企業の従業員数が今年増えたり減ったりしたとき、その変化は翌年にどれだけ残るのでしょうか？このPythonチュートリアルでは、イギリスの140社のデータを用いて、この持続性の単純な推定がなぜ誤解を招くのか、そしてより慎重な手法と検証でどのように信頼できる答えにたどり着くのかを示します。ウェブブラウザで動くインタラクティブなアプリが付いています。
2004年の津波は、インドネシア・アチェの経済に長期的にどのような影響を与えたのでしょうか。初心者向けのこのPythonチュートリアルでは、シミュレーションデータ、夜間光、複数の因果推論手法を用いて、災害の前後で被災地域と非被災地域を比較します。
R版・Stata版のダブルLASSOチュートリアルのPython版です。同じデータ、同じ5つの推定量を用い、DoubleMLライブラリ（DoubleMLPLR、DoubleMLIRM、および LASSO・RandomForest・XGBoost 間での学習器のロバスト性）を実践的に紹介します。
スウェーデンが1991年に導入した炭素税は、交通からの二酸化炭素排出を減らしたのでしょうか、そして経済に悪影響はあったのでしょうか？この Python チュートリアルでは、他の豊かな国々からスウェーデンによく似た比較対象を作り、交通部門の排出が毎年約11%少なく、経済成長が鈍った兆しはないことを示します。ウェブブラウザで動くインタラクティブなアプリが付いています。
良い制度は国を豊かにするのでしょうか？このPythonチュートリアルでは、64の旧植民地における初期のヨーロッパ人入植者の死亡率を用いて制度の効果を取り出した、Acemoglu, Johnson, Robinson による2001年の研究を再現し、単純な比較ではその効果が過小評価されることを示します。ウェブブラウザで動くインタラクティブなアプリが付いています。
鉱業による富は地域の発展を助けるのでしょうか、妨げるのでしょうか、そしてその分かれ目は地域の制度の質にあるのでしょうか？このPythonチュートリアルでは、真の効果が分かっている地区の模擬データに因果機械学習を用い、鉱業と鉱物価格の影響が場所によってどう異なるかを測ります。ウェブブラウザで動くインタラクティブなアプリが付いています。
在宅勤務は従業員の生産性を高めるのでしょうか、それとも生産性の高い人がもともと在宅勤務を選んでいるだけなのでしょうか？この初心者向けPythonチュートリアルでは、答えが分かっている模擬データを用いて、仮定を示す、比べる対象を決める、効果を推定する、結果を検証するという因果関係の4つのステップを紹介します。ウェブブラウザで動くインタラクティブなアプリが付いています。
職場の退職貯蓄制度を利用できると、アメリカの世帯はより多く貯蓄するのでしょうか、それとも制度を利用できる世帯はもともと収入が高いだけなのでしょうか？このPythonチュートリアルでは、柔軟な予測モデルで収入などの違いを考慮できるダブル機械学習を、1991年の調査データに適用します。ウェブブラウザで動くインタラクティブなアプリが付いています。
ある関係が場所ごとにどう変わるかを測るとき、それぞれの場所の目に見えない特徴が答えをゆがめることがあります。このPythonチュートリアルでは、Li と Fotheringham による2026年の研究に沿って、225の地点を3期間にわたって観測した模擬データを用い、同じ場所を時間を通じて追うことでそのゆがみを取り除けることを示します。ウェブブラウザで動くインタラクティブなアプリが付いています。
職業訓練が失業者の就職を後押しするなら、誰が最も恩恵を受け、誰に優先して参加枠を提供すべきでしょうか？このPythonチュートリアルでは、真の効果が分かっている求職者の模擬データに因果機械学習を用い、平均的な効果から個人ごとの効果、そしてより良い訓練の割り当て方までを順に学びます。ウェブブラウザで動くインタラクティブなアプリが付いています。