統計学・機械学習の解説記事

​

線形回帰モデル

• 線形回帰Tips
• 決定係数について
• 正射影と多変量解析の諸手法
• 多重共線性について
• ガウス・マルコフの定理について
• 線形混合モデルとその応用例
• 線形混合モデルを用いた小地域推定
• 一般化線形モデル（GLM）と一般化線形混合モデル（GLMM）
• quantregパッケージで分位点回帰をしてみる

情報量基準

• 線形モデルと線形混合モデルにおけるAIC
• BICとは何か
• Deviance Information Criterion(DIC)について
• 情報量規準の分類

ベイズ統計学・マルコフ連鎖モンテカルロ法 (MCMC)

• ベイズ分析のワークフローにおける視覚化について     ⇦ ベイズ分析の一般的な手順の解説
• MCMCが上手くいく時といかない時
• Integrated Nested Laplace Approximationを用いた近似ベイズ解析
• ブートストラップと一般化ベイズ  
• ブートストラップによる近似ベイズ推測
• 一般化ベイズ法 (前編)
• 一般化ベイズ法 (後編)
• Rで使えるベイズ分析のパッケージの比較
• 【ベイズ統計学】ロジットモデルに対するギブスサンプリングを簡単に行う！（理論編）
• 【ベイズ統計学】ロジットモデルに対するギブスサンプリングを簡単に行う！（R編）
• 縮小事前分布によるベイズ的変数選択について1: Bayesian Lasso (理論編)
• 縮小事前分布によるベイズ的変数選択について2: Bayesian Lasso (R編)
• 縮小事前分布によるベイズ的変数選択3: Horseshoe prior (馬蹄事前分布)とは
• 縮小事前分布によるベイズ的変数選択4: 馬蹄事前分布のMCMC
• 分位点回帰をベイズ推定してみる
• 打ち切りのある分位点回帰モデルをベイズ推定する
• Google colaboratory上でのStanの使い方
• ポアソン推定量について
• インポータンス・サンプリングについて

状態空間モデル・時系列データ解析

• カルマンフィルターについて
• Python particlesパッケージで逐次モンテカルロ法を適用してみた（前編）
• Python particlesパッケージで逐次モンテカルロ法を適用してみた（中編）
• 単位根について
• 関数時系列データの主成分分析（１）
• 関数時系列データの主成分分析（２）
• 関数時系列データの主成分分析（３）

計量経済学

• 操作変数法について（１）
• 計量経済学における識別問題について
• 識別できないモデルの分析方法について
• パネルデータ分析・超入門1
• パネルデータ分析・超入門2

ノンパラメトリック手法

• ノンパラメトリックな方法を用いた探索的データ分析
• ノンパラメトリック関数回帰（１）
• ノンパラメトリック関数回帰（２）
• ノンパラメトリック回帰モデルの適応的推定（１）
• ノンパラメトリック回帰モデルの適応的推定（２）
• 局所多項式回帰（１）
• 局所多項式回帰（２）
• 局所多項式回帰（３）

空間データ解析

• 空間データの回帰分析 (地理的加重回帰モデル)
• 空間クラスタリングを取り入れた回帰分析
• 空間的異質性を考慮したノンパラメトリック回帰モデル
• 空間データのためのブートストラップ法 (解説編)
• 空間データのためのブートストラップ法 (データ分析編２)

その他

• 標本平均のrandomnessとは？
• ブートストラップを用いたバイアス補正（１）
• ブートストラップを用いたバイアス補正（２）
• EMアルゴリズム
• 有限混合モデル・モデルベースクラスタリングでのクラスター数について
• 正規分布の位置尺度混合表現
• 正規分布の尺度混合表現3選
• 所得分布と一般化ベータ分布のファミリー
• Visual Studio Code（Mac）でRのワーキングディレクトリ
• survey weightの役割
• 外れ値とロバスト推定（１）
• 外れ値とロバスト推定（２）
• 外れ値とロバスト推定（３）
• 外れ値とロバスト推定（４）
• 非正規化モデルのパラメーター推定について