回帰のためのデータ要約</td> <td><a href="https://colab.research.google.com/github/quarcs-lab/metricsai/blob/main/notebooks_colab/ch10_Data_Summary_for_Multiple_Regression.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> <tr> <td><strong>11</strong></td> <td>重回帰の統計的推測</td> <td><a href="https://colab.research.google.com/github/quarcs-lab/metricsai/blob/main/notebooks_colab/ch11_Statistical_Inference_for_Multiple_Regression.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> <tr> <td><strong>12</strong></td> <td>重回帰に関する発展的トピック</td> <td><a href="https://colab.research.google.com/github/quarcs-lab/metricsai/blob/main/notebooks_colab/ch12_Further_Topics_in_Multiple_Regression.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> <tr> <td><strong>13</strong></td> <td>重回帰のケーススタディ</td> <td><a href="https://colab.research.google.com/github/quarcs-lab/metricsai/blob/main/notebooks_colab/ch13_Case_Studies_for_Multiple_Regression.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> </tbody> </table> <h3 id="第iv部発展的トピック">第IV部：発展的トピック</h3> <table> <thead> <tr> <th>章</th> <th>タイトル</th> <th>Colabノートブック</th> </tr> </thead> <tbody> <tr> <td><strong>14</strong></td> <td>指示変数を用いた回帰</td> <td><a href="https://colab.research.google.com/github/quarcs-lab/metricsai/blob/main/notebooks_colab/ch14_Regression_with_Indicator_Variables.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> <tr> <td><strong>15</strong></td> <td>変換変数を用いた回帰</td> <td><a href="https://colab.research.google.com/github/quarcs-lab/metricsai/blob/main/notebooks_colab/ch15_Regression_with_Transformed_Variables.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> <tr> <td><strong>16</strong></td> <td>モデルとデータの検証</td> <td><a href="https://colab.research.google.com/github/quarcs-lab/metricsai/blob/main/notebooks_colab/ch16_Checking_the_Model_and_Data.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> <tr> <td><strong>17</strong></td> <td>パネルデータ、時系列、因果性</td> <td><a href="https://colab.research.google.com/github/quarcs-lab/metricsai/blob/main/notebooks_colab/ch17_Panel_Data_Time_Series_Data_Causation.ipynb" target="_blank" rel="noopener"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"></a></td> </tr> </tbody> </table> <h3 id="ノートブックの使い方">ノートブックの使い方</h3> <ol> <li>上記のいずれかの <strong>「Open in Colab」バッジをクリックします</strong></li> <li>Googleアカウント（無料）で <strong>ログインします</strong></li> <li>ランタイムメニューの <strong>「すべて実行」をクリックします</strong>（または各セルを個別に実行します）</li> <li><strong>探索して変更します</strong> - パラメータを変えたり、別のモデルを試したり、データで実験したりできます</li> <li><strong>作業を保存します</strong> - ファイル → ドライブにコピーを保存 で、変更内容を保持できます</li> </ol> <p><strong>インストール不要、ダウンロード不要、設定不要！</strong></p> <h2 id="-著者とクレジット">👥 著者とクレジット</h2> <p><strong>Carlos Mendez</strong> - Pythonでの実装および教育用ノートブックの開発</p> <p><strong>A. Colin Cameron</strong> - 教科書、データ、Stata/Rのコード、および原版スライド。</p>https://carlos-mendez.org/ja/books/convergence-clubs/Tue, 17 Nov 2020 00:00:00 +0000https://carlos-mendez.org/ja/books/convergence-clubs/https://carlos-mendez.org/ja/books/essays-productivity/Mon, 27 Jul 2015 00:00:00 +0000https://carlos-mendez.org/ja/books/essays-productivity/