温故知新：古典的名著『回帰分析』（佐和隆光）を読む

回帰分析(新装版) (統計ライブラリー)

タイトルに「古典的名著」とうたっておきながら、実は米倉さんのツイートで紹介されるまで浅学にして全然存じ上げなかったんですが、いざ読んでみたらあまりにも素晴らしい内容だったので、その感動を伝えたいがためにわざわざこの記事を書いています（笑）。

ちなみに今現在、訳あってこちらの論文とその実装を相手にしなければならない状況で、関連してそもそも論としての「回帰分析の取り扱い方」を改めて紐解く必要があり、その点でも本書は大いに役立っている感があります*1。ということで、個人的に本書が「実際に役立った」と感じた点を適当にピックアップして紹介していこうと思います。

*1:本質的にはベイジアン構造化時系列モデルであっても回帰パートは単なる線形回帰モデルに帰着できるため、本書のカバー範囲に完全に入る

データドリブンの「文化」を組織に定着させる方法とは

(Image by Gerd Altmann from Pixabay)

ハーバード・ビジネス・レビュー本誌に昨年3月に掲載された大御所ダベンポートの記事が、昨年末に日本語版の方に翻訳されて出ていました。今年初めに目は通していたのですが、ちょうどネタ切れで記事に困っていたので昨今データ活用のための組織文化についての議論を見かけることが増えてきたので、こちらの論説の内容をザッとまとめた上でついでに個人的な経験と見聞に基づく私見もまとめてみようかと思います。

なお、元記事はまだUSでコロナ禍が本格化する前の2020年3月に掲載（つまり執筆されたのはさらにそれ以前）されたものなので、コロナ禍の影響についての言及がない点に注意が必要です。

要旨

• CEOがデータドリブン文化の旗振り役でなければならない（＝CEOの意識改革が必須）
• 体験ベースの教育プログラムを用意すべき
• 上級職のリーダーが率先して範を垂れる必要がある
• データドリブン文化を推進した人に昇進や昇給などで報いるべき
• ソフトウェアとハードウェアを用意するのみならず「文化」も必要

非劣性検定（等価検定）をRで試してみる

この記事は、以前『統計学のセンス』を読んだ時から気になっていたことを思い出したので、単にRで試してみたという備忘録です。

非劣性検定（等価検定）の話題は、本書の最後にある8.3節「非劣性の検証とは？」であくまでも付録扱いとして登場します。ここでは、

統計学的検定は通常「有意差検定」といわれるが、

1) 標本数を大きくすることによって「医学的に有意でない差」を「統計学的に有意」とすることができる
2) 標本数を小さくすることによって「医学的に有意な差」を「統計学的に有意でない」とすることができる

という欠点があることは意外と知られていない。（同書p.143）

という有意差検定の問題点を指摘した上で、1980年代後半ごろから新薬審査に当たって「標準薬と同等程度の有効性」が検証できれば認可されるという流れが出てきたことで、積極的に同等性を検証するというニーズが出てきたという話題が紹介されています。