出版書誌データベース

近年の統計科学では、原因と結果の因果関係を正確に知ろうとするアプローチが盛んであり、これらのアプローチは一般に因果推論と呼ばれている。本書で扱う傾向スコアも、因果推論を主眼とする方法の一つである。一般的に、処置の有無をランダムに割り当てることのできない調査観察データでは、処置群と統制群の間に属性の違いが生じる。傾向スコアとは処置の有無に影響を与える複数の情報を集約した要約指標であり、この要約指標を用いて、あたかもランダム化実験が行われたかのように、処置群と統制群の元々の属性の違いを調整する。
本書では、第1章で傾向スコアの基礎となる方法や仮定をレビューし、第2章で傾向スコアのモデリングと評価の概要について説明する。また一般的な傾向スコア法（マッチング、層別化、逆確率加重、共変量調整）をレビューし、第3章では、これらの手法のうちいずれの方法を採用すべきなのかを検討する。さらに、第4章では、処置群と統制群のバランスをとるための個々の共変量の評価や調整後の因果効果の推定など、応用面で生じる問題について検討し、最終章は傾向スコアを用いるアプローチの限界についての議論で締めくくられる。
本書は傾向スコアを詳しく理解したい初学者や、観察データを用いた因果推論を行いたい分析者にとって最適の入門書である。

[原著: Propensity Score Methods and Applications, Sage Publications, Inc., 2018]

第1章 傾向スコアの基本的な考え方
1.1 因果推論
　1.1.1 実験デザインと観察研究
　1.1.2 観察研究における内的妥当性
　1.1.3 選択バイアスを減らすための既存の方法
1.2 傾向スコア
　1.2.1 傾向スコアとはなにか
　1.2.2 なぜ傾向スコアを使うのか
　1.2.3 いつ傾向スコアを使うのか
1.3 仮定
　1.3.1 無視できる処置割当の仮定
　1.3.2 SUTVA
　1.3.3 共通サポートと分布の重なり
1.4 まとめ

第2章 共変量選択と傾向スコア推定
2.1 共変量選択
　2.1.1 共変量選択のメカニズム
　2.1.2 共変量選択の理論的基礎付け
　2.1.3 適切な共変量を決定するための手順
　2.1.4 共線性と過剰補正
2.2 傾向スコア推定
　2.2.1 ロジスティック回帰
　2.2.2 決定木や回帰木による方法
　2.2.3 アンサンブル法
　2.2.4 どのモデルがベストか
2.3 まとめ
2.4 具体例
　2.4.1 データの説明
　2.4.2 共変量選択
　2.4.3 傾向スコア推定

第3章 傾向スコア調整法
3.1 傾向スコアマッチング
　3.1.1 傾向スコアマッチングの類型
　3.1.2 貪欲マッチング
　3.1.3 複雑マッチング
　3.1.4 マッチングのバリエーション
　3.1.5 共通サポート
3.2 その他の傾向スコア調整法
　3.2.1 層別化
　3.2.2 重み付け
　3.2.3 共変量調整
3.3 まとめ
3.4 具体例

第4章 共変量評価と因果効果推定
4.1 共変量分布のバランスの評価
　4.1.1 選択バイアス
　4.1.2 標準化バイアス
　4.1.3 バイアス低減率
　4.1.4 グラフと統計的検定
4.2 因果効果推定
　4.2.1 マッチング後の分析
　4.2.2 その他の傾向スコア法の分析
　4.2.3 二重に頑健な方法
4.3 感度分析
4.4 まとめ
4.5 具体例
　4.5.1 傾向スコアマッチング前後の共変量のバランスを確認する例
　4.5.2 傾向スコアマッチング後の処置効果の推定
　4.5.3 感度分析

第5章 まとめ
5.1 傾向スコア法の限界とその対処法
　5.1.1 隠れたバイアス
　5.1.2 傾向スコアマッチングの問題点
　5.1.3 サンプルの制限や除外
　5.1.4 傾向スコア重み付けの問題点
5.2 分析手続きのまとめ
　5.2.1 共変量選択
　5.2.2 傾向スコアの推定
　5.2.3 傾向スコアの共通サポート
　5.2.4 調整法のまとめ
　5.2.5 共変量と傾向スコアのバランスチェック
　5.2.6 処置効果の推定
　5.2.7 感度分析
5.3 最後に
　5.3.1 傾向スコアはトラブルメーカーなのか
　5.3.2 傾向スコアは万能薬ではない
　5.3.3 統計ソフトウェア
　5.3.4 傾向スコア法の発展と動向

参考文献
索　引