Webアプリ

β・σ・クラブ収束、空間計量経済モデル、マルコフ動態、ジニ／タイル不平等、(M)GWRを推定します。

地域を地図化し記述します。コロプレス図、空間重み、モラン散布図、LISAクラスター地図、時空間ビュー。

空間的収束と格差の手法を、実行できるサンドボックスと平易な解説で学べます。

固定効果・変量効果・相関変量効果、FWL、ハウスマン検定、イベントスタディ、収束、クズネッツ波を推定します。

パネルデータを記述・可視化します。分布、欠損値、時系列傾向、群内／群間変動、パネル動態。

パネルデータ手法を、実行できるサンドボックスと平易な解説で学べます。

インタラクティブな Google Earth Engine アプリ。

インタラクティブな Google Earth Engine アプリ。

インタラクティブな Google Earth Engine アプリ。

インタラクティブな Google Earth Engine アプリ。

インタラクティブな Google Earth Engine アプリ。

インタラクティブな Google Earth Engine アプリ。

インタラクティブな Google Earth Engine アプリ。

インタラクティブな Google Earth Engine アプリ。

インタラクティブな Google Earth Engine アプリ。

インタラクティブな Google Earth Engine アプリ。

インタラクティブな Google Earth Engine アプリ。

インタラクティブな Google Earth Engine アプリ。

インタラクティブな Google Earth Engine アプリ。

インタラクティブな Google Earth Engine アプリ。

インタラクティブな Google Earth Engine アプリ。

インタラクティブな Google Earth Engine アプリ。

カリフォルニア州の提案99号によるタバコ規制の事例を用いて、Pythonで合成コントロール法とmlsynthライブラリを学びます。本チュートリアルでは、5つのドナー州から合成カリフォルニアを構築し、その重みと予測変数のバランスを読み解きます。続いて、空間プラセボ、時間プラセボ、leave-one-outによる再推定で結果を検証します。さらに、Stata版の結果を再現し、mlsynthの4つの推定量を比較します。

プーリングOLSから相関ランダム効果（Mundlak）まで、7つのパネルデータ推定量を2期間の労働者賃金パネルに適用しながら、初心者にも分かりやすく解説します。予測クイズ、2つの短い証明、インタラクティブなラボ、解答付き演習を通じて、個人内推定量が労働組合の賃金プレミアムをほぼ3倍にする理由を示します。

ファストフードチェーンのクーポン販促をシミュレーションしたデータを用いて、交絡因子を取り除くことで因果関係を切り出すFrisch-Waugh-Lovell定理を理解します。付録ではFWLをパネルデータに拡張します。

1998年に大きな橋がバングラデシュ北西部の数百万人を首都と結んだとき、この地域の経済は飛躍したのでしょうか。初心者向けのこのPythonチュートリアルでは、夜間光の衛星画像を用いて、橋の開通前後で、つながった地域と孤立したままの似た地域を比較します。

カリフォルニア州提案99を題材に、Synthetic Control法をゼロから解説するPythonチュートリアルです。3つの段階を順に登ります——Abadie・Diamond・Hainmuellerによる古典的な単体（シンプレックス）制約、制約ではなくデータにドナー州を選ばせるhorseshoe事前分布、そしてドナー集団に対するSUTVAを外し「他に誰が処置を受けたのか」を問うSakaguchi・Tagawaのベイズ空間モデルです。すべての数式を導出し、それを実装するコードと対応づけながら、scspillとmlsynthの両ライブラリを使います。カリフォルニアへの効果はどの緩和にも耐えて残ります。ドナー集団が汚染されていないという主張は、そうではありません。

処置ユニットが一つの場合の合成コントロール系推定量を、ひとつの設定インターフェースの背後にまとめたPythonライブラリmlsynthを丁寧に紹介します。差の差法、Synthetic Control、平均を除去したDSC、3つの変種をもつ合成差の差法（SDID）、MASC、拡張Synthetic Controlという6段のはしごを、各段につきmlsynthのクラス一つで登ります。どのオプションが何をするのか、そして既定値がいつの間にか別の推定量を返してしまう箇所はどこかを解説します。事例は2016年のブレグジット国民投票が英国のGDPに与えた損失です。

処置ユニットが一つの場合の推定量を、はしごを登るように順番に学ぶチュートリアルです。差の差法から始めて、Synthetic Control、平均を除去したDSC、3つの変種をもつ合成差の差法（SDID）、MASC、拡張Synthetic Controlまでを扱います。各手法をまずゼロから実装し、その後パッケージで再現します。データは1995年から2020年までのOECD24か国の四半期実質GDPです。R・Stata・Pythonの3言語のチートシートも収録しています。

空間計量経済学では通常、分析を始める前に「誰が隣人か」という地図が与えられます。このチュートリアルでは、estimateWパッケージを用いて、ヨーロッパの90のNUTS-1地域（2001〜2019年）のデータからその地図そのものを推定します。

Scott CunninghamのLaLondeテストをPythonで再現します。差分の差分法では、共変量が対照群の反実仮想トレンドに入る場合にのみATTを回復でき、素朴な推定値$3,621から実験的ベンチマークである$1,794を回復することを示します。

夜間光の衛星画像を地域所得の推計に変換し、各国の地域間格差を測定する方法を学びます。Pythonで一歩ずつ、国の発展に伴って地域間格差が一度拡大し、その後縮小するかを検証します。

Lessmann (2014) の空間的クズネッツ曲線を、初心者にもわかりやすくRで再現します。シミュレートした地域データから加重変動係数を構築し、クロスセクションOLS、fixestによる二元固定効果、RobinsonおよびBaltagi–Liのセミパラメトリック推定量で逆U字を推定します。

工業団地は地域の経済活動を高めるのか、そして誰のためにそうするのか。Pythonによる、エチオピアの工業団地を対象とした初心者向けの段階的な差分の差分法による評価です。合成的に較正されたデータを用いてHuang, Wang & Xu (2026) を再現し、pyfixestによるTWFEとイベントスタディ、Sun-Abraham、Borusyak/Gardner、Callaway-Sant’Annaといった最新の推定量に加えてdiff-diffによるGoodman-Bacon分解、DHSの世帯福祉と女性のエンパワーメントに関する調査重み付きの繰り返し横断面DiD、そしてConleyの空間標準誤差を扱います。

企業の雇用はどれほど持続的でしょうか。プールドOLS、固定効果、Anderson-HsiaoのIV、Arellano-Bondの差分GMM、Blundell-BondのシステムGMMを古典的な英国140社パネルに適用し、AR(2)検定・Hansen検定・操作変数の縮約（collapse）診断が、4つの魅力的だが誤った推定値の中から唯一擁護できる推定値をどのように選り分けるかを示します。

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。

単一の処置ユニットに対する拡張Synthetic Control法（ASCM）の、直感を重視した初心者向けチュートリアルです。augsynthパッケージを用いて、2012年のカンザス州の減税が一人当たりGDPに与えた影響を、古典的なSynthetic Controlからリッジによる拡張まで推定し、推論の4つの方法を丁寧に解説します。

合成的差分の差分法（SDID）を導入・導出し、カリフォルニア州の提案99に適用します。元の差分の差分法および合成コントロール法（synth2）と比較し、処置群が1つだけの場合のプラセボ推論の方法も説明します。

処置の導入時期が単位ごとに異なる「時差導入（staggered adoption）」へ合成的差分の差分法を拡張し、119か国の議会ジェンダー・クオータにStataで適用します。コホート別推定量とその全体ATTへの集計、最新のsdid_eventによるイベントスタディ、そしてブートストラップ・ジャックナイフ・プラセボの各推論を導出・解説します。

augsynthパッケージを用いた多国間設定での拡張Synthetic Control法の実践的な解説です。シミュレーションデータでsingle_augsynth、multisynth、augsynth_multioutを学び、その後Papaioannou (2021) のユーロ圏と生産性収束に関する主要な結果を再現します。

因果推論のためのダブルLASSOをわかりやすく解説します。Fitzgerald・Lattimore・Robinson・Zhu（2026）による、Donohue–Levitt の中絶と犯罪の問いの再現分析を、284個の候補コントロールと州単位のクラスター標準誤差を用いて再現します。

「処置」が空間上の一点であるとき、距離が割り当て変数になります。パラメトリックなリング型DiDと、データに基づくノンパラメトリックな代替手法を、まず答えのわかっているシミュレーション世界で、次に Linden・Rockoff の住宅価格研究で順に解説し、パラメトリックな −5.78% とノンパラメトリックな −20.6% を整合させます。

医療費負担適正化法（ACA）によるメディケイド拡大を事例に、2×2セル平均、TWFE、共変量調整済みDRDID、2×Tおよび Callaway–Sant’Anna の段階的イベントスタディ、HonestDiD の感度分析までを取り上げ、ユニットの規模が大きく異なる地域である場合に、人口加重が対象パラメータをどのように変えるかを示します。

素朴な事前事後比較、DiD、2種類のITS、時間軸RDD、合成コントロール、CausalImpact——6つの推定量を1つのチュートリアルにまとめ、カリフォルニア州の提案99号（1988年）のたばこ税に適用して、結果がどれだけ（そしてどこで）異なるかを確認します。

Pythonでのsynthetic controlと操作変数法——pysynconとpyfixestを用いて、スウェーデンの炭素税とCO2排出量に関するAndersson (2019) を再現します。

Sakaguchi & TagawaのカリフォルニアたばこのケーススタディをRで再現します——3つの推定量、1つのATT、そしてネバダ規模のスピルオーバー。

pyfixestとlinearmodelsを用いて、Acemoglu, Johnson, Robinson (2001) をPythonで再現します。植民地時代の入植者死亡率を操作変数として64の旧植民地における現代の制度を推定し、操作変数法（IV）がOLSによって80パーセント過小評価された因果効果をどのように回復するかを学びます。

Acemoglu, Johnson and Robinson（2001）をStataで再現します。64の旧植民地について、入植者の死亡率を操作変数として現代の制度を推定し、OLSが80パーセント過小評価する因果効果をIVがどのように回復するかを学びます。

シミュレーションされた資源の呪いのデータに適用し、EconMLのCausalForestDMLとダブル機械学習を用いて、鉱業と鉱物価格が経済発展に与える異質な因果効果を推定します。

Stata 19のcateコマンドを用いて、ペアワイズの二値比較による多値処置を扱い、採掘と鉱物価格が経済発展に与える異質な因果効果を推定します。シミュレートした資源の呪いのパネルデータセットに適用します。

在宅勤務と生産性に関するシミュレーションされた観察データを用いて、DoWhyの4ステップフレームワークによる因果推論を初心者向けにわかりやすく紹介します。

Li & Fotheringham (2026) に忠実なPythonチュートリアルです。2段階のMGWFERアルゴリズムを用いて、マルチスケールGWRから時間不変の空間的交絡を取り除き、シミュレートされたパネルデータ（225ユニット×3期間）から不偏な空間変動傾きと内在的な文脈効果の両方を回復します。

1991年SIPP年金データセットを用い、3つのDoubleMLモデル（PLR、IRM、IIVM）により、401(k)の適格性と加入が純金融資産に与える因果効果を推定します。

Stata 19の新しいcateコマンドを用いて、401(k)加入資格が世帯資産に与える効果が世帯間でどのように異なるかを推定します。標準的なassets3データセットに、PO・AIPW・GATE・GATES・ノンパラメトリック級数推定量を適用します。

因果機械学習を初心者向けにわかりやすく解説します。真の効果が既知の合成フランダースALMP風コホートに対して、DoubleMLとEconMLを用いて、ATE・GATE・IATEと厚生を最大化する割り当てを扱います。

Stataにおける6つの処置効果推定量（回帰調整、IPW、IPWRA、AIPW、最近傍マッチング、傾向スコアマッチング）を初心者向けに解説します。母親の喫煙と出生体重という古典的なケーススタディに適用します。

Kremer, Willis, and You（2021）の主要な発見を再現し、2000年以降に無条件収束が現れた理由と、成長の決定要因の収束がこの変化をどのように説明するかを理解します。

Stataでベータ収束とシグマ収束の分析を行い、Penn World Tables 10.0のデータを用いて、貧しい国が豊かな国に追いついているかどうかを検証します。

Arellano-Bond GMMを用いて、戦争が1人当たり対数GDPに与える国内の動学的効果をStataで推定します。Thies and Baum（2020）を、160カ国・1955〜2015年のパネルで再現します。

Rでのsynthetic control法に関する初心者向けチュートリアルです。バスク地方の事例研究を用いて、1970年から1997年までの地域の一人当たりGDPに対する紛争の経済的コストを推定します。

PyFixestを用いてPythonでN字型のクズネッツ曲線を再現します。180か国を対象に、プールドOLSから二元固定効果、転換点分析、地域間格差の決定要因までを扱います。

PyFixestとGreat Tablesを用いて、Pythonで差分の差分法（DiD）を学びます。Corral and Yang (2024) に基づき、2×2デザイン、TWFE回帰、推論の比較、論文品質の表、イベントスタディ、平行トレンドの検定を扱います。

Stataで合成コントロール法を用いて、カリフォルニア州の提案99号というタバコ規制プログラムがタバコ販売に与えた因果効果を推定します。空間プラセボ、時間プラセボ、leave-one-outによる頑健性検定も行います。

Hodler and Raschky（2014）を再現し、アフリカの5,689地域のパネルデータを用いて、2SLS操作変数法により経済的ショックが内戦に与える因果効果を推定します。

放課後の個別指導プログラムのケーススタディを用いて、Stataで差分の差分法（DiD）を学びます。Corral and Yang（2024）に基づき、2×2デザイン、TWFE回帰、イベントスタディ、平行トレンドの検定を扱います。

シャープな回帰不連続デザインを用いて、学校の個別指導プログラムが生徒の修了試験のスコアに与える因果効果を評価します。StataでパラメトリックなOLSとノンパラメトリックなrdrobust推定を行います。

Classifier-LASSO法（Su, Shi, Phillips 2016）を用いて、パネルデータにおける潜在的なグループ構造を特定します。プールされた民主主義と成長の効果+1.055が、57カ国における+2.151の効果と41カ国における-0.936の効果を覆い隠していることを明らかにします。

手作業による平均除去と二元固定効果（TWFE）の比較——Frisch-Waugh-Lovell定理を通じて、TWFEが平均除去されたデータに対するOLSにすぎないことを示します。150カ国のBarro収束パネルを用いた実践的な証明付きです。

Pythonとlinearmodelsを用いて、パネルデータ回帰における標準誤差推定量を比較します——従来型からクラスター頑健、Driscoll-Kraay、固定効果まで。

正解が既知の合成パネルデータを用いて、ベイズモデル平均化（BMA）とDouble-Selection LASSOを環境クズネッツ曲線に適用し、両手法がCO2排出量の真の予測因子をどのように回復するかを示します。

Bayesian Dynamic Systems Modeling（BDSM）のRパッケージを用いた動的パネルBayesian Model Averagingを、国別の経済成長要因に適用します——ラグ付き従属変数、固定効果、弱外生性を通じて逆の因果関係に対処します。

Stataのscatterfitパッケージのハンズオンガイドです。Frisch-Waugh-Lovell定理の理解から、シミュレートした交絡を通じて、実際のパネルデータにおける固定効果の可視化までを扱い、「変数を制御する」とは散布図上でどのように見えるのかを示します。

Rのfwlplotパッケージの実践的なガイドです——Frisch-Waugh-Lovell定理の理解から、シミュレートされた交絡を通じて、実際のパネルデータにおける固定効果の可視化まで——「コントロールする」とは散布図として何を意味するのかを示します。

Stataのspxtivdfregパッケージを用いて、観測されない共通因子を伴う空間動学パネルモデルを推定します。空間ラグ、時間的な持続性、内生的な説明変数、潜在因子を同時に扱うIVアプローチです。

RのSDPDmodパッケージを用いた空間パネルデータモデリングの実践ガイドです。ベイズによるモデル比較から、Lee-Yuバイアス補正を伴う静学・動学のSAR/SDM推定、さらに直接効果・間接効果・総合効果の分解までを、米国46州（1963〜1992年）のタバコ需要に適用して解説します。

Stataのhonestdidパッケージを用いて、差分の差分法の結果が平行トレンドの違反に対してどの程度頑健かを評価します。単純な2×2のDiDから、相対的な大きさと平滑性の制約を伴う複数期間のイベントスタディへと進めます。

段階的な処置を伴う差分の差分法のガイドです——TWFEの落とし穴から、Callaway-Sant’Annaのグループ時間ATT、二重頑健推定、HonestDiDによる感度分析まで——最低賃金が若年雇用に与える効果に適用します。

Stataで回帰調整、逆確率重み付け、二重頑健法、差分の差分法を用いて、現金給付プログラムが世帯消費に与える因果効果を評価します。

変数選択に対する3つの体系的なアプローチ——BMA、LASSO、WALS——を、真の値が既知の合成的な国別CO2排出量データに適用し、頑健な推論のための方法論的トライアンギュレーションを示します。

予測区間付きのsynthetic controlにより、scpiパッケージを用いてドイツ再統一のGDPへの影響における不確実性を定量化します。

マルチスケール地理的加重回帰（MGWR）を適用し、各変数がそれぞれ固有の空間スケールで作用しながら、インドネシアの514の県で経済的なキャッチアップがどのように変化するかを明らかにします。

PySALを用いた探索的空間データ分析の入門です。南米153地域を対象に、コロプレス図、空間ウェイト、Moran’s I、LISAクラスター、時空間動態、そしてベネズエラ・ボリビアの比較分析を扱います。

南米153地域の実際の地方レベルデータを用い、プールドPCAによって2つの期間にわたって比較可能な人間開発指数を構築します。さらに期間ごとのPCAと対比し、時系列比較にはプールドな標準化が不可欠である理由を示します。

50カ国のシミュレートされたデータを用い、平均寿命と乳児死亡率から手作業のPCAによって合成的な健康指標を構築し、その結果をscikit-learnと照合して検証します。

PyFixestを用いて高次元固定効果を含む回帰モデルを推定します。単純なOLSから始め、Two-Way FE、操作変数法、パネルデータ、イベントスタディまでを扱います。

diff-diffパッケージを用いて、差分の差分法による因果的な処置効果を推定します。古典的な2×2デザインから、Callaway-Sant’Anna法による段階的導入、HonestDiDによる感度分析までを扱います。

PythonのCausalBoundingEngineパッケージを用いて、未観測の交絡のもとでManski境界とTian-Pearl境界による因果的な区間を計算します。

Lalondeデータセットを用い、DoWhyの4ステップ因果推論フレームワークにより、職業訓練プログラムが収入に与える因果効果を推定します。

連続データを対象としたランダムフォレスト回帰の、初心者にも分かりやすい包括的な入門です。ボリビアの衛星画像を用い、5分割交差検証と out-of-fold（フォールド外）予測でモデルを一貫して評価します。

ペンシルベニア・ボーナス実験を用いて、ダブル機械学習により現金ボーナスが失業期間に与える因果効果を推定します。

Stataのxsmleパッケージを用いて、空間ダービンモデル（SDM）、Wald仕様検定、動学的拡張により、パネルデータにおける空間的スピルオーバーをモデル化します。

Elhorst（2014）に従い、Columbusの犯罪データセットを用いて、クロスセクションの空間モデルの全体系（OLS、SAR、SEM、SLX、SDM、SDEM、SAC、GNS）をStataで探究します。